分布式事务
什么是事务
- 举个生活中的例子：你去商店买东西就是一个事务的例子，买东西是一个交易，包含“一手交钱，一手交货”两个动作，交钱和交货这两个动作必须全部成功，交易才算成功，其中任何一个动作失败，交易就必须撤销
- 事务可以看做是一次大的活动，它由不同的小活动组成，这些小活动要么全部成功，要么全部失败
本地事务
- 在软件系统中，通常由关系型数据库来控制事务，这是利用数据库本身的事务特性来实现的，因此叫数据库事务，由于应用主要靠关系数据库来控制事务，而数据库通常和应用在同一个服务器，所以基于关系型数据库的事务又被称为本地事务
数据库事务的四大特性 ACID
- A（Atomic）：原子性，构成事务的所有操作，要么都执行成功，要么全部不执行，不可能出现部分成功部分失败的情况
- C（Consistency）：一致性，在事务执行前后，数据库的一致性约束没有被破坏。比如：张三向李四转100元，转账前和转账后的数据是正确状态这叫一致性，如果出现张三转出100元，李四账户没有增加100元这就出现了数据错误，就没有达到一致性
- I（Isolation）：隔离性，数据库中的事务一般都是并发的，隔离性是指并发的两个事务的执行互不干扰，一个事务不能看到其他事务运行过程的中间状态。通过配置事务隔离级别可以避脏读、重复读等问题
- D（Durability）：持久性，事务完成之后，该事务对数据的更改会被持久化到数据库，且不会被回滚
- 数据库事务在实现时会将一次事务涉及的所有操作全部纳入到一个不可分割的执行单元，该执行单元中的所有操作要么都成功，要么都失败，只要其中任一操作执行失败，都将导致整个事务的回滚
分布式事务
- 随着互联网的快速发展，软件系统由原来的单体应用转变为分布式应用，下图描述了单体应用向分布式微服务应用的演变：
- 分布式系统会把一个应用系统拆分为可独立部署的多个服务，因此需要服务与服务之间远程协作才能完成事务操作，这种分布式系统环境下的事务机制称之为分布式事务
- 在分布式架构的基础上，传统数据库事务就无法使用了
- 比如，张三和李四的账户不在一个数据库中甚至不在一个应用系统里，怎么实现转账事务？也就是说同样一个功能，原来是由一个系统完成 的，即使这个功能包含很多个操作，也可以采用数据库事务(本地事务)搞定，而现在这个功能中包含的 多个操作可能是由多个系统(微服务)参与完成的，此时数据库事务(本地事务)就无能为力了，这就需要新的分布式事务理论来支撑
CAP理论
- CAP是 Consistency、Availiability、Partition tolerance三个词语的缩写，分别表示一致性、可用性、分区容忍性。为了方便对CAP理论的理解，我们结合电商平台中的一些业务场景来理解CAP
- 我们知道每台数据库服务器有他的最大连接数、负载和吞吐量，若有一天无法再满足我们的业务需求，就需要横向去扩展几台 Slave(从数据库) 去分担 Master(主数据库) 的压力
- 如果服务对数据库的需求是 IO 密集型的，那可能会经常遇到增删改影响到了查询效率。这就需要进行读写分离，由主数据库应付增删改操作，由从数据库应付查询操作，主从数据库的数据要进行同步
- 执行流程
- 商品服务请求主数据库写入商品信息（添加商品、修改商品、删除商品）
- 主数据库向商品服务响应写入成功
- 商品服务请求从数据库读取商品信息
CAP介绍
C - Consistency
- 一致性是指写操作后的读操作可以读取到最新的数据状态，当数据分布在多个节点上，从任意节点读取到的数据都是最新的状态
- 商品信息的读写要满足一致性就是要实现如下目标
- 商品服务写入主数据库成功，则向从数据库查询新数据也成功
- 商品服务写入主数据库失败，则向从数据库查询新数据也失败
A - Availability
- 可用性是指任何事务操作都可以得到响应结果，且不会出现响应超时或响应错误
- 商品信息读取满足可用性就是要实现如下目标
- 从数据库接收到数据查询的请求则立即能够响应数据查询结果
- 从数据库不允许出现响应超时或响应错误
- 为了保证可用性，一般需要通过增加从数据库节点来实现
P - Partition tolerance
- 通常分布式系统的各个节点部署在不同的子网，这就是网络分区，不可避免的会出现由于网络故障而导致节点之间通信失败。分布式系统在遇到某节点或网络分区故障的时候，仍然能够对外提供满足一致性 和可用性的服务，这就是分区容忍性。分布式系统中有某一个或者几个机器宕掉了，其他剩下的机器还 能够正常运转满足系统需求，或者是机器之间有网络异常，将分布式系统分隔未独立的几个部分，各个部分还能维持分布式系统的运作，这样就具有较好的分区容忍性
- 商品信息读写满足分区容忍性就是要实现如下目标
- 主数据库向从数据库同步数据失败不影响读写操作
- 其中一个节点挂掉不影响另一个节点对外提供服务
CAP**组合方式**
- 在所有分布式事务场景中不会同时具备CAP三个特性，因为在具备了P的前提下C和A是不能共存的
- 在保证分区容忍性的前提下，一致性和可用性无法兼顾，如果要提高系统的可用性就要增加多个节点，如果要保证数据的一致性就要实现每个节点的数据一致，节点越多可用性越好，但是数据一致性会越差
AP
- 放弃一致性，追求分区容忍性和可用性。这是很多分布式系统设计时的选择
CP
- 放弃可用性，追求一致性和分区容错性，我们的zookeeper其实就是追求的强一致，又比如跨行转账，一次转账请求要等待双方银行系统都完成整个事务才算完成
CA
- 放弃分区容忍性，即不进行分区，不考虑由于网络不通或节点挂掉的问题，则可以实现一致性和可用性。那么系统将不是一个标准的分布式系统，我们最常用的关系型数据库就满足了CA
总结
- CAP是一个已经被证实的理论：一个分布式系统最多只能同时满足一致性（Consistency）、可用性（Availability）和分区容忍性（Partition tolerance）这三 项中的两项。它可以作为我们进行架构设计、技术选型的考量标准。对于多数大型互联网应用的场景， 节点众多、部署分散，而且现在的集群规模越来越大，所以节点故障、网络故障是常态，而且要保证服务可用性达到N个9（99.99..%），并要达到良好的响应性能来提高用户体验，因此一般都会做出如下选择：保证P和A，舍弃C强一致，保证最终一致性