之前看《数据库系统实现》中有讲一些分布式事务，稍微了解了一下，这次再好好总结一下。文中有借用了网上的一些图。有侵权联系删除。
数据服务性能的提升主要依靠两种方式
- 数据分区（不同数据存在不同节点）
- 数据备份（多节点拷贝，相同数据存放多个节点）
- Master-Slave。读写请求都由Master负责。写请求写到Master上后，由Master同步到Slave上。问题是：单点崩溃无法提供写服务
- Master-Master。所有节点可以提供写服务。问题：数据一致性，以及多节点数据冲突
CAP理论
分布式领域有CAP理论，三者无法都同时达到最优，顾此失彼
- 一致性
- 强一致性
- 弱一致性（包括最终一致性）
- 可用性：在有节点宕机之后，仍然能够正确提供服务，好的响应性能。
- 分区容忍性：分区之后，某些数据被分在一个单独的节点，因为各种原因导致这个节点无法访问，这是无法容忍的。解决方案就是备份节点。但是备份节点多了就会带来一致性的问题，同时写的时候要写多个节点，也会带来可用性的问题。
Base理论
即使无法做到强一致性，但每个应用都可以根据自身业务特点，采用适当的方式来使系统达到最终一致性。
- 基本可用：牺牲部分的可用性，响应时间可适当变长
- 软状态：允许数据存在中间状态，但是不会影响系统整体可用性
- 最终一致性：经过一段时间同步，数据能够达到一致性
两阶段提交
- 1.协调者：发送消息让所有节点准备提交
- 节点：收到消息执行事务并写好日志，回应给协调者成功或失败
- 2.协调者：当所有节点都回复成功时，事务提交；只要有一个没有回复成功，回滚
- 节点：收到协调者的回应后，提交事务
问题主要有：
- 同步阻塞：如果协调者没回应，会一直阻塞等待
- 单点故障：协调者在第二阶段故障，所有节点需要等待
- 死锁：两个节点互相持有资源
- 数据不一致：如果协调者在发送“提交事务信号时”宕机，一部分提交，一部分没提交。出现数据不一致问题
三阶段提交
主要解决了单点故障和阻塞的问题，如果第一阶段所有的结点返回成功，那么有理由相信成功提交的概率很大
- 1.协调者：发送消息给所有节点
- 节点：如果认为当前自己可以完整执行事务，回复成功
- 2.协调者：如果所有的节点都回复成功，通知所有节点进入预提交
- 节点：收到消息执行事务并写好日志，回应给协调者成功或失败
- 3.协调者：当所有节点都回复成功时，事务提交；只要有一个没有回复成功，回滚
- 节点：收到协调者的回应后，提交事务；若超时未收到消息，默认提交成功（默认成功提交的几率很大）
TCC
是应用层的一种补偿方法，需要代码实现。
- try:对业务系统做检测和预留
- confirm:执行业务流程，一般认为try成功，confirm一定成功
- cancel:事务遇到错误的回滚
举个例子，假入 Bob 要向 Smith 转账，思路大概是：
我们有一个本地方法，里面依次调用
- 首先在 Try 阶段，要先调用远程接口把 Smith 和 Bob 的钱给冻结起来。
- 在 Confirm 阶段，执行远程调用的转账的操作，转账成功进行解冻。
- 如果第2步执行成功，那么转账成功，如果第二步执行失败，则调用远程冻结接口对应的解冻方法 (Cancel)。
消息队列传递
将分布式事务分解成多个本地事务。具体做法：
- 本地事务执行前，准备消息。
- 执行完成，发送消息，否则取消消息。如果消息发送失败会尝试重新发送
- 远端接受消息，并执行。
问题：
扫描二维码关注公众号，回复：
155049 查看本文章
- 重复消息的问题：在消息消费方检查是否有一个同样的消息，如果有就抛弃
- 消息发送失败：消费方提供一个check接口，接受到就返回确认