分布式事务(1)-概念篇

把我的理解的几个概念作了一个总结，更贴近开发工做，更直白通俗的总结(意味着不严谨，但能懂)。

ACID模型

单个关系型数据库就是用这个模型来保障高一致性和可用性的。

Atomicity原子性：一个事务中全部操做都必须所有完成，要么所有不完成。
Consistency一致性. 在事务开始或结束时，数据库应该在一致状态。
Isolation隔离层. 事务将假定只有它本身在操做数据库，彼此不知晓。
Durability. 一旦事务完成，就不能返回。
直白，简单的去理解

BASE理论

和ACID相反，分布式事务中咱们没法作到强一致。
虽然可能不一致，但每一个应用均可以根据自身的业务特色，采用适当的方式来使分布式系统数据达到最终一致性。

1. Basically Available基本可用。支持分区失败(e.g. sharding碎片划分数据库)
2. Soft state软状态 状态能够有一段时间不一样步，异步。
3. Eventually consistent最终一致，最终数据是一致的就能够了，而不是时时高一致。

CAP原则

分布式系统中，数据一致性和响应速度是成反比的。
要想多个系统数据一致，就须要时间进行同步；要想尽快响应用户，就要接受数据不一致的状况(每每就是业务权衡)。

CAP定理是由加州大学伯克利分校Eric Brewer教授提出来的，他指出分布式WEB服务没法同时知足一下3个属性：

数据一致性(consistency)：

若是系统对一个写操做返回成功，那么以后的读请求都必须读到这个新数据；若是返回失败，那么全部读操做都不能读到这个数据，对调用者而言数据具备强一致性。

1. 简单理解: 要往十个系统里每一个系统都增长一条数据，每一个子系统上面都进行修改为功，这样就保证了数据一致，可是时间也会延长；

服务可用性(availability)

全部读写请求在必定时间内获得响应

1. 简单理解: 上面已经说到，为了保证数据一致性，咱们须要延长时间。那为了减小响应时间，咱们可能先在一个系统内增长一条数据，剩下的九个系统异步去添加，这就是牺牲数据一致性，换取可用性；

分区容错性(partition-tolerance) - 可靠性

在网络分区的状况下，被分隔的节点仍能正常对外服务，简单可理解为“可靠性”（两个系统外界看来就是总体，若是系统不能通讯了，成为分区。 若是不能保证分区容错性，则节点不能正常服务，不能服务就谈不上什么事务了，因此分区容错性是确定要保证的）；

1. 分区容错性 的理解：多个系统组成一个分布式系统，外界看来这个系统是一个总体，一个区域。

2. 可是内部若是出现网络不通的问题，多个子系统就变成了孤岛，变成了多个分区，分区容错性就是指这种状况是，每一个子系统要可以适应这种问题，能正常提供服务，虽然数据可能没同步到其余子系统，但总比系统不能访问要好 。

总结

分布式事务会结合上面三个概念进行实现，在实际开发中，就是根据具体业务在 数据一致性 和 服务可用性 二者之间进行权衡。