一.基础概念
1.什么是事务
什么是事务? 举个生活中的例子
“你去小卖铺买东西，一手交钱一手交货”
这就是一个事务的例子交钱和交货必须成功
事务才算成功，任何一个活动失败，事务将撤回所有已成功的活动
事务的定义：
事务可以看做是一次大的活动，它由不同的小活动组成，这些活动要么全部成功，要么全部失败
2.本地事务
在计算机系统中，更多的是通过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型数据库来控制事务，而数据库通常和应用在同一个服务器上，所以基于关系型数据库的事务又被称为本地事务。
事务的四大特性ACID:
A(Atomic) ：原子性，构成事务的所有操作，要么都执行完成，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，转账前和后的数据都是一致的，如果张三转账100元李四没有收到就没有达到一致性
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免脏读、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，且不会回滚
3.分布式事务
在分布式系统环境下由不同的服务之间通过网络远程协作完成事务称之为分布式事务
4.分布式事务产生的场景
①典型的场景就是微服务框架
微服务之间通过远程调用完成事务操作：跨JVM进程产生分布式事务
②单体系统访问多个数据库实例
当单体系统需要访问多个数据库时就会产生分布式事务：跨数据库实例产生分布式事务
③多服务访问同一个数据库实例
两个微服务持有了不同的数据库链接进行数据库操作，此时产生分布式事务：跨JVM进程
实际上只要场景中不是单独的“交易”都产生分布式事务：即无法用本地数据库来控制事务
二.分布式事务基础理论
1.CAP理论
CAP : Consistency、Availability、Partition tolerance （一致性、可用性、分区容忍性）
Consistency（一致性）：
一致性是指写操作后的读操作可用读取到最新的数据状态，当数据分布到多个节点上，从任意节点读取到的数据都是最新的状态
一致性的特点：
①由于存在数据同步的过程，写操作的响应会有一定的延迟
②为了保证数据一致性会对资源暂时锁定，待数据同步完成后释放锁定资源
③如果请求数据同步失败的节点则会返回错误信息，一定不会返回旧数据
Avaliability（可用性）:
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
Partition tolerance（分区容忍性）：
分区:
通常分布式系统的各各节点部署在不同的子网，这就是网络分区
分区容忍性：
网络分区不可避免的会出现由于网络问题而导致节点之间通信失败
此时仍可对外提供服务，这就是分区容忍性
分布式分区容忍性的特点：
分区容忍性是分布式系统具备的基本能力
CAP组合方式
在所有分布式事务场景中不会同时C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
CAP不能同时满足
CAP有哪些组合方式
①AP：
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
②CP:
放弃可用性，追求一致性和分区容忍性
③CA：
放弃分区容忍性，既不进行分区，不考虑网络不通或者节点挂掉的问题吗，则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就满足了CA
2.BASE理论
2.1.理解强一致性和最终一致性
CAP理论告诉我们一个分布式系统最多只能满足一致性、可用性和分区容忍性这三项中的两项。
其中AP在实际应用中较多，AP即舍弃一致性，保证可用性和分区容忍性
在实际生产中很多场景都要实现一致性
意思是即使不要一致性 但是最终也要将数据同步成功来保证数据一致
它强调的是强一致性
最终一致性是允许可以在一段时间内每个结点的数据不一致
但是经过一段时间每个结点的数据必须一致，它强调的是最终数据的一致性
2.2.Base理论介绍
BASE是 Basically Available(基本可用)、Soft state(软状态)和Eventually consistent(最终一致性) 三个短语的缩写
BASE理论是对CAP中AP的一个扩展，通过牺牲强一致性来获得可用性，当出现故障允许部分不可用但是要保证核心功能可用，允许数据在一段时间内是不一致的，但最终达到一致状态，满足BASE理论的事务，我们称之为“柔性事务”。
Basically AVailable
基本可用：
分布式系统在出现故障时，允许损失部分可用功能，保证核心功能可用
例子：电商网站交易付款出现问题，商品页面依然可以正常浏览
软状态：
由于不要求强一致性，所以BASE允许系统中存在中间状态(也叫软状态)，这个状态不影响系统可用性
例子：订单的支付中、数据同步中等状态，待数据最终一致后状态改为成功状态。
最终一致：
最终一致是指经过一段时间后，所有节点数据都将会达到一致。
例子：订单的“支付中”状态，最终会变为“支付成功”或者“支付失败”
使订单状态与实际交易结果达成一致
三.分布式事务解决方案
以理论为基础，针对不同的分布式场景业界常见的解决方案：
2PC、TCC、可靠消息最终一致性、最大努力通知