Appearance
分布式事务理论基础
1. CAP 定理
CAP 定理（也称为 Brewer 定理），描述了分布式系统中三个核心属性的权衡取舍：
一致性（Consistency）：所有节点在同一时间看到相同的数据。即每次读操作都能获取到最近的写操作结果（强一致性）；
可用性（Availability）：系统在任何时候都能响应请求，即使部分节点故障，也不会拒绝服务；
分区容忍性（Partition Tolerance）：系统在网络分区（即节点间通信中断）发生时，仍能继续运行。
CAP 定理的核心结论是：在分布式系统中，这三个属性不可能同时完全满足，只能满足其中两个（即 CP、AP 或 CA 系统）。例如：
CP 系统：优先一致性和分区容忍性，牺牲可用性。在网络分区时，可能拒绝部分请求以确保数据一致（如传统关系型数据库在分布式模式下）；
AP 系统：优先可用性和分区容忍性，牺牲一致性。允许临时不一致，但最终会收敛（如 NoSQL 数据库 Cassandra）；
CA 系统：优先一致性和可用性，但不考虑分区容忍性。这在实际分布式环境中很少见，因为网络分区不可避免，通常退化为单机系统。
CAP 定理强调了分布式设计的权衡：在网络不可靠的世界中，分区容忍性是必须的，因此实际系统往往在 C 和 A 之间选择。
2. BASE 理论
BASE 理论是针对分布式系统的一种设计原则。BASE 是以下词组的缩写：
Basically Available（基本可用）：系统保证基本可用，即使在故障时，也允许部分功能降级或延迟响应，而不是完全不可用；
Soft State（软状态）：系统状态允许在一段时间内不一致，不要求实时强一致性；
Eventual Consistency（最终一致性）：系统保证数据最终会达到一致状态，但不保证立即一致。通过异步复制、补偿机制等实现。
BASE 理论适用于大规模分布式系统，强调高可用性和灵活性，而不是严格的事务一致性。它与 CAP 定理中的 AP 系统相呼应，适用于场景如电商、社交网络等，其中短暂不一致是可以接受的（如用户余额显示延迟更新，但最终正确）。
3. CAP 与 BASE 的关系
CAP 定理是分布式系统的理论基础，解释了为什么无法同时实现强一致性和高可用性。BASE 理论则是实践指导，提供了一种在 AP 系统中的设计范式，帮助开发者构建容忍不一致的系统。
4. 分布式事务模型
解决分布式事务，各个子系统之间必须能感知到彼此的事务状态，才能保证状态一致，因此需要一个事务协调者来协调每一个事务的参与者（子系统事务）。
这里的子系统事务，称为分支事务，有关联的各个分支事务在一起称为全局事务。