SpringCloud Alibaba - 分布式事务理论（CAP 定理 和 BASE 理论）

CAP理论指的是在一个分布式系统中，不能同时满足一致性(Consistency)、可用性(Avalibality)、分区容错性(Partition Tolerance)。 1. 一致性 Consistency 分布式系统中的所有节点上的数据都是一致的。 假设有一个分布式系统，其中有2个节点：节点A、节点B，两者的数据库中都存有x，其初始值都为0。此时客户端向这个节点A发起x=1的请求。 1.1 强一致性 返回成功响应后，节点A与节点B上的值都为1。 任意时间各个节点上的值都是一致的 1.2 弱一致性

原文链接: 作者小太阳^_^，转载请注明出处，谢谢 前言 在大型系统架构演变中,当前下,分布式是一个必然的选择,分布式事务是绕不开的一个点. 目录 概述 论证 解决方案 3.1 维护本地消息表 3.2 使用rocketmq事务消息 3.3 两阶段提交协议(2PC) 3.4 TCC事务补偿机制 正文 1.概述 在单体架构中,我们的事务可以通过数据库的ACID来操作,不会出现什么问题. 1.1 问...

由于 CAP 和 BASE 理论是关于分布式系统不可绕开的话题，数据一致性，最终一致性，分区容错等，这里就简单的说明下。

一、理解CAP CAP是 Consistency、Availability、Partition tolerance三个词语的缩写，分别表示一致性、可用性、分区容忍性。 下边我们分别来解释： 为了方便对CAP理论的理解，我们结合电商系统中的一些业务场景来理解CAP。 如下图，是商品信息管理的执行流程： 整体执行流程如下： 1、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） 2、主...

分布式 事务 cap

前面聊了一些常见的分布式事务方案，接下来我们所主要实现的是通过微服务的阿里组件，seata来实现微服务领域中的分布式事务。Seata 是一款开源的分布式事务解决方案，致力于提供高性能和简单易用的分布式事务服务。Seata 将为用户提供了 AT、TCC、SAGA 和 XA 事务模式，为用户打造一站式的分布式解决方案。AT模式（Auto Transcation）是阿里首推的，因为对代码是零侵入的，使用起来很方便。TC：班主任，某某学生成绩下滑，学校里打架，则通知家长回家好好教育（驱动回滚）；

springcloud+eureka的分布式事务处理，记录LCN和SEATA两种处理方案分布式事务第一种、阿里的SEATA第二种、LCN 分布式事务 分布式事务是指事务的参与者，支持事务的服务器，资源服务器分别位于分布式系统的不同节点之上，通常一个分布式事物中会涉及到对多个数据源或业务系统的操作。 例如：跨银行转操作就涉及调用两个异地银行服务 CAP理论 *CAP理论：*一个分布式系统不可能同时满足一致性，可用性和分区容错性 三个基本需求，最多只能同时满足其中两项 *一致性consistency：*数据在多

分布式系统有三个指标： Consistency（一致性） Availability（可用性） Partition tolerance （分区容错性） 结论: 分布式架构中 P（分区容错性）一定存在， 三者只能满足其二 也就是说要么架构是： 1）AP：可用性 2）CP ：一致性 ...

数据库软件对单机ACID支持到位，但是进行水平或者垂直拆分之后，就变成了多机，需要面对多个数据库的节点，就出现了分布式事务的问题。   分布式事务：事务的参与者，支持事务的服务器，资源服务器以及事务管理器分别位于分布式系统的不同节点上。在分布式十五中，有多个节点参与。   分布式事务处理模型 X/Open DTP模型，定义了3个组件Application Program（AP）

当网络分区出现后，为了保证可用性，系统B可以返回旧值，保证系统的可用性。当网络分区出现后，为了保证一致性，就必须拒绝请求，否则无法保证一致性。Eureka 满足AP，zookeeper/consul 满足CP。结论: 违背了一致性C的要求，只满足可用性和分区容错，即AP。结论: 违背了可用性A的要求，只满足一致性和分区容错，即CP。CAP理论关注的粒度是数据，而不是整体系统设计的策略。

#CAP #事务 原子性，一致性，持久性，隔离性 #分布式事务 2P 2TP

CAP：是 Consistency、Availability、Partition tolerance三个词语的缩写，分别表示一致性、可用性、分区容忍性。 C - Consistency（一致性）： 一致性指的是在当数据分布在多个服务上，从任意一个服务中调用的数据都是最新的状态。 分布式系统一致性的特点： 1：由于数据同步过程中，想要对同步数据进行资源的暂时锁定，等待数据完成后释放资源。 2：如果请求数据同步失败的结点则会返回错误信息，一定不会返回旧数据。 A - Availability （可用性）： 可用

分布式事务之CAP定理

相关历史文章（阅读本文之前，您可能需要先看下之前的系列????） 分布式事务「2020年」必学，升职加薪你准备好了吗？ 事务的基本概念 事务的四大特性ACID 分布式事务产生的场景 前言 通过前面的学习，我们了解到了分布式的基础概念，与本地事务不同的是，分布式系统之所以叫分布式系统，是因为提供服务的若干个节点分布在不同机器上，相互之间通过网络交互，不能因为有一点网络问题就...

CAP的含义： C：Consistency 一致性 同一数据的多个副本是否实时相同。 A：Availability 可用性 可用性：一定时间内 & 系统返回一个明确的结果 则称为该系统可用。 P：Partition tolerance 分区容错性 将同一服务分布在多个系统中，从而保证某一个系统宕机，仍然有其他系统提供相同的服务。 CAP理论告诉我们，在分布式系统中，C、A、P三个条件中我们最多只能选择两个。那么问题来了，究竟选择哪两个条件较为合适呢？ 对于一个业务系统来说，可用性和分...

是两阶段提交的一个变种，针对每个操作，都需要有一个其对应的确认和取消操作，当操作成功时调用确认操作，当操作失败时调用取消操作，类似于二阶段提交，只不过是这里的提交和回滚是针对业务上的，所以基于TCC实现的分布式事务也可以看做是对业务的一种补偿机制，其核心思想是：针对每个操作，都要注册一个与其对应的确认和补偿（撤销）操作。try阶段：尝试去执行，完成所有业务的一致性检查，预留必须的业务资源。Confirm阶段：确认执行业务，如果Try阶段执行成功，接着执行Confirm 阶段。

在Spring Cloud中，环境搭建的选用主要是取决于CP还是AP系统，而CAP 是一个完全绕不开的东西，大家应该早就非常熟悉，这里简单的再次说明一下： CAP定理：             指的是在一个分布式系统中，Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性），三者不可同时获得。 C：一致性，也就是通常说的线性...