本地事务和分布式事务

一、本地事务

1、事务的基本特性

        数据库事务的几个基本特性：原子性、一致性、隔离性、持久性。

         原子性：一系列的操作整体不可拆分，要么同时成功，要么同时失败。

         一致性：数据在事务的前后，业务整体一致。

                 转账。A:1000；B:1000； 转 200 ； 事务成功：A：800  B：1200

         隔离性：事务之间互相隔离。        

                隔离级别的一个核心问题是：一个事务的执行过程和结果是否会影响到其他正在执行的事务。可串行化是最高级别的隔离，即事务之间互不影响。（多个并行的事务的结果与一个一个串行执行的结果一样）

         持久性：一旦事务成功，数据一定会落盘在数据库。

2、事务的隔离级别

读未提交

        该隔离级别的事务会读到其它未提交事务的数据，此现象也称之为脏读。

        事务1对A进行修改还未提交，事务2读取的是所谓的脏数据

        丢失更新

读已提交 

        一个事务可以读取另一个已提交的事务，多次读取会造成不一样的结果，此现象称为不可重 复读问题，Oracle 和 SQL Server 的默认隔离级别。

        不可重复读是指一个事务在整个事务过程中对同一笔数据进行读取的到的结果不同。出现的原因就是事务的并发修改记录。

可重复读

        该隔离级别是 MySQL 默认的隔离级别，在同一个事务里，select 的结果是事务开始时时间 点的状态，因此，同样的 select 操作读到的结果会是一致的，但是，会有幻读现象。MySQL 的 InnoDB 引擎可以通过 next-key locks 机制来避免幻读。

        幻读是同一个事务的同一个查询的多次返回结果记录数量不一致。

序列化

        在该隔离级别下事务都是串行顺序执行的，MySQL 数据库的 InnoDB 引擎会给读操作隐式加一把读共享锁，从而避免了脏读、不可重复读和幻读问题。

3、Java事务控制

编程式事务

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.SQLException;
import java.sql.Statement;

public class JdbcTransactionExample {
    public static void main(String[] args) {
        String url = "jdbc:mysql://localhost:3306/mydatabase";
        String user = "username";
        String password = "password";

        try (Connection conn = DriverManager.getConnection(url, user, password)) {
            // 关闭自动提交，开启事务
            conn.setAutoCommit(false);

            try (Statement stmt = conn.createStatement()) {
                // 执行一些SQL操作
                stmt.executeUpdate("INSERT INTO table1 (column1) VALUES ('value1')");
                stmt.executeUpdate("UPDATE table2 SET column2 = 'value2' WHERE id = 1");

                // 提交事务
                conn.commit();
            } catch (SQLException e) {
                // 回滚事务
                conn.rollback();
                e.printStackTrace();
            }
        } catch (SQLException e) {
            e.printStackTrace();
        }
    }
}

声明式事务

        基于Spring AOP，通过注解或XML配置实现；有助于用户将操作与事务规则进行解耦。

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.jdbc.core.JdbcTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

@Service
public class MyService {

    @Autowired
    private JdbcTemplate jdbcTemplate;

    @Transactional
    public void performTransaction() {
        jdbcTemplate.update("INSERT INTO table1 (column1) VALUES ('value1')");
        jdbcTemplate.update("UPDATE table2 SET column2 = 'value2' WHERE id = 1");
    }
}

<tx:advice id="txAdvice" transaction-manager="transactionManager">
    <tx:attributes>
        <tx:method name="*" propagation="REQUIRED" />
    </tx:attributes>
</tx:advice>

<aop:config>
    <aop:pointcut id="serviceMethods" expression="execution(* com.example.service.*.*(..))"/>
    <aop:advisor advice-ref="txAdvice" pointcut-ref="serviceMethods"/>
</aop:config>

二、分布式事务

        分布式系统经常出现的异常机器宕机、网络异常、消息丢失、消息乱序、数据错误、不可靠的 TCP、存储数据丢失。分布式事务是企业集成中的一个技术难点，也是每一个分布式系统架构中都会涉及到的一个 东西，特别是在微服务架构中，几乎可以说是无法避免。

1、CAP 定理与 BASE理论

1.1、CAP定理

        CAP 原则又称 CAP 定理，指的是在一个分布式系统中：

         一致性（Consistency）：

                在分布式系统中的所有数据备份，在同一时刻是否是同样的值。（等同于所有节点访问同一份最新的数据副本）。

         可用性（Availability）

                在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）

         分区容错性（Partition tolerance）

                大多数分布式系统都分布在多个子网络。每个子网络就叫做一个区（partition）。 分区容错的意思是，区间通信可能失败。比如，一台服务器放在中国，另一台服务 器放在美国，这就是两个区，它们之间可能无法通信。

CAP 原则指的是，这三个要素最多只能同时实现两点，不可能三者兼顾。

分布式事务raft算法

1.2、BASE 理论

        是对 CAP 理论的延伸，思想是即使无法做到强一致性（CAP 的一致性就是强一致性），但可以采用适当的采取弱一致性，即最终一致性。

        BASE 是指

                 基本可用（Basically Available）

                        基本可用是指分布式系统在出现故障的时候，允许损失部分可用性（例如响应时间、 功能上的可用性），允许损失部分可用性。需要注意的是，基本可用不等价于系统不可用。

                        响应时间上的损失：正常情况下搜索引擎需要在 0.5 秒之内返回给用户相应的查询结果，但由于出现故障（比如系统部分机房发生断电或断网故障），查询结果的响应时间增加到了 1~2 秒。

                        功能上的损失：购物网站在购物高峰（如双十一）时，为了保护系统的稳定性， 部分消费者可能会被引导到一个降级页面。

                  软状态（ Soft State）

                        软状态是指允许系统存在中间状态，而该中间状态不会影响系统整体可用性。分布 式存储中一般一份数据会有多个副本，允许不同副本同步的延时就是软状态的体现。mysql replication 的异步复制也是一种体现。

                最终一致性（ Eventual Consistency）

                        最终一致性是指系统中的所有数据副本经过一定时间后，最终能够达到一致的状 态。弱一致性和强一致性相反，最终一致性是弱一致性的一种特殊情况。

1.3、强一致性、弱一致性、最终一致性

        从客户端角度，多进程并发访问时，更新过的数据在不同进程如何获取的不同策略，决定了 不同的一致性。对于关系型数据库，要求更新过的数据能被后续的访问都能看到，这是强一致性。如果能容忍后续的部分或者全部访问不到，则是弱一致性。如果经过一段时间后要求能访问到更新后的数据，则是最终一致性。

三、分布式事务的几种方案

1、2PC模式

        第一阶段：事务协调器要求每个涉及到事务的数据库预提交(precommit)此操作，并反映是 否可以提交。

        第二阶段：事务协调器要求每个数据库提交数据。 其中，如果有任何一个数据库否决此次提交，那么所有数据库都会被要求回滚它们在此事务中的那部分信息。

2、柔性事务-TCC 事务补偿型方案

刚性事务：遵循 ACID 原则，强一致性。

柔性事务：遵循 BASE 理论，最终一致性； 与刚性事务不同，柔性事务允许一定时间内，不同节点的数据不一致，但要求最终一致。

一阶段 prepare 行为：调用 自定义 的 prepare 逻辑。

二阶段 commit 行为：调用 自定义 的 commit 逻辑。

二阶段 rollback 行为：调用 自定义 的 rollback 逻辑。

所谓 TCC 模式，是指支持把 自定义 的分支事务纳入到全局事务的管理中。

3、柔性事务-最大努力通知型方案

        按规律进行通知，不保证数据一定能通知成功，但会提供可查询操作接口进行核对。这种 方案主要用在与第三方系统通讯时，比如：调用微信或支付宝支付后的支付结果通知。这种方案也是结合 MQ 进行实现，例如：通过 MQ 发送 http 请求，设置最大通知次数。达到通知次数后即不再通知。