一、分布式事务

分布式系统经常出现机器宕机、网络异常、消息丢失、消息乱序、数据错误、不可靠的TCP、存储数据丢失的问题，分布式事务也就应用而生

二、CAP 定理与 BASE 理论

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，在同一时刻是否同样的值。（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。（对数据更新具备搞可用性）

• 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。一般来说，分区容错无法避免，因此可以认为 CAP 的 P 总是成立。CAP 定理告诉我们剩下的 C 和 A 无法同时做到。

1、AP 可用性

对于大多数大型互联网应用的场景，主机众多、部署分散，而且现在的集群规模越来越大，所以节点故障、网络故障是常态，而且要保证服务可用性达到99.999%，即保证 P 和 A，舍弃 C。

三、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），但可以适当的采取弱一致性，即最终一致性。

• 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，基本可用绝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0.5s之内返回给用户响应的查询结果，但由于出现故障（比如系统部分机房发送断点或断网故障），查询结果的响应时间增加到了 1~2s。
  • 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 的异步赋值也是一种体现。

• 最终一致性：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。