分布式事务的通用原则

周末来篇短的。

当我们采用分布式来提高系统性能时，首先面对的问题是面对和处理分布式事务。

分布式系统处理数据：

• 数据分区：把数据块放在不同的服务器上，采用一致性hash；
• 数据镜像：让所有服务器都有相同的数据，提供相同的服务；

第一种问题，单台机器出现问题，会存在数据丢失的问题。

数据服务的高可用只能通过第二种方式完成数据冗余存储。存储节点越多，跨服务的事务数据一致性就越复杂。

数据不丢失，通过冗余手段，数据的分区都需要数据冗余处理。

这就是数据副本：出现某个节点的数据丢失时可以从副本读到，数据副本是分布式系统解决数据丢失的唯一手段。

结论：

• 数据高可用，需要写多份数据；
• 多份数据存在数据一致性问题；
• 数据一致性引发性能问题；

一致性模型：

• 弱一致性：写入一个新值，读操作在数据副本上可能读出来，也可能读不出来。
• 最终一致性：写入新值，可能读不出来，在某个时间窗口保证能读出来。
• 强一致性：数据一旦写入，任意副本都能读到新值。

前两种一般通过异步方式，最后一种是同步方式。异步代表更好的性能，带来了复杂性。同步代表了简单，但是要考虑性能。

方式：

• M/S方式，读写分离，主从；
• M/M方式，多个主节点，都做读写；
• 2PC/3PC，阶段提交，每个节点都知道自己成功失败，无法知道其他节点状态，需要引入一个协调者统一掌控所有节点的操作结果，最终指示节点是否把操作结果进行真正的提交。
• Paxos算法；