Local and Distributed Transactions
本地事务
一、事务的基本性质
DatabaseTransaction的几个Features：原子性(Atomicity )、一致性( Consistency )、隔离性或独立性( Isolation) 和持久性(Durabilily)，简称就是ACID；
- 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。(A向B转账，转账前后AB总金额一致)
- 隔离性：事务之间互相隔离。
- 持久性：一旦事务成功，数据一定会落盘在数据库。
Monolith Application中，我们多个业务操作Usage同一条连接操作不同的Data表，一旦有异常，我们可以很容易的整体回滚；
Business：我们具体的业务Code Storage：Library存业务Code；扣Library存 Order：订单业务Code；保存订单 Account：账号业务Code；减账户余额 比如买东西业务，扣Library存，下订单，账户扣款，是一个整体；必须同时成功或者失败 一个Transaction开始，代表以下的所有操作都在同一个连接里面；
二、事务的隔离级别
-
READ UNCOMMITTED（读未提交）
该Isolation Level的Transaction会读到其它未提交Transaction的Data，此现象也称之为脏读。
-
READ COMMITTED（读提交）
一个Transaction可以读取另一个已提交的Transaction，多次读取会造成不一样的结果，此现象称为不可重 复读Problem，Oracle 和SQL Server 的默认Isolation Level。
-
REPEATABLE READ（可重复读）
该Isolation Level是MySQL 默认的Isolation Level，在同一个Transaction里，select 的结果是Transaction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 Mechanism（行Lock的算法）来避免幻读。
-
SERIALIZABLE（序列化）
在该Isolation Level下Transaction都是串行顺序Execute的，MySQL Database的InnoDB 引擎会给读操作隐式 加一把读共享Lock，从而避免了脏读、不可重读复读和幻读Problem。
三、事务的传播行为
-
PROPAGATION_REQUIRED
如果当前没有Transaction，就Create一个新Transaction，如果当前存在Transaction，就加入该Transaction，该Settings是最常用的Settings。
-
PROPAGATION_SUPPORTS
支持当前Transaction，如果当前存在Transaction，就加入该Transaction，如果当前不存在Transaction，就以非TransactionExecute。
-
PROPAGATION_MANDATORY
支持当前Transaction，如果当前存在Transaction，就加入该Transaction，如果当前不存在Transaction，就抛出异常。
-
PROPAGATION_REQUIRES_NEW
Create新Transaction，无论当前存不存在Transaction，都Create新Transaction。
-
PROPAGATION_NOT_SUPPORTED
以非Transaction方式Execute操作，如果当前存在Transaction，就把当前Transaction挂起。
-
PROPAGATION_NEVER
以非Transaction方式Execute，如果当前存在Transaction，则抛出异常。
-
PROPAGATION_NESTED
如果当前存在Transaction，则在嵌套Transaction内Execute。如果当前没有Transaction，则Execute与PROPAGATION_REQUIRED 类似的操作。
四、SpringBoot 事务关键点
-
事务的自动配置
TransactionAutoConfiguration
-
事务的坑
在同一个类里面，编写两个Method，内部调用的时候，会导致TransactionSettings失效。原因是没有用到 Proxy对象的缘故。
-
解决
0）、导入spring-boot-starter-aop 1）、@EnableTransactionManagement(proxyTargetClass = true) 2）、@EnableAspectJAutoProxy(exposeProxy=true) 3）、AopContext.currentProxy() 调用Method
分布式事务
一、为什么有分布式事务
Distributed系统经常出现的异常 机器宕机、网络异常、MessageLost、Message乱序、DataError、不可靠的TCP、StorageDataLost…
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Distributed系统中
-
一致性（Consistency）
在Distributed系统中的所有DataBackup，在同一时刻是否同样的值。（等同于所有节点访问同一份最新的Data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Data更新具备High Availability性）
-
分区容错性（Partition tolerance）
大多数Distributed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Fault Tolerance的意思是，区间通信可能失败。比如，一台Server放在中国，另一台Server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Implementation两点，不可能三者兼顾。
一般来说，分区Fault Tolerance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。
Distributed系统中Implementation一致性的raft 算法、paxos http://thesecretlivesofdata.com/raft/
面临的Problem
对于多数大型互联网应用的场景，主机众多、Deployment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Service可用性达到99.99999%（N 个9），即保证P 和A，舍弃C。
2、BASE 理论
是对CAP 理论的延伸，思想是即使无法做到Strong Consistency（CAP 的一致性就是Strong Consistency），但可以采用适当的采取弱一致性，即Eventual Consistency。
什么是BASE ：
-
基本可用（Basically Available）
基本可用是指Distributed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Search Engine需要在0.5 秒之内Return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。DistributedStorage中一般一份Data会有多个副本，允许不同副本Synchronization的延时就是软状态的体现。mysql replication 的Asynchronous复制也是一种体现。
-
最终一致性（ Eventual Consistency）
Eventual Consistency是指系统中的所有Data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Strong Consistency相反，Eventual Consistency是弱一致性的一种特殊情况。
强一致性、弱一致性、最终一致性
从客户端角度，多进程Concurrency访问时，更新过的Data在不同进程如何Get的不同策略，决定了不同的一致性。对于关系型Database，要求更新过的Data能被后续的访问都能看到，这是Strong Consistency。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Data，则是Eventual Consistency。
3、分布式事务几种方案
2PC 模式
Database支持的2PC【2 phase commit 二阶提交】，又叫做XA Transactions。MySQL 从5.5 Version开始支持，SQL Server 2005 开始支持，Oracle 7 开始支持。其中，XA 是一个Two-phase Commit协议，该协议分为以下两个阶段：
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。
- XA 协议比较简单，而且一旦商业DatabaseImplementation了XA 协议，UsageDistributed Transaction的成本也比较低。
- XA Performance不理想，特别是在交易下单链路，往往Concurrency量很高，XA 无法满足高Concurrency场景
- XA 目前在商业Database支持的比较理想，在mysql Database中支持的不太理想，mysql 的XA Implementation，没有记录prepare 阶段Logging，主备切换回导致主Library与备LibraryData不一致。
- 许多nosql 也没有支持XA，这让XA 的应用场景变得非常狭隘。
- 也有3PC，引入了超时Mechanism（无论协调者还是参与者，在向对方发送请求后，若长时间未收到回应则做出相应处理）。
柔性事务-TCC 事务补偿型方案
刚性Transaction：遵循ACID 原则，强一致性。 柔性Transaction：遵循BASE 理论，最终一致性； 与刚性Transaction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 Pattern，是指支持把自定义的分支Transaction纳入到全局Transaction的管理中。
柔性事务-最大努力通知型方案
按规律进行通知，不保证Data一定能通知成功，但会提供可查询操作Interface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Implementation，例如：通过MQ 发送http 请求，Settings最大通知次数。达到通知次数后即不再通知。
案例：银行通知、商户通知等（各大交易业务平台间的商户通知：多次通知、查询校对、对账File），支付宝的支付成功AsynchronousCallback。
柔性事务-可靠消息+最终一致性方案（异步确保型）
Implementation：业务处理Service在业务Transaction提交之前，向实时MessageService请求发送Message，实时MessageService只记录MessageData，而不是真正的发送。业务处理Service在业务Transaction提交之后，向实时MessageService确认发送。只有在得到确认发送指令后，实时MessageService才会真正发送。
防止MessageLost：
/**
* 1、做好消息确认机制（pulisher，consumer【手动ack】）
* 2、每一个发送的消息都在数据库做好记录。定期将失败的消息再次发送一
遍
*/CREATE TABLE `mq_message` (
`message_id` char(32) NOT NULL,
`content` text,
`to_exchane` varchar(255) DEFAULT NULL,
`routing_key` varchar(255) DEFAULT NULL,
`class_type` varchar(255) DEFAULT NULL,
`message_status` int(1) DEFAULT '0' COMMENT '0-新建1-已发送2-错误抵达3-已抵达',
`create_time` datetime DEFAULT NULL,
`update_time` datetime DEFAULT NULL,
PRIMARY KEY (`message_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4