事务的ACID特性
原子性： 事务是最小的执行单位，不允许分割。事务的原子性确保动作要么全部完成，要么完全不起作用； 一致性： 执行事务前后，数据保持一致，多个事务对同一个数据读取的结果是相同的； 隔离性： 并发访问数据库时，一个用户的事务不被其他事务所干扰，各并发事务之间数据库是独立的； 持久性： 一个事务被提交之后。它对数据库中数据的改变是持久的，即使数据库发生故障也不应该对其有任何影响。
事务隔离级别
READ-UNCOMMITTED(读取未提交)： 最低的隔离级别，允许读取尚未提交的数据变更，可能会导致脏读、幻读或不可重复读。 READ-COMMITTED(读取已提交)： 允许读取并发事务已经提交的数据，可以阻止脏读，但是幻读或不可重复读仍有可能发生。 REPEATABLE-READ(可重复读)： 对同一字段的多次读取结果都是一致的，除了数据是被本身事务自己所修改，可以阻止脏读和不可重复读，但幻读仍有可能发生。 SERIALIZABLE(可串行化)： 最高的隔离级别，完全服从ACID的隔离级别。所有的事务依次逐个执行，这样事务之间就完全不可能产生干扰，也就是说，该级别可以防止脏读、不可重复读以及幻读。
mysql 默认的隔离级别是可重复读。 注意：隔离级别从小到大安全性越来越高，但是效率越来越低。
spring实现事务的控制，是通过AOP来实现
PROPAGATION_REQUIRED（默认）支持当前事务，如果当前没有事务，则创建事务 如果当前存在事务，则加入当前事务，合并成一个事务
REQUIES_NEW新建事务，如果当前存在事务，则把当前事务挂起 这个方法会独立提交事务，不受调用者影响，父级方法异常，它也能够正常提交事务。
NESTD（嵌套事务）如果存在当前事务，则成为当前事务的子事务，方法结束后并没有提交，只有父级事务提交结束才提交。 如果当前没有事务，则新建事务 如果它异常，父级可以捕获异常而不回滚，正常提交 如果父级异常，它必然回滚。
SUPPORTS如果当前存在事务，则加入事务 如果不存在事务，则已非事务方式运行
NOT_SUPPORTED以非事务方式运行 如果存在当前事务，则事务挂起
MANDATORY如果当前存在事务，则运行在当前事务中 如果不存在事务，则跑出异常，即父级方法必须要存在事务。
NEVER以非事务方式运行，如果当前存在事务，则跑出异常，即父级方法必须没有事务
引用：
https://blog.csdn.net/oldshaui/article/details/88743085
分布式系统部署在不同结点上的系统通过网络交互来完成协同工作的系统 比如：充值加积分的业务，用户在充值系统向自己的账户充钱，在积分系统中自己积分相应的增加。充值系统和积分系统是两个不同的系统，一次充值加积分的业务就需要这两个系统协同工作来完成。
什么是分布式事务？在分布式系统中一次操作由多个系统协同完成，这种一次事务操作涉及多个系统通过网络协同完成的过程称为分布式事务。这里强调的是多个系统通过网络协同完成一个事务的过程，并不强调多个系统访问了不同的数据库，即使多个系统访问的是同一个数据库也是分布式事务
分布式系统需要解决的问题场景1.更新支付表状态为本地数据库操作。 2.远程调用选课接口为网络远程调用请求 3.为保存事务上边两步操作由spring控制事务，当遇到Exception异常则回滚本地数据库操作。 问题如下： 1、如果更新支付表失败则抛出异常，不再执行远程调用，此设想没有问题。 2、如果更新支付表成功，网络远程调用超时会拉长本地数据库事务时间，影响数据库性能。（远程调用非常耗时的哦） 3、如果更新支付表成功，远程调用添加选课成功（选课数据库commit成功），最后更新支付表commit失败，此时出现操作不一致。 上面的问题就涉及到了分布式事务的控制
分布式事务应用场景(1) 两阶段提交协议（2PC）
1）第一阶段：准备阶段（prepare） 协调者通知参与者准备提交订单，参与者开始投票。 协调者完成准备工作向协调者回应Yes。 2）第二阶段：提交(commit)/回滚(rollback)阶段 协调者根据参与者的投票结果发起最终的提交指令。 如果有参与者没有准备好则发起回滚指令。 一个下单减库存的例子： 在这里插入图片描述 1、应用程序连接两个数据源。 2、应用程序通过事务协调器向两个库发起prepare，两个数据库收到消息分别执行本地事务（记录日志），但不提交，如果执行成功则回复yes，否则回复no。 3、事务协调器收到回复，只要有一方回复no则分别向参与者发起回滚事务，参与者开始回滚事务。 4、事务协调器收到回复，全部回复yes，此时向参与者发起提交事务。如果参与者有一方提交事务失败则由事务协调器发起回滚事务。 2PC的优点：实现强一致性，部分关系数据库支持（Oracle、MySQL等）。 缺点：整个事务的执行需要由协调者在多个节点之间去协调，增加了事务的执行时间，性能低下。 解决方案有：springboot+Atomikos or Bitronix
（2）事务补偿（TCC）
TCC事务补偿是基于2PC实现的业务层事务控制方案，它是Try、Confirm和Cancel三个单词的首字母，含义如下： 1、Try 检查及预留业务资源完成提交事务前的检查，并预留好资源。 2、Confirm 确定执行业务操作 对try阶段预留的资源正式执行。 3、Cancel 取消执行业务操作 对try阶段预留的资源释放。 下边用一个下单减库存的业务为例来说明 1、Try 下单业务由订单服务和库存服务协同完成，在try阶段订单服务和库存服务完成检查和预留资源。 订单服务检查当前是否满足提交订单的条件（比如：当前存在未完成订单的不允许提交新订单）。 库存服务检查当前是否有充足的库存，并锁定资源。 2、Confirm 订单服务和库存服务成功完成Try后开始正式执行资源操作。 订单服务向订单写一条订单信息。 库存服务减去库存。 3、Cancel 如果订单服务和库存服务有一方出现失败则全部取消操作。 订单服务需要删除新增的订单信息。 库存服务将减去的库存再还原。 优点：最终保证数据的一致性，在业务层实现事务控制，灵活性好。 缺点：开发成本高，每个事务操作每个参与者都需要实现try/confirm/cancel三个接口。 注意：TCC的try/confirm/cancel接口都要实现幂等性，在为在try、confirm、cancel失败后要不断重试。
什么是幂等性？
幂等性是指同一个操作无论请求多少次，其结果都相同。 幂等操作实现方式有： 1、操作之前在业务方法进行判断如果执行过了就不再执行。 2、缓存所有请求和处理的结果，已经处理的请求则直接返回结果。 3、在数据库表中加一个状态字段（未处理，已处理），数据操作时判断未处理时再处理。
(3)消息队列实现最终一致
本方案是将分布式事务拆分成多个本地事务来完成，并且由消息队列异步协调完成，如下图： 下边以下单减少库存为例来说明： 在这里插入图片描述 1、订单服务和库存服务完成检查和预留资源。 2、订单服务在本地事务中完成添加订单表记录和添加“减少库存任务消息”。 3、由定时任务根据消息表的记录发送给MQ通知库存服务执行减库存操作。 4、库存服务执行减少库存，并且记录执行消息状态（为避免重复执行消息，在执行减库存之前查询是否执行过此消息）。 5、库存服务向MQ发送完成减少库存的消息。 6、订单服务接收到完成库存减少的消息后删除原来添加的“减少库存任务消息”。 实现最终事务一致要求：预留资源成功理论上要求正式执行成功，如果执行失败会进行重试，要求业务执行方法实现幂等。 优点 ： 由MQ按异步的方式协调完成事务，性能较高。 不用实现try/confirm/cancel接口，开发成本比TCC低。 缺点： 此方式基于关系数据库本地事务来实现，会出现频繁读写数据库记录，浪费数据库资源，另外对于高并发操作不是最佳方案。
