带你厘清事务一致性（下篇）

在上篇和中篇中，无论是单机事务的一致性，还是分布式事务的一致性，可以发现都是针对数据库的事务而言的，说到了分布式、一致性话题，我们再继续讨论一个概念--分布式系统的一致性。分布式系统的一致性是一个更加多元和复杂的场景，单纯的 2PC 或者 3PC 协议无法满足分布式系统中的其他一致性需求。

1. CAP 理论

CAP 理论是分布式系统、特别是分布式存储领域中被讨论的最多的理论。其中 C 代表一致性 (Consistency)，A 代表可用性 (Availability)，P 代表分区容错性 (Partition tolerance)。CAP 理论告诉我们 C、A、P 三者不能同时满足，最多只能满足其中两个。

在 CAP 理论中，P 是一定要满足的，那么也就意味着只有两种组合方案（AP 和 CP）进行选择，但是在实际中，面对鱼和熊掌不可兼得的情况下，我们还是想想方设法兼得的，也就是 C 和 A 各退一步，我们来保证系统的基本可用和最终一致性。

2.一致性

讨论分布式系统的一致性涉及到更多的一个概念可能是共识。举个最简单的例子就是在一个或多个进程提议了一个值后，通过某种协议让所有进程对这个值达成共识（一致），为了就某个值达成共识，各个进程需要提出自己的提议，最终通过分布式一致性算法，使得所有正确运行的进程学习到相同的值。

分布式一致性算法我们应该已经听过很多了，例如 Paxos、Raft 以及 Zab 协议等。Paxos 算法是布式系统中通用的一致性方案中的一种，它能达到某种最终一致性的状态。Raft，不同于 Paxos 直接从分布式一致性问题出发推导出来，Raft 则是从多副本状态机的角度提出，使用更强的假设来减少需要考虑的状态，使之变的易于理解和实现。Zab 协议 的全称是 Zookeeper Atomic Broadcast（Zookeeper 原子广播）。Zookeeper 是通过 Zab 协议来保证分布式事务的最终一致性。

3.总结

讲了这么多，我们再来回顾一下。本系列三篇文章从单机数据库的事务着手，明白了事务是数据库操作执行的单位，它包含 ACID 四个特性，D（持久性）是由日志来保证的；原子性和隔离性是通过并发控制管理器或调度器来保障的，其中隔离性又涉及到了四种不同的隔离级别（读未提交、读已提交、可重复读和可串行化）；一致性其实是一个比较复杂的概念，它与其他的三个特性都有关系。但总体来讲，单机数据库事务还是比较简单的，各个特性都比较容易保障。到了分布式数据库中，情况就要复杂一点了，一个全局事务由多个节点的单机事务组成，如何去管理分布式事务的提交或者中止，如何进行故障故障恢复，要解决这些问题，就需要重新构建一个事务处理模型。解决分布式事务处理的一个基本思想就是 2PC，第一阶段进行提交请求阶段，第二阶段是提交执行阶段。以 2PC 为基础，又衍生出了 3PC、TCC 等协议。如果说在数据库中，一致性更多强调的是事务的一致性特性，在分布式系统中，一致性的概念重点在于共识。所谓的共识就是多个不同的节点进程之间就某个值达成一致。我们常听到的分布式一致性算法（Paxos、Raft）就是为了促进各个节点达成一致而生的。所以，现在你应该大致了解了这些概念了~