分佈式事務中的CAP理論
Eric Brewer提出，CAP理論在分佈式狀況下無法做到同時滿足。
Consistency：集群中所有的分佈式節點，就同一份數據來說，副本均相同，也就是數據一致。
Availability：對數據的更新和讀寫操作，具具備高可用性，即服務不能出現無響應或者出錯的情況。
Partition Tolerance：分區的容忍性，這裡的分區不是指數據分佈式存儲中的shard分區，而是指由於網絡問題等原因導致節點之間無法正常通訊，最終導致分佈式節點之間沒有聯繫，成為獨立分區。在出現獨立的故障分區後，整個系統還有能力對外提供正常的服務，這種情況就被稱為分區容忍性。
假設一個分佈式系統中，存在兩個節點，處於分區狀態。若允許分區中其他節點來更新數據，那麼會喪失一致性 C 。如果要保證一致性 C ，那處於分區狀態的節點將不允許提供對外服務，這樣又會喪失了可用性 A 。如果一定要保證 CA ，必須保證節點之間能夠互相通信，那分區容忍性就無法保證，就又失去了 P。
Eric Brewer提出，在分佈式環境下，一個系統只能同時滿足其中兩點特性，同時滿足CAP是無法做到的。在大多數的分佈式系統設計中，人們多會選擇滿足 AP 兩點特性。而放棄強一致性，轉而追求最終一致性。
有句英文描述就是： Basically Available, Soft-state, Eventually consistent ，所以簡稱就是 BASE。
最終一致性方案的解決方案有很多，比如paxos,raft，TCC以及消息通知，本文下面介紹一下消息通知方案。
藉助消息通知實現最終一致性方案
藉助消息通知，可以協調具體事務涉及到的多個分佈式服務，最終完成業務場景邏輯。
消息通知方案也有細分：
藉助Kafka使用本地事務：分佈式服務系統有一個共用的消息表，通過它來協調監控服務雙方的業務執行狀況，最終異步確保。
藉助MQ消息事務模式：具體實現由兩種方式，如圖所示。
方式一
方式二
閱讀更多 Java開發之路 的文章
