1. 分布式事务介绍
对一个数据库进行操作。但是当业务越来越复杂，数据量越来越大的时候，将会进行分库分表。特别是在微服务的场景下，每个服务都有自己的数据库。之前的单体事务无法处理跨库事务，这需要分布式事务来处理。
2. 分布式事务的重要性
案例流程演示
==画图介绍==
1）上图为下订单的一个流程，下订单成功后，从账户扣余额，从库存扣除商品数量
2）模拟在下单后，从账户扣除余额，但是在到减除库存时由于某种原因抛出异常
3）订单创建成功，账户余额扣除成功，但是库存回滚了没有扣除成功，发现管理==单体事务==的 @Transactional 在当前分布式事务中场景下并没有生效。没有让各个操作一起完成或一起失败。
==所以分布式事务很重要==
3. 分布式事务的 CAP 定理
CAP 原则又称 CAP 定理，又被称为布鲁尔定理（Brewer’s theorem），指的是在一个分布式系统中，不可能同时满足以下三点：
一致性（Consistency）
在分布式系统中的所有数据备份，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数据副本）
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。（对数据更新具备高可用性）
分区容错性（Partition tolerance）
大多数分布式系统都分布在多个子网络。每个子网络就叫做一个区（partition）。 分区容错的意思是，区间通信可能失败。比如，一台服务器放在中国，另一台服务 器放在美国，这就是两个区，它们之间可能无法通信。
一般来说，分区容错无法避免，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。
==为什么P是总成立的呢？ 又为什么C 和 A 无法同时做到呢？==
- 假设你公司有两个数据中心，北京一个，纽约一个，这个就是P，它是总成立的；
- 满足了C（一致性），就没法保证A（可用性），假如 北京 和 纽约网络出现了异常，数据不能同步了，那为了保证我的数据一致性，我必须停掉我一个中心对外提供服务，那就是要牺牲掉我一个中心的可用性了。
- 同样的道理，如果出现了第2点的情况，我要保障我的A（可用性）那必然数据是C(不一致)的。
补充知识：
现在大部分公司都要求服务可用性达到 99.9999%好多9啊，那必然要舍弃了C（一致性）了。为了在C（一致性）和A（可用性）之间做==权衡==，就诞生了BASE理论。
