分布式事务的难点：
事务的原子性：现在事务操作的不是一个数据库，而是多个数据库，现在事务所操作的是跨不同的节点，当多个节点操作失败的时候，多个节点要保证事务操作的原子性。
All OR Nothing:要么就不做，要做就做全套。
事务的一致性：当网络传输发生故障或者节点通信断开，在进行事务操作的时候如何去保障事务的一致性。
事务的隔离性：在多个事务并发的情况下，有可能出现部分数据提交，部分数据未提交，如果没有控制就会出现脏数据。“不合理的数据”。
分布式系统的一致性：
CAP理论：C：一致性，A：可用性，P：分区容错。
1、分区容错就是允许网络通信断开，但是节点没挂掉的时候仍是可以访问的。一般在整个分布式系统当中就两种组合。p是不可少的，要么AP,要么PC。
2、因为网络的不可抗因素引发的网络分区的问题，为了解决这个问题必须带有P，一定会有分区容错处理，这也是数据一致性的保障。如果由于网络抖动的原因，没有断开的话，会把这个节点给丢弃掉，因为是从不是主。允许分区的容错：在一个网段/网络当中，有两个节点，他们是连通的，有可能是master-slave的节点。
AP的结构：
在上面节点已经把none的结果改为Ok了，而节点s2的结果还是none的情况。由于网络出现了分区主节点和从节点的网络连通已经断开了，断开之后，这两台就无法通信了。主节点的数据不能同步到从节点上，现在是AP的结构，允许是可用的。这里为了保障分区容错。这时客户端去读取节点S2的数据，这时是AP理论，为了保证可用性，这时读的数据是none。这时就出现了数据的不一致性。保证了AP,导致了数据的不一致性问题。
CP结构(一致性+分区容错)：
当客户端连接s2节点上去的时候发现S2和主机通信是断开的，发现系统存在了一个故障。也就是OK不能同步到S2上去。这时如果是CP理论这时就不会读到数据。这时告诉客户端一个error，系统出现问题。为了保证 数据的一致性，所以说这里不会让读，如果让读的话就不会保证数据的一致性，所以拒绝去读，既然拒绝去读了。这时可用性不存在了。
BASE理论
base理论是CAP理论的扩展。
1、基本可用：分布式系统出现故障时，允许损失部分可用性，保证核心的业务可用。这个系统其他的不可用的可以忽略，是可以容忍的。比如在登录的功能相对注册的功能更为核心，注册不了，最多是影响 一部分，但是允许注册但是登录不了系统，导致系统的影响更大。
2、软状态：允许系统存在中间的状态(CAP理论数据不一致的问题)。中间的状态不会影响整体系统整体的可用性。
3、最终一致性：可能由于网络抖动导致一小段时间不一致，系统所有数据的副本经过一定时间后最终能达到一致的状态，比如下完订单以后，不可能马上看到订单的成交，可能中间会有一个状态，但是最终的结果只要下了订单最终都会有一个一致性，如果有成功了就会有订单的信息，如果失败的话就会撤销一系列的操作。
比如这里用到了消息中间件，可能我这里下完订单要减库存。但是不会去直接的去减，而是在队列中发送一个消息，消息中间件让库存的一方接收到消息，然后去消费这个消息，将处理后的结果反馈出来然后去更新库存的状态。这期间可能会有数据不一致的，有可能库存减完了，但是订单还会生成。但是一旦库存出现已更新，这时就可以拿到真证的订单信息了。
