在分布式系統中著有 CAP 理論，該理論由加州大學伯克利分校的 Eric Brewer 教授提出，闡述了在一個分布式系統中不可能同時滿足 一致性（Consistency）、可用性（Availability），以及 分區容錯性（Partition tolerance）。
- C：一致性
在分布式系統中數據往往存在多個副本，一致性描述的是這些副本中的數據在內容和組織上的一致。
- A：可用性
可用性描述了系統對用戶的服務能力，所謂可用是指在用戶容忍的時間范圍內返回用戶期望的結果。
- P：分區容錯性
分布式系統通常由多個節點構成，由於網絡是不可靠的，所以存在分布式集群中的節點因為網絡通信故障導致被孤立成一個個小集群的可能性，即網絡分區，分區容錯性要求在出現網絡分區時系統仍然能夠對外提供一致性的可用服務。
對於一個分布式系統而言，我們要始終假設網絡是不可靠的，因此分區容錯性是對一個分布式系統最基本的要求，我們的切入點更多的是嘗試在可用性和一致性之間尋找一個平衡點，但這也並非要求我們在系統設計時一直建立在網絡出現分區的場景之上，然后對一致性和可用性在選擇時非此即彼。實際上 Eric Brewer 在 2012 年就曾指出 CAP 理論證明不能同時滿足一致性、可用性，以及分區容錯性的觀點在實際系統設計指導上存在一定的誤導性。傳統對於 CAP 理論的理解認為在設計分布式系統時必須滿足 P，然后在 C 和 A 之間進行取舍，這是片面的，實際中網絡出現分區的可能性還是比較小的，尤其是目前網絡環境正在變得越來越好，甚至許多系統都擁有專線支持，所以在網絡未出現分區時，還是應該兼顧 A 和 C；另外就是對於一致性、可用性，以及分區容錯性三者在度量上也應該有一個評定范圍，最簡單的以可用性來說，當有多少占比請求出現響應超時才可以被認為是不滿足可用性，而不是一出現超時就認為是不可用的；最后我們需要考慮的一點就是分布式系統一般都是一個比較大且復雜的系統，我們應該從更小的粒度上對各個子系統進行評估和設計，而不是簡單的從整體上認為需要滿足 P，而在 A 和 C 之間做取舍，一些子系統可能需要盡可能同時滿足三者。
讓分布式集群始終對外提供可用的一致性服務一直是富有挑戰和趣味的一項任務。暫且拋開可用性，拿一致性來說，對於關系型數據庫我們通常利用事務來保證數據的強一致性，當我們的數據量越來越大，大到單庫已經無法承擔時，我們不得不采取分庫分表的策略對數據庫實現水平拆分，構建分布式數據庫集群，這樣可以將一個數據庫的壓力分攤到多個數據庫，極大的提升了數據庫的存儲和響應能力，但是拆分之后也為我們使用數據庫帶來了許多的限制，比如主鍵的全局唯一、聯表查詢、數據聚合等等，另外一個相當棘手的問題就是數據庫的事務由原先的單庫事務變成了現在的分布式事務。
分布式事務的實現並不是很難，比如下文要展開的兩階段提交（2PC：Two-Phrase Commit）和三階段提交（3PC：Three-Phrase Commit）都給我們提供了思路，但是如果要保證數據的強一致性，並要求對外提供可用的服務，就變成了一個幾乎不可能的任務（至少目前是），因此很多分布式系統對於數據強一致性都敬而遠之。
兩階段提交協議（2PC：Two-Phrase Commit）
兩階段提交協議的目標在於在分布式系統中保證數據的一致性，許多分布式系統采用該協議提供對分布式事務的支持（提供但不一定有人用，呵呵~）。顧名思義，該協議將一個分布式的事務過程拆分成兩個階段：投票階段和事務提交階段。為了讓整個數據庫集群能夠正常的運行，該協議指定了一個“協調者”單點，用於協調整個數據庫集群的運行，為了簡化描述，我們將數據庫里面的各個節點稱為“參與者”，三階段提交協議中同樣包含“協調者”和“參與者”這兩個定義。
第一階段：投票階段
該階段的主要目的在於打探數據庫集群中的各個參與者是否能夠正常的執行事務，具體步驟如下：
- 協調者向所有的參與者發送事務執行請求，並等待參與者反饋事務執行結果。
- 事務參與者收到請求之后，執行事務，但不提交，並記錄事務日志。
- 參與者將自己事務執行情況反饋給協調者，同時阻塞等待協調者的后續指令。
第二階段：事務提交階段
在第一階段協調者的詢盤之后，各個參與者會回復自己事務的執行情況，這時候存在三種可能：
- 所有的參與者回復能夠正常執行事務
- 一個或多個參與者回復事務執行失敗
- 協調者等待超時。
對於第一種情況，協調者將向所有的參與者發出提交事務的通知，具體步驟如下：
- 協調者向各個參與者發送commit通知，請求提交事務。
- 參與者收到事務提交通知之后，執行commit操作，然后釋放占有的資源。
- 參與者向協調者返回事務commit結果信息。
對於第二、三種情況，協調者均認為參與者無法正常成功執行事務，為了整個集群數據的一致性，所以要向各個參與者發送事務回滾通知，具體步驟如下：
- 協調者向各個參與者發送事務rollback通知，請求回滾事務。
- 參與者收到事務回滾通知之后，執行rollback操作，然后釋放占有的資源。
- 參與者向協調者返回事務rollback結果信息。
兩階段提交協議解決的是分布式數據庫數據強一致性問題，其原理簡單，易於實現，但是缺點也是顯而易見的，主要缺點如下：
- 單點問題
協調者在整個兩階段提交過程中扮演着舉足輕重的作用，一旦協調者所在服務器宕機，那么就會影響整個數據庫集群的正常運行，比如在第二階段中，如果協調者因為故障不能正常發送事務提交或回滾通知，那么參與者們將一直處於阻塞狀態，整個數據庫集群將無法提供服務。
- 同步阻塞
兩階段提交執行過程中，所有的參與者都需要聽從協調者的統一調度，期間處於阻塞狀態而不能從事其他操作，這樣效率及其低下。
- 數據不一致性
兩階段提交協議雖然為分布式數據強一致性所設計，但仍然存在數據不一致性的可能，比如在第二階段中，假設協調者發出了事務commit的通知，但是因為網絡問題該通知僅被一部分參與者所收到並執行了commit操作，其余的參與者則因為沒有收到通知一直處於阻塞狀態，這時候就產生了數據的不一致性。
三階段提交協議（2PC：Three-Phrase Commit）
針對兩階段提交存在的問題，三階段提交協議通過引入一個“預詢盤”階段，以及超時策略來減少整個集群的阻塞時間，提升系統性能。三階段提交的三個階段分別為：can_commit，pre_commit，do_commit。
第一階段：can_commit
該階段協調者會去詢問各個參與者是否能夠正常執行事務，參與者根據自身情況回復一個預估值，相對於真正的執行事務，這個過程是輕量的，具體步驟如下：
- 協調者向各個參與者發送事務詢問通知，詢問是否可以執行事務操作，並等待回復
- 各個參與者依據自身狀況回復一個預估值，如果預估自己能夠正常執行事務就返回確定信息，並進入預備狀態，否則返回否定信息
第二階段：pre_commit
本階段協調者會根據第一階段的詢盤結果采取相應操作，詢盤結果主要有三種：
- 所有的參與者都返回確定信息
- 一個或多個參與者返回否定信息
- 協調者等待超時
針對第一種情況，協調者會向所有參與者發送事務執行請求，具體步驟如下：
- 協調者向所有的事務參與者發送事務執行通知
- 參與者收到通知后，執行事務，但不提交
- 參與者將事務執行情況返回給客戶端
在上面的步驟中，如果參與者等待超時，則會中斷事務。 針對第二、三種情況，協調者認為事務無法正常執行，於是向各個參與者發出abort通知，請求退出預備狀態，具體步驟如下：
- 協調者向所有事務參與者發送abort通知
- 參與者收到通知后，中斷事務
第三階段：do_commit
如果第二階段事務未中斷，那么本階段協調者將會依據事務執行返回的結果來決定提交或回滾事務，分為三種情況：
- 所有的參與者都能正常執行事務
- 一個或多個參與者執行事務失敗
- 協調者等待超時
針對第一種情況，協調者向各個參與者發起事務提交請求，具體步驟如下：
- 協調者向所有參與者發送事務commit通知
- 所有參與者在收到通知之后執行commit操作，並釋放占有的資源
- 參與者向協調者反饋事務提交結果
針對第二、三種情況，協調者認為事務無法正常執行，於是向各個參與者發送事務回滾請求，具體步驟如下：
- 協調者向所有參與者發送事務rollback通知
- 所有參與者在收到通知之后執行rollback操作，並釋放占有的資源
- 參與者向協調者反饋事務提交結果
在本階段如果因為協調者或網絡問題，導致參與者遲遲不能收到來自協調者的commit或rollback請求，那么參與者將不會如兩階段提交中那樣陷入阻塞，而是等待超時后繼續commit。相對於兩階段提交雖然降低了同步阻塞，但仍然無法避免數據的不一致性。
在分布式數據庫中，如果期望達到數據的強一致性，那么服務基本沒有可用性可言，這也是為什么許多分布式數據庫提供了跨庫事務，但也只是個擺設的原因，在實際應用中我們更多追求的是數據的弱一致性或最終一致性，為了強一致性而丟棄可用性是不可取的。
來源：https://my.oschina.net/wangzhenchao/blog/736909
歡迎關注公眾號 【碼農開花】一起學習成長
我會一直分享Java干貨，也會分享免費的學習資料課程和面試寶典
回復：【計算機】【設計模式】【面試】有驚喜哦