〇、 ACID
ACID是计算机领域一个耳熟能详的术语，讲的是事务的四大特性：原子性（Atomicity），一致性（Consistency），隔离性（Isolation），持久性（Durability）。
1. 原子性
指一个事务要么全部成功，要么全部失败，不允许出现中间状态。
2. 一致性
指多个事务并发的情景下，系统必须如同串行执行所有的事务一样，不管并发的过程中具体如何调度，最终的结果都应该符合逻辑预期的结果，这个逻辑预期的结果等于串行执行所有事务的结果。
3. 隔离性
多个事务并发的环境中，每个事务在执行的生命周期里面，都好像是在独占系统运行，不用的事务之间不会感知到彼此的存在，这种感知指的是数据的变化，即对于每个事务操作的数据，都不会受其他事务操作的影响。
4. 持久性
指事务执行完后，该事务对数据的更改便持久存储在数据库中，不会被回滚。
二、 事务隔离级别
标准SQL规范中，定义了4个事务隔离级别：Read Uncommitted、Read Committed、Repeatable Read、Serializable，隔离级别严格性从低到高。
说道隔离界别，那就先说说脏读、不可重复读、幻读。
1. 脏读
有两个事务：A和B。有数据n=500。
- 事务B开启事务并Write——n=300
- 事务A开启事务并Read——n=300
- 事务B Commit or Rollback
这时候A读到的n=300就是脏读，应为事务B还没有提交，A读到了B还没有提交的数据，这个数据可能被B回滚了，所以可能是一个无效数据，也可能是一个中间数据。
2. 不可重复读
有两个事务：A和B。有数据n=500。
- 事务A开启事务并Read——n=500
- 事务B开启事务并Write——n=300
- 事务B Commit
- 事务ARead——n=300
A在自己的事务周期中连续读了两次n，第一次读取的是500，第二次读取的是300。
注意，不可重复读和脏读的区别在于事务B是否提交，如果B在A第二次读取的时候已经提交了修改，那就是不可重复读，脏读更侧重与读到其他事务还没有提交的数据。
3. 幻读
有两个事务：A和B。有数据n0=100，n1=200。
- 事务A开启并ReadAll——n0=100，n1=200
- 事务B开启并Write—–n0=100，n1=200，n2=300
- 事务B Commit
- 事务A ReadAll——n0=100，n1=200，n2=300
A两次查询得到了新插入的数据，而旧的数据没有被改变。
不同的隔离级别解决了不同的问题：
| 隔离级别 | 脏读 | 不可重复读 | 幻读 |
|---|---|---|---|
| Read Uncommitted | √ | √ | √ |
| Read Committed | × | √ | √ |
| Repeatable Read | × | × | √ |
| Serializable | × | × | × |
二、 CAP理论
CAP同样指的是三个字母：一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance），CAP理论指的是，一个系统中，不可能同时满足这三个条件。注意这里不需要强调是分布式系统，因为分区容错性就隐喻着系统是分布式系统。
分区容错性是分布式系统的基本特性，指当一个节点挂掉的时候，总是有备用的节点顶替故障节点，继续对外提供服务。分区容错性是分布式系统中不可以放弃的条件，放弃了分区容错性就意味着无法保证系统不间断的提供对外的服务。
可用性是指系统需要在限定时间内返回结果，例如在淘宝上添加一个商品到购物车，网站的期待响应时间是300ms，再例如使用HIVE查询海量数据，一条SQL的查询时间应该在分钟级别。这些服务的响应时间都不应该超过用户的心理预期或者逻辑预期，并且需要返回逻辑正确的结果，这就称之为服务可用。
一致性是指对于不同的子节点，任意一个节点对于数据的修改对其他所有节点都是立刻可见的，也就是说，比如在A节点修改了一条数据，那么B节点应该能马上读到这条修改过的数据。
为什么说这三条不能全部同时满足呢？没有严谨的逻辑证明，我只说说我自己的理解。
首先分区容错性是必须存在的，这是分布式系统的基本特性，必须满足。反过来说（反证法），假设不用保证分区容错性，则系统就是单点系统，虽然不存在一致性的问题，但是单点系统有严重的可用性问题，所以可用性依赖于分区容错性的，换句话说，没有分区容错性就不能保证可用性，所以分区容错性无论如何必须满足。对于一致性和可用性，我们期待对一致性的保证不会对可用性造成影响，但这是不可能的。为了严格保证一致性，节点必须暂停服务，去完成和其他节点的数据同步，这个数据同步工作是同步完成的，同步意味着阻塞（并且阻塞时间是不可预期的），阻塞意味着服务不可用，如果异步同步数据，则无法严格保证数据的一致性，因为异步同步的过程依赖于系统调度，同步数据之前完全可能有数据查询请求打过来。
三、BASE理论
如上文说，CAP不可能在一个系统中同时得到保证，但是CAP的每一个条件都是不可以完全放弃的，所以工程师只能在CAP的三个条件中寻找平衡。
分区容错性是没有退路的，所以往往在可用性和一致性之间寻找平衡。这就有了BASE理论。BASE理论指的是：
- Basically Available （基本可用）
- Soft State （软状态）
- Eventually Consistent （最终一致性）
基本可用讲的是分布式系统允许损失部分可用性：
- 响应时间：正常情况下一个请求的响应时间为200ms，但是少数情况下（节点故障恢复、切换故障节点等情况），响应时间达到了1s，这是还是认为系统可用。
- 功能损失：例如在电商网站促销高峰，为了保护系统，将部分用户引导到一个降级页面分流，着也可以看做系统基本可用，虽然没有完全满足用户的预期，但是也及时给予用户一个合理的答复。
软状态是指系统允许存在中间状态，但是不影响最终的结果。例如，两个窗口在出售同一张火车票，现在还剩1张，两个窗口看到的余票都是1张，这是有一个窗口已经卖出了这一张火车票，另一个窗口还没来得及更新数据，这时候旅客看到了余票就去购买，但是最终会购买失败。这就是所谓的可以存在中间状态，但是不影响最终结果。
最终一致指的是数据的状态可以在某些时候不一致，但是最终数据都会达到一直。
这篇算是一个铺垫，之后会介绍2PC算法，3PC算法，Paxos算法等。
如果有什么问题，欢迎指出~
