1. 分布式事务基础：ACID理论、CAP定理、BASE理论、分布式事务核心挑战
1.1 ACID 理论：单机事务的黄金标准
ACID 是数据库事务正确执行的四个基本要素的缩写，由 原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation） 和 持久性（Durability） 组成。在单机关系型数据库中，ACID 保证了事务的可靠执行。
| 特性 | 定义 | 典型实现 |
|---|---|---|
| 原子性 | 事务中的所有操作要么全部成功，要么全部失败回滚，不存在中间状态。 | Undo Log / Redo Log |
| 一致性 | 事务执行前后，数据库必须从一个一致性状态转换到另一个一致性状态。 | 约束检查、触发器 |
| 隔离性 | 并发执行的事务之间互不干扰，每个事务都感觉不到其他事务的存在。 | MVCC、锁机制 |
| 持久性 | 一旦事务提交，其结果就是永久性的，即使系统崩溃也不会丢失。 | WAL（Write-Ahead Logging） |
压测视角： 在分布式事务压测中，ACID 是衡量事务正确性的基准。如果压测过程中出现数据不一致或部分提交，说明分布式事务协调机制存在故障。
1.2 CAP 定理：分布式系统的“不可能三角”
CAP 定理由 Eric Brewer 在 2000 年提出，指出分布式系统最多只能同时满足以下三个特性中的两个：
- C（Consistency，一致性）：所有节点在同一时刻看到的数据是一致的。
- A（Availability，可用性）：每个请求都能获得一个非错误的响应，但不保证响应包含最新数据。
- P（Partition Tolerance，分区容错性）：系统在遇到网络分区（节点间通信中断）时仍能正常运行。
核心权衡： 在分布式系统中，网络分区是不可避免的，因此 P 是必选项。实际设计时需要在 CP（强一致）和 AP（高可用）之间做出选择。
1.3 BASE 理论：分布式事务的实践妥协
BASE 理论是 CAP 定理在工程实践中的延伸，它放弃了强一致性，追求最终一致性，是构建大规模分布式系统的理论基础。
| 要素 | 含义 | 与 ACID 对比 |
|---|---|---|
| BA（Basically Available） | 基本可用：系统允许出现部分功能降级，但核心功能保持可用。 | 弱化可用性要求 |
| S（Soft State） | 软状态：允许系统存在中间状态，不要求时刻一致。 | 弱化一致性要求 |
| E（Eventually Consistent） | 最终一致性：经过一段时间后，所有副本最终会达到一致状态。 | 弱化持久性要求 |
压测陷阱： 在 BASE 理论指导下设计的分布式事务，压测时可能出现短暂的数据不一致。故障定位时需要区分“预期内的最终不一致”和“真正的故障”。
1.4 分布式事务核心挑战
在分布式系统中实现事务，面临以下四大核心挑战：
- 网络不确定性：网络延迟、丢包、分区导致节点间通信不可靠，事务协调者无法准确判断参与者状态。
- 节点故障：任意节点可能随时宕机，事务协调者需要具备故障恢复和超时处理能力。
- 数据一致性：多个节点上的数据副本需要保持同步，任何写入失败都可能导致全局不一致。
- 性能开销：分布式事务的协调、日志、锁机制会引入额外的网络开销和延迟，影响系统吞吐量。
1.5 分布式事务与 gRPC 的关联
gRPC 作为高性能 RPC 框架，在分布式事务中扮演着 通信载体 的角色。其核心特性与分布式事务的挑战直接相关：
- 双向流：支持事务协调者与参与者之间的实时状态交换。
- 超时与重试：应对网络不确定性，实现事务超时回滚。
- 拦截器：可在 RPC 调用链中注入事务上下文（如 XID 传播）。
- 负载均衡：影响事务参与者的分布和故障转移策略。