一、基礎理論
目前關於事務的幾大理論包括：ACID事務特性，CAP分佈式理論，以及BASE等。ACID在數據庫事務中體現，CAP和BASE則是分佈式事務的理論，結合業務系統，例如訂單管理，例如倉儲管理等，可以借鑑這些理論，從而解決問題。
1、ACID 特性
2、CAP特性
- C（一致性）一致性是指數據的原子性，在經典的數據庫中通過事務來保障，事務完成時，無論成功或回滾，數據都會處於一致的狀態，在分佈式環境下，一致性是指多個節點數據是否一致；
- A（可用性）服務一直保持可用的狀態，當用戶發出一個請求，服務能在一定的時間內返回結果；
- P（分區容忍性）在分佈式應用中，可能因爲一些分佈式的原因導致系統無法運轉，好的分區容忍性，使應用雖然是一個分佈式系統，但是好像一個可以正常運轉的整體
3、BASE特性
- BA: Basic Availability 基本業務可用性；
- S: Soft state 柔性狀態；
- E: Eventual consistency 最終一致性；
二、最終一致性的常用做法
1、單數據庫事務
如果應用系統是單一的數據庫，那麼這個很好保證，利用數據庫的事務特性來滿足事務的一致性，這時候的一致性是強一致性的。對於java應用系統來講，很少直接通過事務的start和commit以及rollback來硬編碼，大多通過spring的事務模板或者聲明式事務來保證；
2、多數據庫事務
針對多數據庫事務可以根據二階段提交協議，採用spring 3.0 + Atomikos + JTA進行支持；
3、基於事務型消息隊列的最終一致性
藉助消息隊列，在處理業務邏輯的地方發送消息，業務邏輯處理成功後，提交消息，確保消息是發送成功的，之後消息隊列投遞來進行處理，如果成功，則結束，如果沒有成功，則重試，直到成功，不過僅僅適用業務邏輯中，第一階段成功，第二階段必須成功的場景。對應上圖中的C流程。
4、基於消息隊列+定時補償機制的最終一致性
前面部分和上面基於事務型消息的隊列，不同的是，第二階段重試的地方，不再是消息中間件自身的重試邏輯了，而是單獨的補償任務機制。其實在大多數的邏輯中，第二階段失敗的概率比較小，所以單獨獨立補償任務表出來，可以更加清晰，能夠比較明確的直到當前多少任務是失敗的。對應上圖的E流程。
5、異步回調機制的引入
A應用調用B，在同步調用的返回結果中，B返回成功給到A，一般情況下，這時候就結束了，其實在99.99%的情況是沒問題的，但是有時候爲了確保100%，記住最起碼在系統設計中100%，這時候B系統再回調A一下，告訴A，你調用我的邏輯，確實成功了。其實這個邏輯，非常類似TCP協議中的三次握手。上圖中的B流程。
6、類似double check機制的確認機制
還是上圖中異步回調的過程，A在同步調用B，B返回成功了。這次調用結束了，但是A爲了確保，在過一段時間，這個時間可以是幾秒，也可以是每天定時處理，再調用B一次，查詢一下之前的那次調用是否成功。例如A調用B更新訂單狀態，這時候成功了，延遲幾秒後，A查詢B，確認一下狀態是否是自己剛剛期望的。上圖中的D流程。
三、分佈式事務的缺點
1、二階段提交協議缺點
兩階段提交涉及到多個節點的網絡通信,通信時間如果過長,事務的相對時間也就會過長,那麼鎖定資源的時間也就長了.在高併發的服務中,就會存在嚴重的性能瓶勁
2、消息隊列
在高併發的環境中，我們一般會採用消息隊列來避免分佈式事務的執行。
在使用消息隊列時，我們需要做到可靠憑證的保存（分佈式事務的消息），有如下幾種方式：
以支付寶和餘額寶爲例進行說明.
支付寶完成扣錢的動作時,記錄消息數據,將消息數據和業務數據存在同一個數據庫實例中.
Begin Transaction update A set amount=amount-1000 where uid=100; insert into message(uid,amount,status) values (1,1000,1) End Transaction Commit;
將支付寶完成扣錢的消息及時發送給餘額寶，餘額寶完成處理後返回成功消息，支付寶收到消息後，消除消息表中對應的消息記錄，即完成本次扣錢操作.
傳統方式是，我做完了，發你消息。解決一致性的方案的意思就是，我先發你消息，我做完了再跟你確認我做完了。這是改進後的有事務的消息中間件。