1、在数据分区的方案中：如果A帐号和B帐号的数据不在同一台服务器上怎么办？我们需要一个跨机器的事务处理。也就是说，如果A的扣钱成功了，但B的加钱不成功，我们还要把A的操作给回滚回去。这在跨机器的情况下，就变得比较复杂了。
2、本地任务表：标准实践成熟的分布式事务解决方案是同步在业务库中创建任务表，通过本地事务同时写入业务表和任务表。定时任务负责监控任务表，根据任务执行相应的业务逻辑。这个方案的关键在于定时任务的稳定性，需要密切监控并确保其高可用性。
3、基于XA协议的：两阶段提交和三阶段提交，需要数据库层面支持基于事务补偿机制的：TCC，基于业务层面实现本地消息表：基于本地数据库+mq，维护本地状态（进行中），通过mq调用服务，完成后响应一条消息回调，将状态改成完成。
4、EJB 优势：可扩展性好，安全性强，支持分布式事务处理。劣势：不能跨语言；配置相对复杂，不同J2EE容器之间很难做无缝迁移。2：rmi 优势：面向对象的远程服务模型；基于TCP协议上的服务，执行速度快。
5、常见的分布式事务解决方案 基于XA协议的两阶段提交 XA是一个分布式事务协议，由Tuxedo提出。XA中大致分为两部分：事务管理器和本地资源管理器。其中本地资源管理器往往由数据库实现，比如Oracle、DB2这些商业数据库都实现了XA接口，而事务管理器作为全局的调度者，负责各个本地资源的提交和回滚。
1、Seata 是一款开源的分布式事务解决方案，致力于提供高性能和简单易用的分布式事务服务。Seata 将为用户提供了 AT、TCC、SAGA 和 XA 事务模式，为用户打造一站式的分布式解决方案。
2、然而，CAP理论并不适用于所有情况，比如在处理数据库事务时，eBay提出了BASE理论。BASE强调基本可用性、软状态和最终一致性，允许在一定程度上牺牲事务的严格ACID特性以换取更高的系统可用性和扩展性。最后，让我们澄清一下集群与分布式的关系。
3、SAGA是一种更为灵活的分布式事务解决方案，通过本地事务和补偿事务的组合，实现事务的原子性。它在执行阶段和补偿阶段的划分，使得在高并发场景中处理分布式一致性问题更具扩展性和容错性。然而，补偿策略的多样性与场景特定性也带来了挑战。
4、深入理解事务，还需要掌握最左前缀匹配原则在MySQL查询优化中的应用，如索引策略、查询优化技术（如潜意识查询和链路追踪）、联合索引、索引下推，以及count（*）问题。
5、数据分片，很多分布式系统尤其是中间件服务，一般都会涉及高并发，数据量大的问题，如redis-cluster、recketmq，以及被大家熟知的Elasticsearch。
1、对于重要的服务，可以单独部署到独立的服务线程池中，与其他非核心服务做隔离，保障核心服务的高效运行。6） 利用Docker等轻量级OS容器部署服务，对服务做物理资源层隔离，避免虚拟化之后导致的超过20%的性能损耗。7） 设置合理的服务调度优先级，并根据线上性能监控数据做实时调整。
2、基于 ゛龙゛果゛学゛院゛开源的微支付系统进行实现，使用Dubbo作为服务化框架，所实现的分布式事务解决方案在Java体系中的微服务架构系统都能通用，与具体的开发框架无关。
3、configuration manager，选择mssqlserver协议，然后右边窗口有个tcp/ip协议，设置ip/all默认端口为1433，然后启动它，重启sqlserver服务。
第一种方案：可靠消息最终一致性，需要业务系统结合MQ消息中间件实现，在实现过程中需要保证消息的成功发送及成功消费。即需要通过业务系统控制MQ的消息状态 第二种方案：TCC补偿性，分为三个阶段TRYING-CONFIRMING-CANCELING。每个阶段做不同的处理。
基于 ゛龙゛果゛学゛院゛开源的微支付系统进行实现，使用Dubbo作为服务化框架，所实现的分布式事务解决方案在Java体系中的微服务架构系统都能通用，与具体的开发框架无关。
前者问题可以通过重试解决；后者可以选用事务消息来保证。 所以目前只剩下需要实时同步做、有强一致性要求的业务场景了。在交易创建过程中，锁券和扣减库存是这样的两个典型场景。 要保证多个系统间数据一致，乍一看，必须要引入分布式事务框架才能解决。
尽管每个模式都有其适用场景，2PC协议（Prepare和Commit阶段）是目前主流的选择，它通过预提交和最终提交的两阶段操作，确保了事务的可靠性和完整性。在实践中，你需要根据业务需求和系统特性，灵活选择合适的分布式事务处理方法。总的来说，SpringCloud为微服务架构下的分布式事务提供了强大的工具和策略。
TCC补偿性事务解决方案 最大努力通知型方案第一种方案：可靠消息最终一致性，需要业务系统结合MQ消息中间件实现，在实现过程中需要保证消息的成功发送及成功消费。即需要通过业务系统控制MQ的消息状态 第二种方案：TCC补偿性，分为三个阶段TRYING-CONFIRMING-CANCELING。每个阶段做不同的处理。
考虑到微服务分布式的场景，这里通过使用Redisson分布式锁+自定义注解+AOP的方式来实现后台防止重复请求的功能，基本实现思路：通过在需要防重的接口添加自定义防重注解，设置防重参数，通过AOP拦截请求参数，根据注解配置，生成分布式锁的Key，并设置有效时间。
监控与配置管理：实时洞察与调整 微服务架构中，监控子节点状态和配置管理至关重要，确保系统的稳定性和灵活性。 应对挑战：分布式事务与调用 面对微服务下的事务一致性问题，采用业务补偿和冲正策略，如可靠事件模式和补偿模式（TCC）等，提供解决方案。
利用Spring Cloud构建起自我修复型分布式系统：Spring Cloud Config Server Spring Cloud Config Server能够提供一项具备横向扩展能力的集中式配置服务。它所使用的数据被保存在一套可插拔库层当中，后者目前能够支持本地存储、Git以及Subversion。
SpringCloud是基于SpringBoot的一整套实现微服务的框架。他提供了微服务开发所需的配置管理、服务发现、断路器、智能路由、微代理、控制总线、全局锁、决策竞选、分布式会话和集群状态管理等组件。SpringCloud与SpringBootSpringBoot可以说是微服务架构的核心技术之一。