跨地域分布式事务一致性

20/25跨地域分布式事务一致性第一部分分布式事务概念与挑战 2第二部分两阶段提交协议（2PC） 4第三部分三阶段提交协议（3PC） 7第四部分Paxos算法 10第五部分Raft算法 13第六部分可靠多播协议 16第七部分Saga模式 18第八部分基于事件驱动的事务模型 20

第一部分分布式事务概念与挑战关键词关键要点分布式事务的概念

1.定义：分布式事务是指在一个分布式系统中，多个参与者跨越网络边界协调地执行一组操作，保证这些操作要么全部成功，要么全部失败。

2.特点：分布式事务具有ACID（原子性、一致性、隔离性、持久性）特性，确保数据的一致性和完整性。

3.应用场景：分布式事务广泛应用于电子商务、金融、供应链管理等领域，需要跨多个数据库或服务进行数据更新和处理的场景。

分布式事务的挑战

1.网络故障：分布式系统中不可避免的网络故障可能导致参与者之间无法通信，从而中断事务处理。

2.节点故障：参与事务的节点可能发生故障，导致事务无法完成或数据丢失。

3.并发冲突：当多个事务同时访问同一数据时，可能会发生并发冲突，导致数据不一致或死锁。

4.性能瓶颈：分布式事务涉及跨网络的通信，可能会对性能造成影响。

5.复杂性：设计和实现分布式事务需要考虑多种因素，包括故障处理、并发控制和网络延迟，增加了系统的复杂性。分布式事务概念与挑战

概念

分布式事务是一种跨越多个分布式系统或资源的原子操作，要求所有参与的操作要么全部成功完成，要么全部失败回滚。

挑战

分布式事务面临着以下挑战：

*原子性：保证所有操作要么全部成功，要么全部失败。

*一致性：确保所有参与者对事务结果达成一致的视图。

*隔离性：防止并发事务互相干扰。

*持久性：一旦事务完成，其结果必须是持久化的，即使发生故障。

技术解决方案

为了应对这些挑战，开发了各种技术解决方案，包括：

两阶段提交（2PC）协议：一种协调参与者与参与资源之间提交或回滚事务的协议。

三阶段提交（3PC）协议：一种针对2PC协议的改进，增加了准备阶段，以提高效率。

原子提交协议：一种多主系统中使用的协议，确保在所有副本上同时提交事务。

可伸缩一致性协议：一种允许在某些情况下放宽一致性要求的协议，以提高可伸缩性。

分库分表方案：一种将大型数据库划分为多个较小分片的技术，以提高性能和并发性。

分布式锁：一种协调对共享资源的访问的技术，以防止并发冲突。

分布式事务协调器：一种管理分布式事务协调过程的中间件。

CAP定理：一个分布式系统设计准则，指出系统不可能同时满足一致性、可用性和分区容忍性三个特性。

ACID原则：一个分布式事务模型，定义了事务必须满足的原子性、一致性、隔离性和持久性特性。

其他挑战

除了技术挑战外，分布式事务还面临着以下挑战：

*网络分区：网络故障可能会将参与者隔离，导致数据不一致。

*节点故障：参与节点的故障可能会导致事务处理失败或挂起。

*并发控制：管理并发事务之间的冲突至关重要，以保持数据完整性。

*性能开销：协调分布式事务会引入额外的性能开销，可能会影响系统的吞吐量。

重要性

分布式事务在现代分布式系统中至关重要，因为它允许对跨越多个系统或资源的数据执行原子操作。这对于确保数据一致性、防止数据丢失和维护业务逻辑的完整性至关重要。第二部分两阶段提交协议（2PC）关键词关键要点两阶段提交协议（2PC）

1.确保分布式事务中所有参与者要么全部成功提交更新，要么全部回滚更新。

2.分为两个阶段：准备阶段和提交阶段。在准备阶段，协调者收集所有参与者的投票，在提交阶段，协调者根据投票结果提交或回滚事务。

3.易于理解和实现，但存在一些固有的缺点，如单点故障和性能瓶颈。

分布式锁

1.用于防止并发事务同时访问和修改共用资源。

2.通过确保只有一个事务在特定时间点持有锁，从而防止数据不一致和竞争。

3.可以使用多种机制实现，例如数据库级锁、分布式缓存锁或Paxos算法。两阶段提交协议（2PC）

引言

两阶段提交协议(2PC)是一个分布式事务协议，用于确保跨多个参与者的事务一致性。它由两阶段组成：准备阶段和提交阶段。

准备阶段

1.协调者选择：分布式系统中的一个节点被选为协调者，负责管理事务。

2.投票请求：协调者向所有参与者发送准备投票请求，询问他们是否可以提交事务。

3.准备投票：参与者检查本地资源，并向协调者返回准备投票。准备投票表示参与者已准备就绪，可以提交事务。

4.准备阶段提交：如果所有参与者都返回准备投票，则协调者向参与者发送准备阶段提交消息。这意味着参与者应该准备好提交事务。

提交阶段

1.提交请求：如果准备阶段成功，协调者向参与者发送提交请求。

2.提交操作：参与者收到提交请求后，执行本地事务并提交更改。

3.提交阶段提交：参与者向协调者发送提交阶段提交消息，表示事务已提交。

4.事务完成：如果所有参与者都发送提交阶段提交消息，则协调者将事务标记为已完成。

优点

*保证事务一致性：2PC确保要么所有参与者都提交事务，要么所有参与者都回滚事务，从而保持数据一致性。

*即使在发生故障时也能保证一致性：即使某些参与者在准备阶段或提交阶段发生故障，2PC也会通过回滚未完成的提交来保证一致性。

*适用于异构系统：2PC可以跨不同的数据库系统和操作系统使用，因为它是一个通用协议。

缺点

*阻塞：2PC协议是阻塞的，这意味着在事务完成之前，参与者无法执行其他事务。

*单点故障：协调者是2PC中的单点故障，如果协调者发生故障，事务可能会被阻塞或失败。

*复杂性：2PC协议的实现可能很复杂，特别是对于具有大量参与者的事务。

其他注意事项

*超时：协调者和参与者通常使用超时机制来处理故障。

*补偿事务：在某些情况下，可能需要在事务失败后执行补偿事务，以将系统恢复到一致状态。

*幂等操作：参与者应该执行幂等操作，以确保在故障情况下不会执行重复操作。

结论

两阶段提交协议(2PC)是一个分布式事务协议，用于确保跨多个参与者的事务一致性。它通过采用两阶段过程（准备阶段和提交阶段）来实现这一点。2PC具有保证一致性、即使在发生故障时也能保证一致性以及适用于异构系统的优点。然而，它也有阻塞、单点故障和复杂性等缺点。在设计分布式系统时，应该仔细考虑2PC的优点和缺点。第三部分三阶段提交协议（3PC）关键词关键要点3PC协议概述

1.3PC协议是一种分布式事务一致性协议，用于确保跨多个节点的事务一致性。

2.该协议涉及三个阶段：准备阶段、提交阶段和中止阶段。

3.在准备阶段，协调器从参与者收集是否准备好提交事务的投票。

准备阶段

1.协调器向所有参与者发送一个准备消息。

2.参与者检查本地状态并返回一个准备消息或中止消息。

3.如果所有参与者都准备好，则协调器进入提交阶段；否则，进入中止阶段。

提交阶段

1.协调器向所有参与者发送一个提交消息。

2.参与者执行事务并返回一个提交消息或中止消息。

3.如果所有参与者都成功提交，则协调器向客户端返回一个成功消息；否则，协调器向客户端返回一个中止消息。

中止阶段

1.协调器向所有参与者发送一个中止消息。

2.参与者回滚事务并返回一个中止消息。

3.协调器向客户端返回一个中止消息。

3PC协议的优缺点

1.优点：简单易懂、实现成本低、支持嵌套事务。

2.缺点：存在单点故障风险、性能开销大、阻塞时间长。

3PC协议的演进

1.3PC协议存在一些缺点，因此出现了改进版本，如两阶段提交协议（2PC）。

2.2PC协议通过减少协调器的参与，提高了性能和可靠性。

3.此外，还有一些新的分布式一致性协议，如Paxos和Raft，正在被探索和使用。三阶段提交协议(3PC)

三阶段提交协议(3PC)是一种分布式事务一致性协议，用于协调多个参与者的分布式事务。它旨在确保在所有参与者之间达成共识，要么将事务提交到所有参与者，要么回滚事务。

阶段1：提议阶段

*协调者向所有参与者发送一个事务提议。

*参与者检查提议，确保他们满足所有先决条件，并且能够执行事务。

*参与者向协调者发送准备消息，表示他们已准备好提交事务。

阶段2：准备阶段

*协调者收到所有参与者的准备消息后，它将向每个参与者发送一个预提交请求。

*参与者执行事务而不提交更改。

*参与者向协调者发送已准备好的消息，表示他们已准备提交。

阶段3：提交/回滚阶段

*如果协调者收到所有参与者的已准备好的消息，则它将向每个参与者发送一个提交请求。

*参与者提交事务并释放所有锁和资源。

*如果协调者收到任何恢复消息或超时，它将向所有参与者发送回滚请求。

优势：

*保证在所有参与者之间达到提交或回滚共识。

*故障恢复能力：即使参与者或协调者出现故障，事务也会处于一致状态。

*扩展性：可以扩展到大量参与者。

缺点：

*性能开销：3PC涉及多个通信阶段，这可能会导致延迟增加。

*死锁风险：在某些故障场景中，3PC可能会导致死锁。

*不支持部分提交：3PC是一项全有或全无协议，它不支持事务的某些部分提交。

流程图：


示例：

考虑一个分布式银行转账系统，涉及两个参与者：

*发起银行

*接收银行

要完成转账，两个银行必须执行以下操作：

1.发起银行从发送者账户中扣除资金。

2.接收银行将资金记入接收者账户。

使用3PC，流程如下：

提议阶段：

*协调者（银行间消息系统）向两个银行发送转账提议。

准备阶段：

*两个银行检查他们的账户余额，确保他们有足够的资金来执行转账。

*两个银行向协调者发送准备消息。

提交/回滚阶段：

*协调者向两个银行发送提交请求。

*两个银行提交事务，从发送者账户扣款并向接收者账户记账。

如果任何银行在准备阶段报告问题，协调者将向两个银行发送回滚请求。

故障处理：

如果在执行期间协调者或任何参与者出现故障，3PC将进入故障恢复模式。协调者将尝试与参与者通信并确定事务的状态。如果协调者无法通信，则其他参与者将启动恢复协议以确定事务的状态。第四部分Paxos算法关键词关键要点【共识阶段】：

1.提案者向所有副本发送提案请求，包含提案号和提案内容。

2.副本收到提案后，对其进行验证，并根据验证结果返回投票或拒绝。

3.提案者收集多数副本的投票，如果达到多数，则提案被接受，进入提交阶段。

【提交阶段】：

Paxos算法

#概述

Paxos算法是一种分布式一致性算法，旨在解决在分布式系统中实现状态机一致性的问题。它由LeslieLamport于1990年提出，并被广泛用于各种分布式系统中，包括GoogleChubby、etcd和ApacheZooKeeper。

#Paxos算法的工作原理

Paxos算法通过达成共识来实现一致性。共识是一个过程，其中一个分布式系统中的所有参与者就一个特定值达成一致。在Paxos算法中，这个值是状态机的当前状态。

Paxos算法使用两种类型的消息：提案和接受。在提案阶段，一个参与者提出一个提案，其中包含要写入状态机的新值。在接受阶段，参与者接受提案，如果它满足某些条件。

Paxos算法的主要步骤如下：

1.准备阶段：提议者向其他参与者发送准备消息。准备消息包含一个唯一的提案编号和一个提议的值。

2.接受阶段：如果一个参与者收到过半数的准备消息，它就会向提议者发送一个接受消息。接受消息表明参与者同意提案的值。

3.学习阶段：提议者收到过半数的接受消息后，它向其他参与者发送一个学习消息。学习消息包含提案的值，并且指示参与者将该值写入其状态机。

#Paxos算法的优缺点

优点：

*保证一致性：Paxos算法保证所有参与者最终对状态机保持一致的视图。

*容错性强：Paxos算法可以容忍参与者故障，只要过半数的参与者仍然可用。

*高效：Paxos算法在实践中非常高效，因为它只需要少数几轮消息通信即可达成共识。

缺点：

*复杂性：Paxos算法是一个相对复杂的算法，实现和调试起来具有挑战性。

*延迟：Paxos算法需要等待过半数的参与者响应，这会引入一些延迟。

*可扩展性：Paxos算法在系统规模较大时可扩展性有限。

#实际应用

Paxos算法已成功应用于各种分布式系统中，包括：

*分布式锁服务：Paxos算法用于实现分布式锁服务，确保只有单个参与者可以同时访问共享资源。

*配置管理系统：Paxos算法用于实现配置管理系统，使参与者能够以协调的方式更改系统的配置。

*分布式数据库：Paxos算法用于实现分布式数据库，保证数据的一致性和可用性。

#延伸阅读

*[PaxosMadeSimple](/pubs/paxos-simple.pdf)

*[PaxosAlgorithm-ExplainedIntuitively](/watch?v=JoG0oS89KVE)

*[DistributedConsensuswithPaxos](/paxos-distributed-consensus/)第五部分Raft算法关键词关键要点Raft算法的基本原理

1.Raft算法是一种强一致性的共识算法，它旨在帮助分布式系统在出现故障时保持数据的一致性。

2.Raft算法将系统中的服务器划分为不同的角色，包括leader、follower和candidate。leader负责协调系统中的操作，follower负责维护系统状态并响应leader的请求，而candidate负责在leader故障时参与leader选举。

3.Raft算法使用心跳机制来保持leader和follower之间的连接，并使用日志复制机制来确保所有服务器上的数据保持一致。

Raft算法的可靠性

1.Raft算法采用心跳机制和选举机制，可以自动检测和处理leader故障，从而提高系统的可靠性。

2.Raft算法使用日志复制机制，确保所有服务器上的数据保持一致，即使发生部分服务器故障，也不会影响数据的完整性。

3.Raft算法支持容错，即使在少数服务器故障的情况下，系统仍然可以正常运行并维护数据一致性。

Raft算法的性能

1.Raft算法是一种高性能的共识算法，它可以处理大量的请求，并保持较低的延迟。

2.Raft算法使用并行化和流水线化技术，可以提高系统的吞吐量和响应速度。

3.Raft算法的性能与系统中的服务器数量和网络状况有关，在优化网络的情况下，Raft算法可以提供非常高的性能。

Raft算法的应用

1.Raft算法广泛应用于分布式系统中，包括分布式数据库、分布式文件系统和分布式锁服务。

2.Raft算法在互联网行业应用广泛，包括Google的Spanner数据库、亚马逊的DynamoDB数据库和etcd分布式协调服务。

3.Raft算法也在物联网（IoT）领域得到应用，用于协调边缘设备的数据一致性。

Raft算法的演进

1.Raft算法自提出以来，不断得到优化和改进，出现了多种变体和扩展，例如Raft+和Multi-Raft。

2.Raft+算法在Raft算法的基础上，引入了多副本机制，提高了系统的可靠性和数据一致性。

3.Multi-Raft算法将Raft算法扩展到多组场景，适用于大型分布式系统。

Raft算法的前沿

1.Raft算法正在朝着更强大的容错性、更高的性能和更广泛的应用领域演进。

2.研究人员正在探索将Raft算法与其他共识算法相结合，以实现更灵活和高效的共识机制。

3.Raft算法在区块链领域也受到关注，作为一种分布式账本的共识算法。Raft算法

Raft算法是一种用于实现分布式系统中一致性的共识算法。它由斯坦福大学的DiegoOngaro和JohnOusterhout于2014年提出。Raft算法旨在提供高可用性、容错性、高性能和易于实现的特点。

Raft算法的工作原理

Raft算法将分布式系统中的节点分为三类角色：

*领导者(Leader)：负责管理集群并处理客户端请求。

*追随者(Follower)：接收领导者的心跳消息并从领导者复制日志。

*候选者(Candidate)：在领导者故障后，候选试图成为领导者。

Raft算法的核心概念是日志复制。每个节点维护一个日志，其中记录了客户端请求的状态转换。为了确保所有节点上的日志保持一致，Raft算法使用以下步骤：

1.领导者选举：当领导者故障时，集群中的一个节点会成为候选者。候选者发送投票请求给其他节点。如果候选者收到大多数节点的选票，则成为领导者。

2.日志复制：领导者接收客户端请求并将其附加到自己的日志中。然后，领导者将日志条目复制给所有追随者。

3.心跳：领导者定期向追随者发送心跳消息。如果追随者长时间未收到心跳消息，则认为领导者已故障并重新触发领导者选举。

Raft算法的特点

*高可用性：Raft算法通过领导者选举机制确保在领导者故障的情况下集群仍能继续运行。

*容错性：Raft算法可以容忍最多50%的节点故障。

*高性能：Raft算法使用投票协议来避免领导者选举时的网络分区，从而提高了性能。

*易于实现：Raft算法的设计简单，易于实现和理解。

Raft算法的优点

*提供强一致性保证。

*可容忍网络分区和节点故障。

*具有高可用性和高性能。

*易于实现和理解。

Raft算法的缺点

*领导者的单点故障可能导致短暂的服务中断。

*在规模较大的系统中，领导者选举过程可能会产生性能开销。

*不支持动态成员变更。

Raft算法的应用

Raft算法广泛应用于分布式数据库、分布式文件系统和高度可用的分布式服务等场景中。例如：

*ApacheCassandra：一个高性能的分布式NoSQL数据库。

*Etcd：一个分布式键值存储系统。

*ZooKeeper：一个分布式协调服务。

*Consul：一个基于Raft算法实现的分布式服务发现和配置系统。

总结

Raft算法是一种流行且有效的分布式系统一致性算法。它提供强一致性保证，并具有高可用性、容错性和高性能等特点。Raft算法易于实现和理解，使其成为构建各种分布式系统的一个强大工具。第六部分可靠多播协议可靠多播协议

在分布式系统中，可靠多播协议是一种网络通信机制，它确保信息从单个源节点可靠且按序传递到一组目的地节点。与单播或广播协议不同，可靠多播协议保证每个目的地节点都会接收到相同且按序的消息副本。

可靠多播协议的特性：

*可靠性：协议确保所有目的地节点最终接收到消息的完整副本。

*有序性：协议保证消息按照发送顺序传递给目的地节点。

*高效性：协议尽可能地高效地传递消息，以最小化网络开销。

可靠多播协议的类型：

可靠多播协议有多种不同的类型，每种协议都有其自身的优势和劣势：

*基于树的协议：这些协议使用树形拓扑结构来路由消息。它们提供了高可靠性和有序性，但可能存在单点故障风险。

*环形协议：这些协议使用环形拓扑结构来路由消息。它们提供了较高的可靠性，但当网络中断时可能会出现消息丢失。

*网格协议：这些协议使用网格拓扑结构来路由消息。它们提供了极高的可靠性，但可能存在网络开销较高的问题。

可靠多播协议在分布式事务中的应用：

在分布式事务中，可靠多播协议用于确保跨多个参与者的一致性。通过使用可靠多播协议，事务协调器可以向所有参与者广播事务请求。当每个参与者收到请求时，他们会对事务进行投票。一旦所有参与者对事务投票一致，协调器就会向参与者发送提交或中止消息。

可靠多播协议在分布式事务中的好处包括：

*强一致性：通过确保所有参与者收到相同的请求和消息，可靠多播协议可以帮助实现强一致性。

*高可用性：由于可靠多播协议的冗余性质，它们可以提高分布式事务的可用性。即使一个或多个参与者失败，系统仍可以继续运行。

*低延迟：可靠多播协议还可以通过并行处理消息来降低分布式事务的延迟。

结论：

可靠多播协议是分布式系统中实现跨地域分布式事务一致性的关键组成部分。通过提供可靠且按序的消息传递，这些协议可以帮助确保所有参与者收到相同的信息并以相同的方式处理事务。第七部分Saga模式关键词关键要点【Saga模式】：

1.Saga模式是一种分布式事务处理模式，它将一个分布式事务分解为一系列子事务。每个子事务都是一个原子操作，要么成功执行，要么回滚。

2.Saga模式通过协调器组件协调子事务的执行顺序。协调器负责记录子事务的状态，并决定在子事务失败时回滚哪些子事务。

3.Saga模式的优点是易于理解和实现，并且可以处理嵌套事务和跨多个服务的分布式事务。

【分布式事务协调器】：

Saga模式

Saga模式是一种分布式事务一致性协议，适用于需要跨多个参与者协调局部事务的情况。它是一种基于补偿的机制，即如果某个局部事务失败，系统将执行逆向操作以恢复一致性。

原则

Saga模式遵循以下原则：

*单向执行：局部事务一旦启动，就只能被执行一次，即使出现失败。

*补偿性：每个局部事务都必须提供一个补偿操作，以撤销其对系统的影响。

*顺序执行：局部事务必须按照预定义的顺序执行，以确保正确性。

流程

Saga模式的执行流程如下：

1.启动：发起一个全局事务，该事务协调多个参与者。

2.执行：每个参与者执行其局部事务。

3.准备：参与者执行准备阶段，在此期间他们准备好执行补偿操作。

4.提交：如果所有参与者都准备就绪，则提交全局事务。

5.补偿：如果提交失败，系统将执行补偿操作以撤销已执行的局部事务。

优点

Saga模式具有以下优点：

*灵活性：它可以轻松处理复杂的业务流程，涉及多个参与者。

*可扩展性：它可以扩展到大型分布式系统，而无需修改核心协议。

*容错性：即使某个参与者失败，它也可以确保全局事务的一致性。

缺点

Saga模式也存在一些缺点：

*复杂性：它比其他分布式事务一致性协议更复杂。

*性能开销：它可能引入额外的性能开销，尤其是在跨越多个参与者的复杂事务中。

*顺序依赖性：它要求局部事务按照预定义的顺序执行，这可能会限制并行处理。

应用

Saga模式适用于以下场景：

*业务流程管理：协调涉及多个步骤和参与者的复杂业务流程。

*分布式数据库：确保跨多个数据库服务器的数据一致性。

*微服务架构：协调分布在不同服务中的微服务之间的操作。

示例

考虑一个跨地域分布式事务的示例，其中涉及两个参与者：

*参与者A：在纽约的银行账户中借记资金。

*参与者B：在伦敦的银行账户中贷记资金。

使用Saga模式，该事务的执行流程如下：

1.启动：发起一个全局事务以协调两个参与者。

2.执行：参与者A从纽约账户借记资金，而参与者B在伦敦账户中贷记资金。

3.准备：两个参与者准备好补偿操作，即如果事务提交失败，参与者A将恢复借记，而参与者B将撤销贷记。

4.提交：如果两个参与者都准备好，则提交全局事务。

5.补偿：如果提交失败，则执行补偿操作以恢复银行账户的一致性。

通过Saga模式，即使在其中一个参与者失败的情况下，全局事务也能保持一致性。第八部分基于事件驱动的事务模型关键词关键要点【基于事件驱动的事务模型】：

1.事件驱动架构将事务分解为一系列离散事件，每个事件反映系统状态的更改。

2.事件以不可变形式记录在事件存储中，可确保数据完整性和可追溯性。

3.事件处理程序负责处理事件并执行业务逻辑，确保交易的一致性。

【事件源】：

基于事件驱动的事务模型

在分布式系统中，确保跨地域分布式事务的一致性至关重要。基于事件驱动的事务模型是一种有效的方法，它通过引入事件驱动的架构来解决该问题。

架构

基于事件驱动的事务模型采用事件溯源架构。在这种架构中，系统中的每个状态更改都作为事件记录。事件存储在事件日志中，事件日志是一个不可变的、按时间顺序排列的事件序列。

事务流程

基于事件驱动的事务模型中的事务流程如下：

1.发起事务：客户端发起事务，并向协调器发送事务请求。协调器为事务分配一个唯一的标识符。

2.执行本地操作：客户端在参与者节点上执行本地操作。每个参与者节点记录其操作产生的事件，并将其发布到事件日志中。

3.收集事件：协调器收集来自所有参与者节点的事件，并将其按事务标识符排序。

4.验证一致性：协调器验证事件序列是否符合预定义的业务规则。如果检查成功，则事务提交；否则，事务回滚。

5.持久化结果：如果事务提交，协调器将事务结果持久化到存储系统中。

一致性保证

基于事件驱动的事务模型通过以下机制保证一致性：

*事件日志不可变性：事件日志是一个不可变的数据结构，确保事件不会被修改或删除。这保证了事件的完整性和真实性。

*基于事件的顺序：事件日志中的事件按时间顺序排列，这确保了事务的正确顺序执行。

*一致性检查：协调器在提交事务之前验证事件序列是否满足业务规则。这确保了事务结果满足预期的语义。

优势

基于事件驱动的事务模型具有以下优势：

*高吞吐量：事件驱动架构可以并行处理事件，从而提高事务吞吐量。

*低延迟：事务处理不需要等待来自远程参与者的响应，从而降低了延迟。

*弹性：事件日志的不可变性保证了系统在发生故障时数据的一致性。

*可审计性：事件日志提供了事务执行的完整记录，支持审计和调试。

局限性

基于事件驱动的事务模型也