当发生网络传输故障或者节点故障，节点间数据复制通道中断，在进行事务操作时需要保证数据一致性，保证事务的任何操作都不会使得数据违反数据库定义的约束、触发器等规则。
事务的隔离性
事务隔离性的本质就是如何正确处理多个并发事务的读写冲突和写写冲突，因为在分布式事务控制中，可能会出现提交不同步的现象，这个时候就有可能出现“部分已经提交”的事务。
此时并发应用访问数据如果没有加以控制，有可能出现“脏读”问题。
三、分布式系统的一致性前面介绍到的分布式事务的难点涉及的问题，最终影响是导致数据出现不一致，下面对分布式系统的一致性问题进行理论分析，后面将基于这些理论进行分布式方案的介绍。
可用性和一致性的冲突：CAP 理论CAP 定理又被称作布鲁尔定理，是加州大学的计算机科学家布鲁尔在 2000 年提出的一个猜想。
2002 年，麻省理工学院的赛斯·吉尔伯特和南希·林奇发表了布鲁尔猜想的证明，使之成为分布式计算领域公认的一个定理。
布鲁尔在提出 CAP 猜想时并没有具体定义 Consistency、Availability、Partition Tolerance 这 3 个词的含义，不同资料的具体定义也有差别。
为了更好地解释，下面选择Robert Greiner的文章《CAP Theorem》作为参考基础： CAP 理论的定义在一个分布式系统(指互相连接并共享数据的节点的集合)中，当涉及读写操作时，只能保证一致性(Consistence)、可用性(Availability)、分区容错性(Partition Tolerance)三者中的两个，另外一个必须被牺牲。
Consistency、Availability、Partition Tolerance 具体解释如下：C - Consistency 一致性：A read is guaranteed to return the most recent write for a given client.
对某个指定的客户端来说，读操作保证能够返回最新的写操作结果。
这里并不是强调同一时刻拥有相同的数据，对于系统执行事务来说，在事务执行过程中，系统其实处于一个不一致的状态，不同的节点的数据并不完全一致。
一致性强调客户端读操作能够获取最新的写操作结果，是因为事务在执行过程中，客户端是无法读取到未提交的数据的。
只有等到事务提交后，客户端才能读取到事务写入的数据，而如果事务失败则会进行回滚，客户端也不会读取到事务中间写入的数据。
A - Availability 可用性：A non-failing node will return a reasonable response within a reasonable amount of time (no error or timeout).
非故障的节点在合理的时间内返回合理的响应(不是错误和超时的响应)。
这里强调的是合理的响应，不能超时，不能出错。注意并没有说“正确”的结果，例如，应该返回 100 但实际上返回了 90，肯定是不正确的结果，但可以是一个合理的结果。
P - Partition Tolerance 分区容忍性：The system will continue to function when network partitions occur.
当出现网络分区后，系统能够继续“履行职责”。
这里网络分区是指：一个分布式系统里面，节点组成的网络本来应该是连通的。
然而可能因为一些故障(节点间网络连接断开、节点宕机)，使得有些节点之间不连通了，整个网络就分成了几块区域，数据就散布在了这些不连通的区域中。
一致性、可用性、分区容忍性的选择虽然 CAP 理论定义是三个要素中只能取两个，但放到分布式环境下来思考，我们会发现必须选择 P(分区容忍)要素，因为网络本身无法做到 100% 可靠，有可能出故障，所以分区是一个必然的现象。
如果我们选择了 CA(一致性 + 可用性) 而放弃了 P(分区容忍性)，那么当发生分区现象时，为了保证 C(一致性)，系统需要禁止写入。
当有写入请求时，系统返回 error(例如，当前系统不允许写入)，这又和 A(可用性) 冲突了，因为 A(可用性)要求返回 no error 和 no timeout。