事务
可以称之为一次对数据库进行的操作序列。
特性（ACID）
原子性：指这些操作序列具有原子性，不可分割，要么全部执行成功，要么全部失败。
一致性：
一致性概念的说法很多，有说事务执行前后状态保持正确的，有说完整性体现的，也有说从一个一致性状态变成另一个一致性状态的，也有说是对数据可见性约束的等等。个人感觉还是很含糊，根据维基百科描述并综合一些观点，我的总结如下：
1）、一致性是针对事务执行前后数据的状态而言的。
2）、事务执行前数据处于一个合法有效状态，事务执行后数据也要处于一个合法有效状态。
3）、一致性C是目的，数据库本身不管事务执行的结果是否正确，其它AID三种特性是手段，来确保一致性。
隔离性：在某个事务没有提交之前，其它事务不能看到该事务的中间结果，以进行并发控制。
持久性：事务被提交之后，它对数据库中数据的改变是永久性的。
粒度
大数据计算通常是运用分治法，将庞大计算量分布到多个计算单元上，再对所有计算单元上的数据运用同一套计算逻辑，以达到海量数据处理的目的，这也是大数据处理的优势。可见，其特点是计算逻辑相同，只是每个计算单元分担的数据不同。可将其理解为处理对象上的粗粒度。
事务通常是细粒度的操作，可能是针对某一条数据的更新、查询、插入、删除等，并且一个操作序列可能较多，而且还具有强相关性，比如说一次交易中，一次操作要考虑买卖两个数据实体的操作。当然，不同的应用都有其应用领域，这里先不讨论这个。
CAP理论（Consistence、Availability、Partition tolerance）
一致性：多副本数据保持一致
可靠性：任意时刻数据读写正常
分区容忍性：系统在可用的同时能够容忍的数据不同步的极限（出于各种不可预知的原因，导致的多副本不可能一直处于同步状态）
CAP理论指出一个分布式系统最多可以满足以上三个需求中的两个，并且至今并没有出现十全十美的方案。接下来看两个流行的大数据引擎如果保证输出一致性：
Spark
首先对于Spark计算引擎，要支持输出的Exactly-Once语义，必须从源到计算引擎本身再到sink系统，都需要支持Exactly-Once
1、对于数据源必须支持replay（重放）功能，也就是说可以从任一位置开始处理（源可以reposition）。
2、计算引擎本身支持Exactly-Once（无论同一数据重计算多少次，上游算子传给下游算子的结果均只有一个且相同）。
3、Sink系统支持幂等写入或者事务性写入。
Flink
通过2CP（Two Phase Commit）两阶段提交协议来提供 Exactly-Once 语义保证。但是需要外部Sink系统支持事务才能集成Flink两步提交协议。
预提交阶段：检查点启动，将算子状态写入状态后端，并预先提交外部接收器的事务。
提交阶段：所有算子检查点都已经成功完成，这时提交外部事务。
以此保证 Exactly-Once 语义。
