分布式数据库是一种在多个物理或逻辑位置存储数据的数据库系统，它通过计算机网络连接。在金融行业，分布式数据库提供了高可用性、数据一致性和弹性扩缩容能力。金融机构可以利用它处理大规模交易数据，实现快速查询和实时分析，从而提高决策效率。随着金融科技的发展，分布式数据库在支持复杂金融产品、风险管理和客户服务等方面发挥着越来越重要的作用。分布式数据库的性能，源自其在数据分布、事务处理和架构上的独特之处。
1.数据分布方式。分布式数据库与单机数据库存储在本地磁盘或者共享磁盘的方式不同，采用 Sharde-Nothing 架构。数据通过多副本保存在不同的数据节点，每个数据节点拥有一部分数据，多个数据节点共同组成完整数据。目前分布式数据库产品的数据分布有两种方式。指定分片键分布：数据表以指定分片键及分片算法方式，将整张表的数据打散分布到各个数据节点。常用的分片策略有：哈希分片（hash）、范围分片（range）、列表分片（list）、复制分片（duplicate）、多级分片等。根据大小默认分布：某些分布式数据产品采用默认分片方式，根据固定大小（如 100M）对数据进行物理切割，每个切割单元称为 Region，每个 Region 的内容与数据表无对应关系，一个Region 可能包含多个不同数据表中的数据。
2.分布式事务。分布式事务指事务的参与者、支持事务的服务器、资源服务器以及事务管理器分别位于分布式系统的不同节点上，实现的目标是将单机数据库的 ACID 理论(即保证事务的原子性、一致性、隔离性、持久性)，延伸到分布式架构。在分布式系统设计中，CAP 理论（Consistency, Availability,Partition tolerance）指出，一个分布式系统在出现分区故障（Partition）时，无法同时保证数据一致性（Consistency）和可用性（Availability），因此分布式系统设计时通常需要在这三者之间做出权衡。业内常用的分布式事务处理有两种方案：a.两阶段提交（2PC）和三阶段提交（3PC）；b.SAGA 事务（事务补偿方案），是一种长活事务模型，用于处理分布式事务，通过补偿操作来恢复失败的事务。在设计分布式系统时，选择合适的一致性模型和算法是非常重要的，这直接影响到系统的性能、可靠性和用户体验。对于分布式事务功能上的主要包含如下三个方面:
(1)数据一致性:不同于单机数据库的事务只在本机一个节点中完成，分布式数据库的事务需要跨越多个数据节点。事务参与节点数量增加，发生故障的概率随之增加。在故障发生时如何保证事务数据一致性、故障发生后失败的事务如何高效回滚处理，通常需要根据具体的应用场景和业务需求来平衡。
(2)分布式事务性能:由于分布式事务提交时涉及多个节点，与单机数据库事务相比性能有所下降。优化分布式事务性能，是分布式数据库产品的重大挑战。
(3)事务隔离级别:目前大多数分布式数据库产品可以实现的隔高级别为 READ COMMIT，少部分产品可支持多种事务隔离级别。若实现单机数据库如 Oracle 的隔离级别及 MVCC 多版本控制，在分布式架构下具有较高难度。目前业界的产品均在此功能上不断提升探索,并不断探索在分布式场景中解决读写并发操作带来的一致性问题。
