异地银行存款操作不应该长久地出现异常而无法使用，因此一旦发现异常我们可以迅速的解决，消息中间件中异常服务自然会进行重试以保证事务的最终一致性 。这种方式假设问题一定可以解决，在不到万不得已的情况下本地的取款服务一般不进行可逆操作 。在本地取款到异地存款两个服务调用之间，会存在一个真空期，这段时间相关现金不在任何一个账户，而只是在一个事务的中间状态，但是客户并不关心这个，只要在约定的时间保证事务最终的一致性即可 。
关于幂等操作的问题重复调用多次产生的业务结果与调用一次产生的业务结果相同，简单点讲所有提供的业务服务，不管是正向还是逆向的业务服务，都必须要支持重试 。因为服务调用失败这种异常必须考虑到，不能因为服务的多次调用而导致业务数据的累计增加或减少 。关于是否可以补偿的问题在这里我们谈的是多个跨系统的业务服务组合成一个分布式事务，因此在对事务进行补偿的时候必须要考虑客户需要的是否一定是最终一致性 。
客户对中间阶段出现的不一致的承受度是如何的 。3 在上面的例子来看，如果采用事务补偿机制，基本可以是做到准实时的补偿，不会有太大的影响 。而如果采用基于消息的最终一致性方式，则可能整个周期比较长，需要较长的时间才能给得到最终的一致性 。比如周六转款，客户可能下周一才得到通知转账不成功而进行了回退，那么就必须要考虑客户是否能给忍受 。
其次对于前面讨论，如果真正需要的是实时的一致性，那么即使采用事务补偿机制，也无法达到实时的一致性 。即很可能在两个业务服务调用中间，客户前台业务操作对持久化的数据进行了其它额外的操作 。在这种模式下，我们不得不考虑需要在数据库表增加业务状态锁的问题，即整个事务没有完整提交并成功前，第一个业务服务调用虽然持久化在数据库，但是仍然是一个中间状态，需要通过业务锁来标记，控制相关的业务操作和行为 。
研究生学习方向选机器学习还是分布式计算好，请从就业前景，薪酬方面说，好不好写论文？
机器学习是我的主要研究方向之一，同时也在带相关方向的研究生，所以我来回答一下这个问题 。首先，机器学习和分布式计算都是目前比较热门的方向，近几年相关方向研究生的就业情况也都有不错的表现，薪资待遇也比较可观 。机器学习（包括深度学习）是目前的热门方向，一方面机器学习是人工智能领域的六大研究方向之一，另一方面机器学习也是大数据分析的常见方式之一，所以机器学习未来的落地应用空间还是非常大的 。
机器学习技术目前在技术体系上相对已经形成了一个较为扎实的基础，但是依然有大量的课题需要攻克，所以从这个角度来看，选择机器学习方向会更容易做出成果，相关论文也比较容易撰写 。机器学习的核心在于算法设计、算法实现和算法验证，对于研究生的数学基础有较高的要求 。分布式计算是云计算和大数据的基础支撑技术之一，分布式存储和分布式计算也是大数据平台和云计算平台的核心技术组成，从这个角度来看，分布式计算还是非常重要的技术方向 。
相对于机器学习来说，分布式计算的技术体系要更为完善，相关的案例也比较多，所以在学习的过程中会更系统，但是要想做出自己的创新点，相对来说也有一定的难度，论文的撰写难度也相对要高一些 。分布式计算的就业渠道主要集中在大型科技企业，比如云计算服务商、大数据平台服务商就是比较常见的就业方向，从就业的薪资待遇来看，整体上与机器学习方向差别不大 。
推荐阅读
- 48级水浒中刘唐怎么得,10分钟读完《水浒传》
- 【一分钟系列】关于其他内置应用
- 压疮护理的新观点有哪些,平均1分钟接诊
- 5分钟短片记录双11幕后,无名子有多少家店面
- 强者之路怎么提升战力,一分钟教你快速提升
- 你买到一部充电五分钟的手机又怎样
- 你们的锤2玩王者荣耀
- 这是什么都提示，有知道的吗，分分钟跳出来
- 自动挡停几分钟挂什么档 自动档停留一段时间挂什么档
- 我的锤1经历了可怕的五分钟