在分布式系统中，事务管理是一个非常重要的问题，因为在分布式系统中，数据存储在不同的节点上，多个节点之间的数据一致性是一个非常复杂的问题。为了解决这个问题，需要采用适当的系统架构和数据一致性处理方法。
一种常见的分布式事务场景系统架构设计是采用分布式事务管理器，将多个节点上的事务协调起来，确保数据的一致性。该架构通常包括以下组件：
1、 事务管理器（Transaction Manager）：负责管理分布式事务，协调各个参与节点的事务。
2、 资源管理器（Resource Manager）：负责管理各个参与节点的资源，包括数据库、消息队列等等。
3、 事务协调器（Transaction Coordinator）：负责协调各个节点上的事务，保证事务的一致性。
4、 客户端（Client）：负责发起分布式事务请求，与事务管理器进行通信。
在该架构中，当一个事务涉及到多个节点时，客户端首先向事务管理器发起分布式事务请求，事务管理器向各个参与节点发起事务请求，并将它们协调在一起，确保所有的事务都能够成功或者都能够回滚，从而保证数据的一致性。
在分布式系统中，数据一致性问题是非常复杂的。有多种方式可以处理这个问题，其中包括以下几种：
1、 两阶段提交（Two-phase Commit，2PC）：该方法是一个非常经典的分布式事务管理方法，可以确保所有节点的事务都要么提交成功，要么回滚，从而保证数据的一致性。然而，该方法有一些缺点，例如事务锁定时间长、单点故障等等。
2、 三阶段提交（Three-phase Commit，3PC）：该方法是在2PC的基础上进行改进，解决了2PC的一些缺点，例如减少了事务锁定时间。不过，该方法也有一些缺点，例如复杂性高等等。
3、 最终一致性（Eventual Consistency）：该方法不是通过同步的方式来保证数据的一致性，而是通过异步的方式来实现数据的最终一致性。即，在数据写入之后，系统并不要求立即保证所有节点的数据都是一致的，而是通过异步的方式最终保证数据的一致性。该方法在分布式系统中得到了广泛的应用。
分布式事务场景系统架构设计需要采用适当的数据一致性处理方法，以确保数据的正确性。而选择哪种数据一致性处理方法，需要根据实际情况进行权衡和选择，需要考虑各种因素，例如系统的复杂度、可用性要求、数据的重要性等等。
此外，在分布式系统中，数据的一致性问题还需要考虑到网络分区（Network Partition）的情况。即，当分布式系统中的网络出现分区时，可能会导致节点之间无法通信，从而导致数据一致性的问题。为了解决这个问题，需要采用一些技术手段，例如Paxos、Raft等算法来确保数据的一致性。同时，还需要在设计系统架构时，考虑到网络分区的情况，采取一些措施来确保系统的可用性和数据的一致性。
总的来说，分布式事务场景系统架构设计是一个非常复杂的问题，需要考虑多种因素，包括数据一致性、系统可用性、复杂度、性能等等。在设计系统架构时，需要根据实际情况进行权衡和选择，采用适当的技术手段来确保系统的可用性和数据的一致性。