国内金融业数据库选型中遇到的困难以及如何使用分布式数据库解决现有难题，请举出具体例子

在国内金融业数据库选型中，可能会遇到以下困难：

1. 数据规模和性能要求：金融行业数据规模庞大，需要处理大量的交易和客户数据，对数据库的性能要求很高。传统的关系型数据库在处理大规模数据时可能会遇到性能瓶颈。

2. 高可用性和容错性：金融行业对系统的可用性和容错性要求极高，不能容忍系统的长时间停机或数据丢失。传统数据库在面对硬件故障或网络中断时可能无法提供高可用性和容错性。

3. 多地域支持和数据一致性：金融机构在不同地区设有分支机构，需要跨地域管理和访问数据，同时要求数据的一致性。传统数据库在多地域复制和数据同步方面可能存在一些限制。

分布式数据库可以解决上述困难，并提供如下解决方案：

1. 数据分片和并行处理：通过将数据分布在多个节点上，分布式数据库可以实现数据的水平分片和并行处理，提供更高的性能和扩展性。例如，分布式关系型数据库如TiDB可以根据数据量自动进行水平拆分，实现高性能的并行查询和事务处理。

2. 数据复制和故障转移：分布式数据库可以通过数据复制和故障转移机制，实现高可用性和容错性。例如，分布式数据库如CockroachDB支持多副本数据复制和自动故障转移，确保系统在节点故障时仍能保持数据的可用性。

3. 跨地域数据复制和一致性：分布式数据库可以支持跨地域的数据复制和同步，确保数据在多地域之间的一致性。例如，分布式数据库如MongoDB提供了分片集群和数据副本集的功能，可以实现数据在多地域的复制和同步。

具体例子可以是银行系统中的核心交易处理系统。传统的关系型数据库可能无法满足高并发和大规模交易的需求，而分布式数据库可以将交易数据分布在多个节点上，并通过水平扩展和并行处理来提供高性能和扩展性。同时，分布式数据库还可以通过数据复制和故障转移机制来保证系统的高可用性和容错性，确保交易系统始终可用。