分布式一致性
分布式一致性方案用来维护跨服务的业务规则。选择方案前,先要说明哪些状态绝不能出现、接口返回成功时已经完成什么,以及失败后怎样恢复。例如,搜索结果晚更新几秒,与用户被重复扣款,需要承担的代价完全不同。
这些条件决定哪些操作必须同步确认,哪些可以异步完成。协议名称只有放在具体规则和失败场景中,才能说明它是否适用。
1. 面试核心
先记住这几条,再读正文- 先把业务不变量写成可验证的状态规则,再选择一致性方案,例如同一支付请求最多扣款一次。卡 · 综合题
- 同一存储内的规则,优先用本地事务与唯一约束、锁或条件更新维护;仅把先读后写放进事务,不一定能避免竞态。
- 确认订单前先原子预留库存,才能维护**“确认即有货”**的规则,事后退款无法改变此前已经超卖的事实。卡 · 库存预留与并发不变量
- 最终一致流程需要定义中间状态、传播时间目标和恢复入口,才能判断何时需要干预。
- Outbox 保证本地状态与待发事件共同提交,Saga 负责跨步骤推进和补偿,两者可以组合使用。
2. 业务不变量
业务不变量是在业务规定的边界上必须成立的规则。规则应具体到可以检查,例如:同一支付请求最多产生一次扣款,确认后的可用库存不能为负,已经取消的订单不能再进入发货流程。
资金变化需要有可核对的记录;接口向用户返回成功,也要明确承诺的是“已受理”还是“已完成”。如果成功的含义不清楚,就无法判断中间状态是否符合业务要求。
3. 原子提交范围
必须共同成立的规则,优先放在同一个权威存储中维护,也就是由同一处数据作最终判断。这样可以用本地事务保证共同提交,再用唯一约束、锁或条件更新处理并发冲突。
事务本身不能替代并发设计。两个请求先读到相同旧值,再分别写入,如果缺少必要约束,仍可能破坏规则。服务拆分一旦切开原子提交范围,还会增加协调状态,因此边界需要同时考虑业务变化和一致性成本。
3.1 库存预留与并发不变量
资源预留是先把可用资源转为某个请求的占用,供后续步骤确认使用或释放。库存只有 1 件时,如果两个订单都先读到 1,再分别确认,就会接受两笔购买。事后退款可以修正结果,却已经违反了“确认即有货”的规则。
库存服务可以先用条件更新扣减可用量,取得预留资格:
UPDATE stock
SET available = available - 1
WHERE sku_id = ? AND available >= 1;
影响 1 行表示预留成功,影响 0 行表示没有可用库存或记录不存在。预留记录与扣减需要在同一事务内提交,并按业务请求设置唯一约束;重复请求应读取原结果,避免再次扣减。
支付失败后,按预留 ID 释放一次。预留到期与支付成功也可能同时发生,需要通过状态协调决定最终结果。具体转换见2PC 与 TCC。
4. 同步确认与异步完成
接口应先定义返回成功时必须已经满足的条件。例如,业务可以要求库存已经预留、支付已经授权,才返回相应的成功结果;通知、搜索投影和分析事件则可以随后异步完成。
尚未完成的流程应显示“处理中”,并允许用户查询真实进度。用户重复点击时沿用原业务 ID,才能继续处理同一动作,而不是重新创建一笔业务。
5. 不一致窗口
最终一致性表示各处数据最终会收敛,但这个说法本身没有给出传播时限。工程上还需要设定目标,例如 99.9% 的索引变化在 30 秒内完成,超过 5 分钟就告警并进入恢复。
等待期间的用户体验也要明确。积分尚未到账时可以显示“处理中”;搜索结果暂时陈旧时,详情页可以查询权威状态。这样用户才不会把尚未完成误认为最终失败或成功。
6. 协调方式
不同机制维护的边界不同,需要按资源能力和允许的中间状态选择:
| 需要维护的边界 | 候选方式与前提 |
|---|---|
| 多个事务资源原子提交 | 2PC 要求持久准备与协调恢复。 |
| 跨服务预留资源 | TCC 要求明确的预留模型。 |
| 可补偿的长流程 | Saga 允许可见中间状态。 |
| 本地变化可靠产生事件 | Transactional Outbox 与 CDC 连接本地提交与异步交付。 |
这些方式不必互斥。例如,Outbox 负责让本地变化留下可靠的待发事件,Saga 再根据事件推进流程或补偿。前者不能单独保证整个业务流程完成,后者也需要可靠的消息来源。
7. 补偿能力
补偿能修正业务结果,却未必能撤销已经发生的影响。退款是一笔新交易,邮件发出后只能再发送更正。因此,流程设计要先判断哪些操作可补偿、补偿会产生什么成本,再决定步骤顺序。具体边界见Saga。
8. 可追踪的状态
恢复需要持久化的流程状态作为依据,包括稳定 ID、当前步骤、最后错误、尝试次数和下次重试时间。进程重启后,系统应能据此判断继续执行什么。
日志可以帮助诊断,但不应成为判断流程状态的唯一依据。幂等与人工处置的设计见分布式流程恢复。
9. 故障矩阵
故障矩阵是把流程中的失败位置和对应恢复方式逐项列出的检查表。设计时至少要检查这些断点:
- 本地提交前崩溃,事务是否能回滚。
- 提交后、发布前崩溃,待发事件能否恢复。
- 响应丢失,怎样核对实际执行结果。
- 消息重复或乱序到达,状态转换是否仍然合法。
- 补偿持续失败,怎样告警并转入人工处理。
- 重放历史请求,幂等记录是否仍覆盖对应时间范围。
每个断点都要写明检测信号、恢复方式和最大风险窗口,才能验证方案在故障时仍守住原来的规则。
10. 常见问题
10.1 规则必须严格成立,就一定要用 2PC 吗?
不一定。先看规则能否放进本地事务,再用约束或条件更新保护。确实需要跨资源提交时,才评估 2PC 或业务预留。缩小需要同步协调的范围,可以降低协调成本。
10.2 用了消息队列,就能保证最终一致吗?
不能仅凭消息传输保证收敛。事件需要可靠地产生,消费者需要执行合法状态转换,失败后还要能恢复。没有主动报错却产生的差异,则需要通过业务对账发现。
11. 面试题卡片
12. 参考资料
- Azure Architecture Center:Saga pattern
- Debezium:Outbox Event Router
- Apache Kafka:Design
- PostgreSQL 18:Transaction Isolation
来源:Coding 101 原文 · 免费阅读,引用请保留出处。内容使用说明