架构与系统设计 / 技术文章
幂等和分布式锁到底该怎么选
支付回调重复到达、MQ 消息重新投递、两个实例同时修改库存时,团队经常在“做幂等”与“加分布式锁”之间摇摆。对有一定分布式系统经验的后端工程师和技术负责人来说,关键不是比较两种方案谁更强,而是先识别系统面对的是重复执行还是并发竞争,最终把正确性约束放在真正能够兜底的位置。
幂等和分布式锁解决的不是同一个问题
幂等关注的是:同一个业务意图执行一次和执行多次,最终业务结果是否一致。例如支付平台可能因为超时重试,把同一个支付成功通知发送多次。服务不能因为收到三次通知,就给账户入账三次。
分布式锁关注的是:多个执行者能否同时进入某段临界区。例如两个应用实例同时执行同一商品的复杂库存重算,而这段逻辑无法依靠单条数据库原子操作完成,就可能需要协调谁先执行。
可以把两者放到两个维度理解:幂等控制“重复”,锁控制“并发”。重复请求可以串行发生,此时加锁并不能自动识别第二次请求已经处理过;两个不同业务请求也可以同时到达,此时即使每个请求自身都是幂等的,仍可能发生共享状态竞争。
| 维度 | 幂等 | 分布式锁 |
|---|---|---|
| 核心问题 | 同一业务操作被重复执行 | 多个执行者并发修改共享资源 |
| 常见标识 | requestId、orderId、messageId | resourceId、lockKey |
| 主要目标 | 重复执行不产生额外业务效果 | 临界区在约束范围内串行执行 |
| 是否保存业务结果 | 通常需要 | 通常不负责 |
| 能否解决重复请求 | 是 | 单独使用通常不能 |
| 能否解决并发竞争 | 不一定 | 在锁语义成立时可以 |
因此,选型的第一个问题不是“Redis 锁还是幂等表”,而应该是“我要阻止的是同一件事做两遍,还是两件事同时做”。
重复请求优先建立幂等边界
假设订单支付成功后需要发放权益。上游采用至少一次投递,消息可能因为消费者处理成功但确认失败而再次到达。如果消费者只使用分布式锁,第一次处理结束后锁就会释放;第二次消息随后获取锁,依然能够再次发放权益。
更直接的设计是给业务操作建立稳定的幂等键,并让“判断是否处理过”和“产生业务效果”处于可靠的一致性边界内。例如使用数据库唯一约束兜底:
CREATE TABLE processed_event (
event_id VARCHAR(64) NOT NULL,
processed_at TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
PRIMARY KEY (event_id)
);
INSERT INTO processed_event(event_id) VALUES ('<ID>');当同一个 event_id 再次写入时,唯一约束拒绝重复记录。应用可以把插入幂等记录与权益变更放进同一个本地事务,从而避免仅靠“先查再写”留下竞态窗口。
第一次 event_id=<ID>:插入成功 -> 执行业务变更 -> 提交事务
再次 event_id=<ID>:唯一键冲突 -> 识别为已处理 -> 不重复产生业务效果这里真正重要的不是建一张“幂等表”,而是定义业务身份。同一订单的“创建支付”和“支付退款”显然不能因为 orderId 相同就被当成同一操作。幂等键通常需要表达业务动作,例如 pay:<ID> 与 refund:<ID>,或者直接采用上游保证稳定且唯一的事件 ID。
[!warning] 不要把“接口返回相同 HTTP 状态码”误认为业务幂等。真正需要保证的是数据库、余额、库存、外部调用等业务副作用不会因为重复执行而被错误放大。
并发竞争先看能不能不用分布式锁
发现并发问题后,也不意味着第一选择就是分布式锁。数据库原子更新、唯一约束、乐观锁和条件更新往往具有更清晰的正确性边界。
例如扣减库存时,与其先查询库存、获取 Redis 锁、计算新值再更新,不如在数据库能够承担该竞争的前提下直接使用条件更新:
UPDATE inventory
SET available = available - 1
WHERE sku_id = '<ID>'
AND available > 0;检查受影响行数即可判断扣减是否成功。数据库在真正保存状态的位置完成条件判断和修改,减少了应用锁与数据库状态之间的不一致窗口。
如果是版本化配置、账户资料等覆盖式更新,也可以使用乐观锁:读取 version,更新时要求版本仍与读取时一致;失败后根据业务语义重试或返回冲突。
分布式锁更适合这样的场景:临界区跨越多个步骤,无法压缩成存储层原子操作;多个应用实例必须围绕同一资源协调;并且业务能够明确处理锁超时、持有者崩溃和执行时间超过租约等情况。
换句话说,锁不是“并发安全”的同义词,而是一种协调协议。引入它意味着系统同时引入锁服务可用性、租约、续期、误释放和网络分区等新的失败模式。
为什么加了分布式锁仍可能不安全
一个典型误区是认为“拿到 Redis 锁以后,直到业务完成都不会有人进来”。如果锁使用租约,实际情况可能是任务执行时间超过租约:实例 A 仍在运行,锁却已经过期;实例 B 随后获取同一个锁,于是两个实例同时操作下游资源。
T0 A 获取锁,租约 10 秒
T1 A 开始执行耗时任务
T10 A 尚未完成,锁过期
T11 B 获取同一个锁
T12 A、B 同时修改下游资源自动续期可以降低这种情况发生的概率,却不能把网络暂停、进程长时间停顿和锁服务故障从模型中删除。对于不能接受旧持有者继续写入的场景,还需要考虑 fencing token:每次成功获得锁时取得单调递增的令牌,下游只接受比已见令牌更新的写操作。
A 获取锁 -> token=41
A 长时间暂停,锁失效
B 获取锁 -> token=42 -> 下游接受写入
A 恢复 -> token=41 -> 下游拒绝旧写入这揭示了架构设计中更重要的一点:锁是否安全不能只看 SET NX、Redisson API 或某个中间件名称,而要看最终资源能否抵御失效持有者,以及业务对故障期间并发执行的容忍程度。
幂等和锁什么时候需要一起用
两种机制并不互斥。一个操作既可能被重复投递,又可能与其他操作竞争同一资源,此时需要分别解决两个维度的问题。
例如账户结算任务可能收到同一个 settlementId 的重复调度,同时不同结算任务又会修改同一个账户。幂等键用于保证同一个结算任务不会重复记账;并发控制则用于保证多个不同任务修改账户时满足账户的不变量。后者可能由数据库行锁、条件更新、串行消费或分布式锁承担,并不必然是 Redis 锁。
设计时可以按以下顺序推导:
- 先定义业务操作的唯一身份,判断重复执行是否可能产生额外副作用。
- 再识别共享资源及其不变量,判断不同操作并发执行是否会破坏状态。
- 能用数据库唯一约束、原子更新或乐观锁完成的约束,优先放到最终状态存储附近。
- 确实存在跨实例临界区时,再评估分布式锁,并明确租约、续期、超时、失败恢复和 fencing 等语义。
- 对外部支付、短信、第三方 API 等无法与本地事务原子提交的副作用,额外设计对方幂等键、Outbox、状态机或补偿机制,而不是期待一把锁覆盖整个一致性问题。
[!info] “先幂等还是先加锁”不是固定顺序。架构上应该先分别证明重复执行和并发竞争是否存在,再为每一种风险选择最小且可验证的机制。
用正确性问题而不是技术名词做选型
评审方案时,可以把“要不要上分布式锁”改写成几个更具体的问题:如果同一请求隔 30 秒重新到达,系统能否识别它已经成功;如果两个不同请求同时修改同一资源,最终不变量是否仍成立;执行者在临界区中途崩溃会发生什么;锁提前失效后旧持有者还能不能写;幂等记录成功而业务事务失败,或者业务成功而幂等记录丢失时,系统如何恢复。
回答这些问题后,方案通常会自然收敛。重复支付回调首先需要幂等;简单库存扣减通常优先考虑数据库原子条件更新;跨实例且无法由存储层原子化的临界区才进入分布式锁的评估范围;既有重复投递又有资源竞争,则分别建立幂等边界和并发控制边界。
最终判断标准不是代码里有没有 lock(),也不是有没有一张去重表,而是每条业务不变量都能指出由哪一层保证,并且在重试、超时、进程崩溃和并发执行这些真实故障条件下仍然成立。