架构与系统设计 / 系统课时
设计Saga的补偿与失败路径
设计Saga的补偿与失败路径
Saga 适合把跨服务长事务拆成多个本地事务,但真正决定系统能否恢复的,不是“能不能继续执行”,而是每一步失败后是否有明确、可重试、可追踪的补偿路径。本篇用一个订单流程建立正向动作、逆向补偿、重试与人工接管的完整设计方法。
学习目标
- 能把跨服务事务拆成带补偿动作的 Saga 步骤
- 能设计补偿顺序、幂等键与有限重试策略
- 能识别无法自动补偿的场景并进入人工处置
先把每一步写成可恢复契约
Saga 不是数据库回滚。每个步骤都已经独立提交,因此补偿动作本质上是一个新的业务操作,例如“释放库存”而不是撤销数据库日志。设计时至少要为每一步记录正向动作、补偿动作、幂等键和可补偿边界。
| 正向步骤 | 成功结果 | 补偿动作 | 关键边界 |
|---|---|---|---|
| 预占库存 | 生成库存占用 | 释放占用 | 已发货后通常不能直接释放 |
| 扣减余额 | 生成支付记录 | 退款 | 退款可能异步完成 |
| 创建配送 | 生成配送单 | 取消配送 | 已揽收后可能需要人工介入 |
补偿通常按已成功步骤的逆序执行,因为后面的步骤往往依赖前面的业务结果。每个补偿动作还必须幂等,否则重试补偿本身就可能制造二次退款、重复释放等新错误。

用协调器明确失败路径
下面的可运行示例把 Saga 步骤建模为“执行 + 补偿”。库存预占成功后,支付步骤故意失败;库存补偿第一次又模拟暂时性故障,因此协调器会重试一次。如果全部补偿尝试仍失败,则进入人工处置状态。
from dataclasses import dataclass
from typing import Callable, List
@dataclass
class SagaStep:
name: str
action: Callable[[], None]
compensate: Callable[[], None]
def run_saga(steps: List[SagaStep], max_compensation_attempts: int = 2) -> None:
completed: List[SagaStep] = []
try:
for step in steps:
step.action()
completed.append(step)
print("saga=COMPLETED")
except Exception as exc:
print(f"saga=FAILED reason={exc}")
for step in reversed(completed):
for attempt in range(1, max_compensation_attempts + 1):
try:
step.compensate()
break
except Exception as compensation_error:
print(f"compensation={step.name} attempt={attempt} failed={compensation_error}")
else:
print(f"saga=MANUAL_INTERVENTION step={step.name}")
return
print("saga=COMPENSATED")
release_attempts = 0
def reserve_inventory() -> None:
print("inventory=RESERVED order=<ID>")
def release_inventory() -> None:
global release_attempts
release_attempts += 1
if release_attempts == 1:
raise RuntimeError("inventory service timeout")
print("inventory=RELEASED order=<ID>")
def charge_payment() -> None:
raise RuntimeError("payment rejected")
def refund_payment() -> None:
print("payment=REFUNDED order=<ID>")
if __name__ == "__main__":
run_saga([
SagaStep("reserve_inventory", reserve_inventory, release_inventory),
SagaStep("charge_payment", charge_payment, refund_payment),
])预期输出
inventory=RESERVED order=<ID>
saga=FAILED reason=payment rejected
compensation=reserve_inventory attempt=1 failed=inventory service timeout
inventory=RELEASED order=<ID>
saga=COMPENSATED<ID> 代表真实订单 ID,实际值会不同。支付补偿没有执行,因为支付步骤并未成功提交;只补偿已经完成的步骤可以避免把未发生的业务结果再反向处理一次。
为补偿设置有限重试
补偿失败不能无限重试。网络超时、连接暂不可用等瞬时错误可以采用指数退避后重试;而“配送已经揽收”“退款账户被冻结”等业务冲突继续重试通常没有意义,应尽快转入人工路径。
协调器还应持久化 Saga 状态,而不是只保存在进程内存中。至少记录当前步骤、已完成步骤、补偿进度、最后错误和重试次数,这样协调器重启后才能从确定位置恢复。
把不可补偿变成人工处置
并非所有步骤都具有严格逆操作。商品已经发货、优惠券已经过期、外部系统拒绝退款时,系统应把 Saga 标记为 MANUAL_INTERVENTION,停止后续自动动作,并携带 Saga ID、失败步骤、已完成步骤和最后错误进入人工队列。
人工处置应被视为 Saga 状态机中的正式终态之一。只有把进入条件、所需证据、允许操作以及处理后的状态迁移预先定义清楚,跨服务事务失败时才不会退化成无法追踪的临时脚本和口头协调。