架构与系统设计 / 系统课时
Saga 补偿动作怎么设计
Saga 补偿动作怎么设计
订单已经扣款,发货准备却失败,不能只把订单改成“已取消”。本篇用订单长事务拆出需要撤销的业务效果,设计可重复执行、可恢复的补偿动作,并标清已经发货这类不可逆操作的处理边界。
学习目标
- 为订单的正向步骤定义有业务含义的补偿动作。
- 用本地事务和操作标识避免重复补偿、错误恢复。
- 区分可补偿失败、结果未知与跨越不可逆边界后的异常。
补偿撤销的是业务效果
Saga 把跨服务流程拆成多个本地事务。已经提交的步骤不能靠一个全局回滚命令消失;补偿需要再执行新的业务操作,使系统回到业务可接受的状态,而不是强行恢复所有旧数据。([Microsoft Learn][1])
假设库存原有 10 件,本订单预留 2 件,另一订单随后购买 1 件。取消本订单后,可用库存应从 7 变为 9,而不是恢复成 10。补偿要抵消本订单的影响,不能覆盖其他订单已经完成的修改。
用正向与补偿成对定义契约
以“预留库存、扣款、创建发货单”为正向流程,先写清补偿依赖的原始操作,而不是只写一个笼统的撤销接口。
| 正向步骤 | 补偿动作 | 必须关联的信息 |
|---|---|---|
| 预留库存 | 释放本次预留 | 预留标识、商品、数量 |
| 扣款成功 | 对原支付创建退款 | 原支付标识、退款金额、币种 |
| 创建发货单且尚未交接 | 撤销发货单 | 发货单标识、允许撤销的状态 |
本例约定创建发货单明确失败后,先退款,再释放库存。这个顺序只是业务策略:实际应按依赖关系和风险决定顺序,没有依赖的补偿可以并行,不能机械地认为所有 Saga 都必须倒序执行。([Microsoft Learn][2])

退款不是删除原扣款记录;释放库存也不是覆盖库存快照。设计契约时必须说明“完成”指什么,例如退款申请已受理不等于退款已完成,本例只有收到约定的最终成功结果才结束该补偿步骤。
用库存释放验证重复补偿
下面是完整的 Python 3.10+ 示例,保存为 saga_compensation.py,用 python saga_compensation.py 运行。只演示一个商品和一个预留,不模拟整套跨服务 Saga;<ID> 是演示用预留标识,实际值由业务系统产生。
import sqlite3
def release_stock(db: sqlite3.Connection, reservation_id: str) -> str:
with db:
# 先抢占状态;状态变更与补回库存属于同一个本地事务。
changed = db.execute(
"UPDATE reservation SET state='RELEASED' "
"WHERE id=? AND state='RESERVED'", (reservation_id,)
).rowcount
row = db.execute(
"SELECT quantity, state FROM reservation WHERE id=?",
(reservation_id,)
).fetchone()
if row is None:
raise LookupError("UNKNOWN_RESERVATION")
if changed == 0:
if row[1] == "RELEASED":
return "ALREADY_RELEASED"
raise ValueError("INVALID_STATE")
# 只补回本预留的数量,不能覆盖其他订单修改后的库存。
db.execute(
"UPDATE inventory SET available=available+? WHERE sku='demo'",
(row[0],)
)
return "RELEASED"
def main() -> None:
db = sqlite3.connect(":memory:")
try:
db.executescript("""
CREATE TABLE inventory(sku TEXT PRIMARY KEY, available INTEGER);
CREATE TABLE reservation(
id TEXT PRIMARY KEY, quantity INTEGER, state TEXT
);
INSERT INTO inventory VALUES('demo', 10);
""")
with db:
# 本订单预留两件;随后另一订单购买一件。
db.execute("INSERT INTO reservation VALUES(?, 2, 'RESERVED')",
("<ID>",))
db.execute("UPDATE inventory SET available=available-2")
db.execute("UPDATE inventory SET available=available-1")
print("before:", db.execute(
"SELECT available FROM inventory").fetchone()[0])
print(release_stock(db, "<ID>"))
print(release_stock(db, "<ID>"))
remaining = db.execute(
"SELECT available FROM inventory").fetchone()[0]
assert remaining == 9
print("after:", remaining)
finally:
db.close()
if __name__ == "__main__":
main()预期输出:
before: 7
RELEASED
ALREADY_RELEASED
after: 9第一次调用把预留标为已释放,并补回两件库存;第二次调用不会再增加库存。状态抢占与库存变更在同一个本地事务内,任一写入失败都应回滚。这里使用内存数据库,验证的是事务与重复执行行为,不提供进程重启后的持久化能力。
查不到预留时,示例抛出 UNKNOWN_RESERVATION,不会凭空增加库存。生产中若补偿可能先于正向请求到达,应记录该操作的取消意图,并要求迟到的预留检查它;不能把“暂时查不到”当成“以后也不会发生”。
让补偿失败后还能继续
为每次业务步骤持久化 stepExecutionId,同一步骤的网络重试复用它;补偿键可由 sagaId、stepExecutionId 和动作类型组成。退款参数应关联原支付并固化金额、币种;同一键携带不同参数应拒绝,而不是当成新的退款。([Amazon Web Services, Inc.][3])
幂等记录必须与资源变更原子提交,不能只在协调器内存里放一个去重集合。跨到外部支付平台时,本地事务不能覆盖远程退款,需要使用平台的幂等能力,并按原操作号查询结果,处理“退款已完成但响应丢失”的情况。([Amazon Web Services, Inc.][3])
正向请求发出前就记录步骤意图。响应丢失时,将步骤视为结果未知,先按原操作号核对,而不是因为没有成功日志就跳过补偿。若确认尚未执行,还需建立取消约束,防止迟到请求继续产生业务效果。
补偿失败后保留已完成步骤、错误、重试次数和下一次重试时间,恢复时继续未完成的动作。暂时故障可退避重试;参数错误、长期拒绝或无法核对的结果应告警并进入 MANUAL_REVIEW,不能伪装成取消成功。([Microsoft Learn][2])
在不可逆动作前停下来
本例把交接承运人视为不可逆边界,尽量将库存、支付和履约资格校验放在此前。跨过边界后,应优先向前恢复;需要退货时,开启新的售后流程,不能把已交接商品当成未发货商品直接补回库存。Saga 的不可逆边界需要明确建模。([Microsoft Learn][1])
订单只有在要求的补偿全部确认完成后,才能进入 CANCELLED。审核补偿方案时,应能回答三个问题:撤销哪次操作的效果,重复执行会不会多做一次,失败后由谁继续把它处理完。