架构与系统设计 / 系统课时
异步流程超时怎么处理
异步流程超时怎么处理
订单一直停在“等待支付确认”,可能是支付尚未完成,也可能只是成功通知丢失。本篇把截止时间、超时事件和补偿衔接起来,让流程到期后进入明确的核对或恢复路径,并处理超时与迟到成功同时出现的情况。
学习目标
- 区分调用超时、步骤截止时间与整个流程期限。
- 用持久化状态和条件更新处理重复定时器及成功回调竞态。
- 为结果未知、迟到成功和补偿失败安排可追踪的后续处理。
定义等待期限而不是延长重试
调用超时不等于业务失败。 没收到支付响应,无法证明对方没有扣款;此时重新生成支付操作可能重复扣款,应复用原操作标识重试或核对结果。([Amazon Web Services, Inc.][3])
调用超时限制一次请求等待多久;步骤截止时间限制这一阶段最多等待多久;整个流程期限限制订单还能推进到什么时候。本例让步骤截止时间不晚于整个流程期限,网络重试不会自动重新获得完整等待预算。
本例采用明确的裁决规则:有效成功通知在权威状态裁决时间小于 deadline 时才被接受,达到或超过截止时间就走超时路径。即使支付实际较早完成,通知迟到也按该规则核对并退款;需要按实际支付时间保单的业务,应另外定义权威时间来源和宽限期。
生产实现应保存统一单位的 UTC 截止时间,并在状态裁决处使用统一时钟,不依赖不同消费者各自未经校准的本地时间。明确截止时间和持久化步骤状态,是重启后继续发现超期工作的基础。([Microsoft Learn][4])
让定时器触发状态裁决
本例为等待状态保存 sagaId、步骤标识、deadline 和 timerVersion。定时器或扫描器只是提醒“该检查了”;处理器仍须检查当前状态、当前截止时间以及定时器版本,不能收到超时消息就直接取消订单。
续期必须是一笔明确的业务状态变更,同时增加 timerVersion。旧定时器可能继续到达,但不能终止已经合法续期的等待。多个处理器竞争同一流程时,由条件更新决定哪个处理器有权改变状态。

到期后先进入 TIMEOUT_PENDING,表示不再接受正常推进、需要核对或补救,并不证明支付失败。图中的 SUCCEEDED 仅表示当前等待步骤成功,CANCELLED 则必须等相关补偿真正完成。
把状态与超时事件一起提交
Outbox 是与业务状态放在同一数据库事务中的待发布消息表。把超时状态和 StepTimedOut 一起提交,再由发布器可靠投递,可以避免“状态已经超时,进程却在发消息前崩溃”。发布可能重复,消费者仍需幂等。([AWS 文档][5])
下面是完整的 Python 3.10+ 示例,保存为 async_timeout.py,用 python async_timeout.py 运行。<ID> 是演示流程标识;90、100、101 是固定测试逻辑秒,不是真实时间戳。生产中的标识和时间会不同。
示例只处理一个流程的一次支付操作,并假定成功通知已验证且关联正确。它演示本地状态裁决和入箱,不执行真实退款,也不启动后台计时器。
import sqlite3
FLOW_ID = "<ID>"
def enqueue(db: sqlite3.Connection, kind: str) -> bool:
# 演示只有一个支付步骤;同一流程、同一种消息只入箱一次。
return db.execute(
"INSERT OR IGNORE INTO outbox VALUES(?, ?)", (FLOW_ID, kind)
).rowcount == 1
def claim_timeout(db: sqlite3.Connection, now: int, version: int | None) -> bool:
# 调用者负责事务;旧定时器不能修改续期后的流程。
changed = db.execute(
"UPDATE flow SET state='TIMEOUT_PENDING' "
"WHERE id=? AND state='WAITING' AND deadline<=? "
"AND (? IS NULL OR timer_version=?)",
(FLOW_ID, now, version, version)
).rowcount
if changed:
enqueue(db, "StepTimedOut")
return bool(changed)
def on_timer(db: sqlite3.Connection, now: int, version: int) -> bool:
with db:
return claim_timeout(db, now, version)
def on_payment_success(db: sqlite3.Connection, now: int) -> str:
with db:
accepted = db.execute(
"UPDATE flow SET state='SUCCEEDED' "
"WHERE id=? AND state='WAITING' AND deadline>?",
(FLOW_ID, now)
).rowcount
if accepted:
enqueue(db, "PaymentAccepted")
return "ACCEPTED"
state = db.execute(
"SELECT state FROM flow WHERE id=?", (FLOW_ID,)
).fetchone()[0]
if state == "SUCCEEDED":
return "DUPLICATE_SUCCESS"
# 扫描器尚未运行时,迟到回调也必须先补记超时决策。
claim_timeout(db, now, None)
db.execute(
"UPDATE flow SET state='COMPENSATING' "
"WHERE id=? AND state='TIMEOUT_PENDING'", (FLOW_ID,)
)
queued = enqueue(db, "RefundPayment")
return "REFUND_QUEUED" if queued else "DUPLICATE_CALLBACK"
def main() -> None:
db = sqlite3.connect(":memory:")
try:
db.executescript("""
CREATE TABLE flow(
id TEXT PRIMARY KEY, state TEXT,
deadline INTEGER, timer_version INTEGER
);
CREATE TABLE outbox(
flow_id TEXT, kind TEXT, PRIMARY KEY(flow_id, kind)
);
""")
with db:
db.execute("INSERT INTO flow VALUES(?, 'WAITING', 100, 1)",
(FLOW_ID,))
# 固定逻辑秒让边界测试可复现,不需要真实等待。
print("early:", on_timer(db, 90, 1))
print("stale:", on_timer(db, 100, 0))
print("expired:", on_timer(db, 100, 1))
print("repeat:", on_timer(db, 100, 1))
print("late:", on_payment_success(db, 101))
print("duplicate:", on_payment_success(db, 102))
state = db.execute("SELECT state FROM flow").fetchone()[0]
kinds = [row[0] for row in db.execute(
"SELECT kind FROM outbox ORDER BY kind")]
assert state == "COMPENSATING"
assert kinds == ["RefundPayment", "StepTimedOut"]
print("state:", state)
print("outbox:", ", ".join(kinds))
finally:
db.close()
if __name__ == "__main__":
main()预期输出:
early: False
stale: False
expired: True
repeat: False
late: REFUND_QUEUED
duplicate: DUPLICATE_CALLBACK
state: COMPENSATING
outbox: RefundPayment, StepTimedOut提前触发和旧版本定时器都没有修改状态;有效超时只入箱一次。迟到成功生成退款命令,重复回调不会再生成同一命令。消息名按字母排序输出,不表示发送顺序;多步骤系统应把步骤执行标识纳入消息唯一键。
最终是 COMPENSATING,不是 CANCELLED:代码只提交了待退款命令,还没有收到退款完成通知。内存数据库不保留重启后的数据,生产需使用持久化存储,并补齐发布器、核对任务和补偿完成处理器。
对迟到成功和失联支付分别处理
收到 StepTimedOut 后,若支付结果未知,应按原支付操作号查询并请求取消。只有确认原操作未扣款且已终止,才能按未支付订单处理;暂时查不到记录不能证明迟到请求不会扣款,需要支付参与方的取消约束或后续对账机制。
若确认已经扣款,按原支付操作触发幂等退款,而不是再次收款。订单已经关闭时,也要把迟到扣款记录为待补救事项,不能静默丢弃,更不能直接把订单从关闭改回成功。迟到请求需要与原操作关联,幂等记录的保留期也必须覆盖可能的重放窗口。([Amazon Web Services, Inc.][3])
代码只对定时器检查版本:支付成功代表真实业务效果,不能因为它对应旧的等待版本就简单丢弃。生产中的旧步骤成功通知同样需要按原操作核对,决定恢复、退款或转人工处理。
用边界测试验收恢复路径
在每次重新初始化的状态下,分别验证以下边界,不要只测试“定时器能触发”。
| 测试场景 | 本例规则下的预期结果 |
|---|---|
| 逻辑时间 99 先确认成功,再处理时间 100 的定时器 | 保持 SUCCEEDED,只有 PaymentAccepted |
| 逻辑时间 100 的成功回调先到,扫描器尚未运行 | 进入 COMPENSATING,同时留下超时事件和退款命令 |
| 超时状态更新后、Outbox 写入时发生事务错误 | 整笔回滚,保持 WAITING,不留下超时事件 |
生产环境还应测试服务重启后,扫描器能按原截止时间找回未结束流程,发布器能继续发送已提交的 Outbox 消息。为待处理状态与截止时间建立合适索引,并监控超期数量、最老超期时长、核对积压和补偿失败。
正向等待到期不意味着停止清理资源。补偿应有独立的重试与升级规则;不能自动恢复时,保留证据并转交明确责任人,而不是无限停在中间状态或把重试耗尽当作业务完成。([Microsoft Learn][2])