设计高并发电商场景下跨服务订单与库存的分布式事务方案

题目

设计高并发电商场景下跨服务订单与库存的分布式事务方案

信息

• 类型：问答
• 难度：⭐⭐⭐

考点

分布式事务模式选型, 数据一致性保证, 异常处理机制, 性能与扩展性设计

快速回答

在电商高并发场景下，推荐采用Saga模式结合异步补偿机制：

• 使用事件驱动的Saga协调服务间事务
• 订单服务先创建状态为PENDING的订单
• 库存服务采用预扣库存策略
• 通过补偿事务处理失败场景
• 引入消息队列实现最终一致性
• 添加幂等性设计和重试机制

1. 问题场景分析

电商系统中创建订单涉及：
订单服务（创建订单记录）
库存服务（扣减商品库存）
支付服务（处理支付）
要求保证：订单创建与库存操作的原子性，同时支撑每秒10K+并发。

2. 核心解决方案：Saga模式

执行流程：

1. 订单服务创建状态为PENDING的订单，发布ORDER_CREATED事件
2. 库存服务监听事件，执行预扣库存（status=PRE_DEDUCT）
3. 支付服务处理支付，成功后更新订单状态
4. 库存服务确认最终扣减

补偿机制：

// Saga协调器伪代码
try {
  orderService.createPendingOrder();
  inventoryService.preDeductStock();
  paymentService.processPayment();
  orderService.confirmOrder();
  inventoryService.confirmDeduction();
} catch (Exception ex) {
  // 逆向补偿
  paymentService.cancelPayment();
  inventoryService.compensateStock(); // 恢复预扣库存
  orderService.cancelOrder();
}

3. 关键设计细节

3.1 数据一致性保障

• 最终一致性：通过消息队列（如Kafka）传递事件
• 幂等性设计：每个服务需实现幂等接口

  // 库存服务幂等示例
  @Transactional
  public void deductStock(String orderId) {
    if (deductionLog.exists(orderId)) return; // 已处理则跳过
    // 扣减逻辑...
  }

3.2 异常处理

• 超时管理：设置Saga事务超时（如30s）
• 重试策略：指数退避重试（1s, 2s, 4s...）
• 人工干预：持久化事务日志供人工修复

3.3 性能优化

• 预扣库存：避免长期占用数据库锁
• 异步处理：非核心步骤（如通知）异步化
• 批量处理：库存扣减支持批量操作

4. 对比其他方案

5. 最佳实践

• 监控：实现Saga可视化跟踪器
• 隔离性：库存服务采用版本号避免超卖

  UPDATE inventory 
  SET stock = stock - 1, version = version + 1 
  WHERE product_id = ? AND version = ?

• 降级方案：库存不足时快速失败

6. 常见错误

• ❌ 未处理网络分区导致的状态不一致
• ❌ 补偿事务未实现幂等（导致重复回滚）
• ❌ 忽略事务日志持久化（故障后无法恢复）
• ❌ 未设置事务超时（资源长期锁定）

7. 扩展知识

• Seata框架：AT/Saga模式实现
• CDC技术：通过Debezium捕获数据库变更
• Saga编排模式：Choreography vs Orchestration
• 跨服务追踪：集成OpenTelemetry实现全链路监控