不能在 HTTP handler 里直接调用补偿逻辑,因为会阻塞主链路导致超时和雪崩;正确做法是用本地事务表(如 outbox_events)与业务操作原子提交,再由独立任务异步发送消息并保证幂等与持久化。

为什么不能在 HTTP handler 里直接调用补偿逻辑
因为会卡死主链路——用户下单接口超时、下游服务雪崩,不是“修复不一致”,而是先搞垮了正常流量。你本想扣库存,结果订单服务挂了三次重试,库存服务却收到五条重复扣减指令。
http.Handler 是同步阻塞的,调用 amqp.Publish 或 kafka.Producer.WriteMessages 一旦网络抖动或 MQ 拒绝连接,整个请求就 hang 住。
- 用
go func() { }()起 goroutine 看似异步,但进程崩溃时未发送的消息直接丢失,无持久化、无重试、无追踪 -
time.AfterFunc更危险:它依赖进程存活,容器重启、OOM kill 后,所有待触发的补偿全丢 - 正确做法是把“发消息”也变成数据库里的一行记录,和业务数据共处一个事务,确保原子性
如何用本地事务表保证消息发送与业务操作的原子性
这是最终一致性最常翻车的地方:订单写成功了,但“扣库存”事件没发出去;或者事件发出去了,订单却因 panic 回滚了——两边彻底失联。
别用“先发消息再 commit”或“先 commit 再发消息”,这两种都不可靠。
- 建表
outbox_events,字段至少含:id、topic、payload(JSON)、processed(bool)、created_at - 在订单创建事务中,用同一个
*sql.Tx插入订单记录 + 插入outbox_events记录,状态为false - 另起独立 goroutine 或定时 job(如
asynq的 cron task),执行:SELECT * FROM outbox_events WHERE processed = false LIMIT 100,逐条发送并UPDATE SET processed = true - 轮询间隔建议用指数退避(
time.Sleep(time.Second * 1)→*2→*4),别用固定 100ms,否则 DB 压力陡增
补偿消费者必须幂等,且不能只靠 status 字段判重
MQ 天然不保证“恰好一次”,Kafka 可能重复投递,RabbitMQ 手动 nack 会重入,网络分区也可能触发重试。光靠 UPDATE inventory SET stock = stock - 1 WHERE order_id = ? AND status = 'pending' 不够。
- 加
UNIQUE查状态再处理:扣库存前先SELECT COUNT(*) FROM inventory_adjustments WHERE order_id = ? AND type = 'deduct' AND status = 'done',有则直接 return - 避免逻辑错位:比如恢复库存时写
WHERE status = 'frozen',而不是WHERE status != 'restored',后者可能误放行已修复的记录 - 不要依赖内存缓存或临时 map 记录执行状态——服务重启就清零,等于没做幂等
- 更新操作要用条件
where,例如:UPDATE inventory SET stock = stock + ? WHERE sku_id = ? AND status = 'frozen'
对账不是备选方案,是最终兜底的强制动作
再严谨的流程也会漏:DB 主从延迟导致轮询读到旧数据、MQ 分区丢失某批次消息、补偿任务被误删……这些不会报错,只会静默不一致。
- 每天凌晨跑对账 job,比对订单服务的
orders和库存服务的inventory_logs,按order_id关联 - 发现差异后,不直接修 DB,而是往死信队列发一条
repair:inventory_mismatch事件 - 由人工审核后再触发,或交由带审批流的修复服务处理
- 对账脚本本身要可重入、支持断点续跑、输出结构化差异报告(如 JSON 行格式)
真正难的不是写补偿函数,而是让补偿能被可靠调度、幂等执行、可观测、可回溯——每一步都得落在 DB 或持久化队列里,而不是内存或临时变量中。











