知识点思维导图
17 个知识节点
定时任务（03） - 幂等、重试与补偿
读完后，你应能完成以下任务：
- 绘制“定时任务（03） - 幂等、重试与补偿 / 幂等键来自业务语义”的关键对象与数据流，解释“幂等键应表达业务动作，例如 tenant_id + statement_date、order_id + action_type，而不是每次都新生成的执行 UUID。”，并用源码位置、日志或 Trace 标注证据。
- 为“定时任务（03） - 幂等、重试与补偿 / 重试分类与预算”设计正常与异常输入，验证“参数非法、权限不足、数据违反业务规则属于永久错误，应直接失败或进入人工队列。”，输出首个偏差位置与回归测试结果。
- 实现“定时任务（03） - 幂等、重试与补偿 / 补偿不是数据库回滚”的最小代码或配置，检验“跨系统步骤无法用本地事务整体回滚。”，输出命令、结果与 Diff，并说明不适用边界。
一、先建立全局：幂等、重试与补偿 是什么？
理解“幂等、重试与补偿”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。
“幂等、重试与补偿”的第一个核心判断是：而不是每次都新生成的执行 UUID。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。
| 顺序 | 章节 | 读完本节应抓住的结论 |
|---|---|---|
| 1 | 幂等键来自业务语义 | 而不是每次都新生成的执行 UUID。 |
| 2 | 重试分类与预算 | 参数非法、权限不足、数据违反业务规则属于永久错误，应直接失败或进入人工队列。 |
| 3 | 补偿不是数据库回滚 | 跨系统步骤无法用本地事务整体回滚。 |
| 4 | 失败边界与验证 | 测试覆盖业务提交后进程崩溃、外部调用成功但响应超时、重复调度、重试期间新一轮触发和补偿失败。 |
| 5 | “任务只会执行一次”在分布式系统中不可靠 | “任务只会执行一次”在分布式系统中不可靠。 |
| 6 | 调度超时、执行器崩溃、网络重试和人工补跑都可能重复触发 | 调度超时、执行器崩溃、网络重试和人工补跑都可能重复触发。 |
1.1 核心对象之间怎样衔接
flowchart LR
S1["幂等键来自业务语义"] --> S2
S2["重试分类与预算"] --> S3
S3["补偿不是数据库回滚"] --> S4
S4["失败边界与验证"] --> S5
S5["“任务只会执行一次”在分布式系统中不可靠"]
这张图只表达本文的讲解顺序，不替代正文机制。判断“幂等、重试与补偿”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。
1.2 再看失败：问题最早会出现在哪一步？
在“幂等、重试与补偿”的对象和顺序已经明确后，再看可观察的失败：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。
二、幂等键来自业务语义
“任务只会执行一次”在分布式系统中不可靠。
调度超时、执行器崩溃、网络重试和人工补跑都可能重复触发。
幂等键应表达业务动作，
例如 tenant_id + statement_date、order_id + action_type，
而不是每次都新生成的执行 UUID。
数据库唯一约束是最可靠的去重边界：
CREATE TABLE statement_run (
tenant_id BIGINT NOT NULL,
statement_date DATE NOT NULL,
execution_id VARCHAR(64) NOT NULL,
status VARCHAR(20) NOT NULL,
PRIMARY KEY (tenant_id, statement_date)
);
重复插入被数据库拒绝后，执行器读取现有状态决定返回成功、等待还是接管。 先查再插存在竞态，不能替代唯一约束。
三、重试分类与预算
网络超时、临时限流和可恢复锁冲突可以重试； 参数非法、权限不足、数据违反业务规则属于永久错误，应直接失败或进入人工队列。 重试使用指数退避加随机抖动，并同时限制次数和总时长，防止任务跨过下一调度周期仍在重试。
外部 API 超时存在“对方已成功但响应丢失”的不确定状态。 调用时传递业务幂等键，并提供结果查询接口； 不能因超时就换一个请求 ID 再扣一次款。
四、补偿不是数据库回滚
跨系统步骤无法用本地事务整体回滚。 Saga 将每个成功步骤对应一个业务补偿，例如预留库存对应释放库存。 补偿本身也可能失败和重复，因此同样需要幂等、状态机、有限重试和人工处理。
READY -> RUNNING -> SUCCEEDED
-> RETRY_WAIT -> RUNNING
-> COMPENSATING -> COMPENSATED
-> MANUAL_REVIEW
状态转换使用条件更新，拒绝旧执行者覆盖新状态。 保存每步输入摘要、外部请求 ID、结果和错误，敏感信息脱敏。
五、失败边界与验证
测试覆盖业务提交后进程崩溃、外部调用成功但响应超时、重复调度、重试期间新一轮触发和补偿失败。 验收不是“最终日志显示成功”，而是业务表、外部系统和执行记录一致。
重试风暴会扩大下游故障，应为任务类型和租户设置并发、熔断与重试预算。 永久失败进入死信或人工队列后必须有负责人、修复方式和重放审计。
验收清单
- 每个副作用都有稳定业务幂等键和数据库/下游约束。
- 错误被分类为重试、补偿或人工处理，不无限重试。
- 状态机使用条件更新，过期执行者无法覆盖结果。
- 补偿与人工重放有完整 Trace 和审计。
六、动手验证：先跑通 幂等、重试与补偿，再改变一个变量
前面的章节已经建立问题、概念和机制。现在把“幂等、重试与补偿”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。
6.1 基线与候选只允许一个变量不同
验证“幂等、重试与补偿”时，先固定数据快照、并发条件、客户端配置、拓扑和故障注入点。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。
执行“幂等、重试与补偿”时，动作是：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。原始结果不能只保留截图或汇总分数，必须同步保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验，使下一次复查可以在同一输入上重放。
| 实验要素 | 本文要求 |
|---|---|
| 固定条件 | 固定数据快照、并发条件、客户端配置、拓扑和故障注入点 |
| 唯一变量 | 本次候选方案与基线之间的一项明确差异 |
| 原始证据 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 通过阈值 | 一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用 |
| 立即停止 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 |
6.2 执行前先排除不可比较条件
“幂等、重试与补偿”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。
- 基线能够在“幂等、重试与补偿”的当前环境重复运行。
- 候选只改变一个与“幂等、重试与补偿”结论直接相关的条件。
- “幂等、重试与补偿”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
- “幂等、重试与补偿”的原始输出和失败现场不会被重试、格式化或汇总覆盖。
6.3 执行后先核对证据完整性
结果出来后先检查证据，再讨论“幂等、重试与补偿”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。
| 检查项 | 当前文章的判定 |
|---|---|
| 输入可追溯 | 固定数据快照、并发条件、客户端配置、拓扑和故障注入点 |
| 过程可回放 | 执行正常读写与故障场景，记录查询计划、锁、复制或消费状态 |
| 结果可审计 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
“幂等、重试与补偿”的一次合格基线对照按以下顺序执行：
- 保存“幂等、重试与补偿”基线版本及输入摘要，确认基线本身可以重复运行。
- 写下“幂等、重试与补偿”候选方案唯一变化的变量，以及它预期影响的指标。
- 在同一环境执行“幂等、重试与补偿”：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。
- 为“幂等、重试与补偿”保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验。
- 使用“幂等、重试与补偿”预登记条件判断：一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用。
- 如果“幂等、重试与补偿”未通过，不修改第二个变量，先恢复基线并保留失败现场。
七、用一张矩阵验证 幂等、重试与补偿 的关键结论
矩阵按正文顺序列出“幂等、重试与补偿”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。
| 正文章节 | 已解释的结论 | 本轮唯一变量 | 必须保存的证据 |
|---|---|---|---|
| 幂等键来自业务语义 | 而不是每次都新生成的执行 UUID。 | 只改变与“幂等键来自业务语义”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 重试分类与预算 | 参数非法、权限不足、数据违反业务规则属于永久错误，应直接失败或进入人工队列。 | 只改变与“重试分类与预算”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 补偿不是数据库回滚 | 跨系统步骤无法用本地事务整体回滚。 | 只改变与“补偿不是数据库回滚”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 失败边界与验证 | 测试覆盖业务提交后进程崩溃、外部调用成功但响应超时、重复调度、重试期间新一轮触发和补偿失败。 | 只改变与“失败边界与验证”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| “任务只会执行一次”在分布式系统中不可靠 | “任务只会执行一次”在分布式系统中不可靠。 | 只改变与““任务只会执行一次”在分布式系统中不可靠”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
| 调度超时、执行器崩溃、网络重试和人工补跑都可能重复触发 | 调度超时、执行器崩溃、网络重试和人工补跑都可能重复触发。 | 只改变与“调度超时、执行器崩溃、网络重试和人工补跑都可能重复触发”相关的条件 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 |
7.1 记录本次实际实验
下面的记录用于“幂等、重试与补偿”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。
topic: "幂等、重试与补偿"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "执行正常读写与故障场景，记录查询计划、锁、复制或消费状态"
evidence: "执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验"
pass_when: "一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用"
stop_when: "计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure
7.2 边界实验必须证明能够停止和恢复
成功路径只能证明“幂等、重试与补偿”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致，并观察系统是否在产生不可逆副作用前停止。
| 场景 | 只改变什么 | 应保存什么 | 通过标准 |
|---|---|---|---|
| 正常路径 | 使用已知有效输入 | 执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验 | 一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用 |
| 边界路径 | 把一个输入推进到约束临界值 | 临界值前后的输出与指标 | 不静默降级，不把部分结果冒充成功 |
| 明确失败 | 注入：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 原始错误、首个异常阶段和最终状态 | 失败被正确分类且没有扩大副作用 |
| 恢复重放 | 执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 | 原失败样本的复测证据 | 原样本恢复，正常样本没有回归 |
恢复动作不是简单重启。对于“幂等、重试与补偿”，第一步是：从数据入口、存储状态、复制消费链路和恢复步骤定位根因。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。
“幂等、重试与补偿”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。
八、幂等、重试与补偿 的结果解释
解释“幂等、重试与补偿”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。
| 观察结果 | 可以支持的判断 | 下一步 |
|---|---|---|
| 主链路没有达到预期 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 |
| 异常链路无法恢复 | 计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致 | 先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因 |
| 新样本成功但原样本仍失败 | 修复没有覆盖原始触发条件 | 固定原失败输入，恢复基线后重新比较 |
| 指标改善但证据无法回链 | 数据、版本或中间状态没有固定 | 暂停发布，补齐可追溯记录后重跑 |
“幂等、重试与补偿”只有同时满足“一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用”，并且没有出现“计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。
如果“幂等、重试与补偿”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。
“幂等、重试与补偿”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。
九、幂等、重试与补偿 的发布判断
发布判断需要把“幂等、重试与补偿”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。
- “幂等、重试与补偿”的基线与候选只存在一个计划内变量。
- “幂等、重试与补偿”的输入、代码、依赖、配置和数据版本可以追溯。
- “幂等、重试与补偿”的正常、临界、失败和恢复样本使用同一套断言。
- “幂等、重试与补偿”的原始输出、中间状态和失败现场已经保留。
- “幂等、重试与补偿”的日志、Trace、截图和测试数据已经脱敏。
- “幂等、重试与补偿”的停止条件、负责人和回滚入口已经演练。
- “幂等、重试与补偿”尚未覆盖的输入、权限、容量和外部依赖已经登记。
最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“幂等、重试与补偿”的判断，就不能发布。
十、总结
- 幂等键来自业务语义：幂等键应表达业务动作，例如 tenant_id + statement_date、order_id + action_type，而不是每次都新生成的执行 UUID。
- 重试分类与预算：参数非法、权限不足、数据违反业务规则属于永久错误，应直接失败或进入人工队列。
- 补偿不是数据库回滚：跨系统步骤无法用本地事务整体回滚。
- 失败边界与验证：测试覆盖业务提交后进程崩溃、外部调用成功但响应超时、重复调度、重试期间新一轮触发和补偿失败。
学完自测
选择所有正确答案；提交后逐项核对判断依据。