分布式系统保证数据强一致性的示例

分布式系统如何保证事务一致性（常见模式）

在分布式系统（多个服务、消息队列、外部系统）里，强一致性事务（跨服务跨 DB 的分布式事务）通常代价高且难以扩展，常用实践是采用最终一致性与补偿机制：

常见方案（可组合）：

1. 事务性 Outbox + Message Relay（推荐）

   • 写 DB 和 outbox 在同一事务，异步投递消息（见上）。保证“数据先写入 DB，消息可靠发送”。

2. Saga 模式

   • 编排式 Saga（有协调者）或编舞式 Saga（事件驱动）。每个步骤都可做局部事务，失败时调用补偿动作回滚先前步骤。

3. 两阶段提交（2PC）

   • 可提供强一致性，但实现复杂、性能差、可用性低。生产环境中一般不推荐跨服务频繁使用。

4. 幂等与去重

   • 所有消费者实现幂等（通过 idempotency key / unique constraint）和去重，允许消息重试而不产生副作用。

5. 消息确认与重试策略

   • 在 RabbitMQ 使用 manual ack、Dead Letter Exchanges、限速、backoff。

6. 分布式事务协调器或 TCC（Try/Confirm/Cancel）

   • 适用于某些场景，但实现复杂，需要各服务实现 try/confirm/cancel。

7. CDC（Change Data Capture）+ Event Streaming

   • 用 Debezium 等把 DB 变更转为事件流，保证 eventual consistency。

整体架构优点

1. 异步削峰

   • 前置逻辑（余额扣减 + 送礼记录 + MQ 投递）同步完成；

   • 其余分账、钻石消耗、消息广播等用 RabbitMQ 异步处理，减轻主流程压力。

2. 幂等与容错考虑

   • 你设计了“定时任务补偿”来应对 MQ 异常、网络中断等问题；

   • 异步消息中消费逻辑分步清晰（记录钻石消费、收益、分值等）。

3. 数据一致性

   • 扣余额 + 插入赠送记录在同一个事务；

   • 异步消费通过幂等补偿实现最终一致性。