4. 交易回放核心概念
交易回放不是把生产日志重新打印一遍，而是把一笔交易在特定时间点的输入、上下文、依赖响应和状态变更，按可验证的方式重新驱动一遍。它要回答三个问题：当时发生了什么、为什么发生、如果条件变化结果会怎样。因此，回放工程的核心不在“重放”动作本身，而在于对回放定义、回放粒度、幂等性、状态一致性和可观测性这五个概念的工程化约束。
一、回放定义：从“重演”到“可验证重演”
回放（Replay）是指在受控环境中，使用历史交易的真实输入与依赖快照，重新执行交易处理链路，并对比预期结果与实际结果的过程。它与“重试”有本质区别：重试是同一请求在失败后的再次提交，回放则强调时间可回溯、输入可复现、依赖可冻结。
一个可用的回放系统至少需要四类素材：交易请求报文、交易发生时的系统上下文（渠道、终端、版本、路由）、外部依赖响应快照（如核心记账、风控、汇率）、以及交易前后的状态基线。缺少任何一类，回放都会退化为“猜测式重演”。
二、回放粒度：决定复盘精度与成本
回放粒度指一次回放覆盖的最小业务或技术单元。粒度选择直接决定回放成本、数据准备难度和问题定位能力。常见粒度包括：
- 报文级：仅回放单笔请求报文，适合接口层逻辑验证，但无法覆盖跨服务状态。
- 交易级：以一笔完整交易为单元，包含请求、内部调用、外部依赖和最终状态，是最常用的复盘粒度。
- 批次级：以日终批、对账批或清算批为单位，适合批量事故与数据倾斜问题。
- 链路级：覆盖从渠道到核心的完整调用链，适合分布式事务与超时类事故。
粒度并非越细越好。粒度过细会导致依赖快照爆炸、回放环境难以搭建；粒度过粗则无法定位到具体分支。实践中建议采用“交易级为主、链路级为辅、批次级按需”的分层策略。
三、幂等性：回放不制造“二次伤害”
回放最危险的风险是“回放即生产”：一笔已成功的扣款被再次执行，导致重复扣款。因此，回放链路必须具备幂等性。幂等性在回放中的含义是：同一笔交易无论回放多少次，对业务状态的最终影响与回放一次相同。
实现幂等通常依赖三类机制：
- 唯一业务键：以交易流水号、请求ID或全局事务ID作为幂等键，在入口处拦截重复请求。
- 状态机前置校验：回放前检查目标状态是否已处于终态，若已终态则直接返回历史结果。
- 沙箱隔离：回放环境使用影子表、影子账户或独立命名空间，物理上避免污染生产数据。
-- 回放前状态校验示例
SELECT txn_id, status, updated_at
FROM txn_record
WHERE txn_id = 'T20240518000123'
AND status IN ('SUCCESS','FAILED','CLOSED');
-- 若返回终态记录，则本次回放标记为 SKIPPED，不进入执行链路
四、状态一致性与可观测性：让回放结论可被信任
状态一致性要求回放前后的状态基线可定义、可采集、可对比。回放前需冻结基线快照，回放后需采集结果快照，并通过差异比对判断回放是否复现了原问题。常见对比维度包括：账户余额、订单状态、流水记录、积分、额度、消息队列偏移量。
可观测性则是回放工程的“证据链”。没有可观测性，回放只能得到“成功/失败”的粗结论；具备可观测性，才能回答“在哪一步、哪个分支、哪个依赖上发生了偏差”。回放可观测性通常包括四层：
| 层级 | 观测对象 | 典型数据 | 用途 |
|---|---|---|---|
| 日志层 | 交易日志、异常栈 | traceId、错误码、耗时 | 定位失败点 |
| 指标层 | 成功率、耗时、TPS | 回放对比指标 | 判断偏差程度 |
| 链路层 | 调用链、依赖响应 | span、上下游服务 | 还原调用路径 |
| 快照层 | 状态基线、依赖快照 | 账户、订单、汇率 | 验证状态一致性 |
五、案例与常见误区
某银行信用卡分期交易出现偶发失败。团队最初直接在生产日志中搜索错误码，无法复现。后改为交易级回放：冻结当日汇率、风控规则版本和额度快照，使用影子账户重放该笔交易，最终定位为风控规则在特定商户类别下返回超时，导致主链路降级失败。该案例说明：回放的价值不在“重跑”，而在“控制变量后重跑”。
常见误区包括：
- 把回放当重试，忽略幂等保护，造成重复记账。
- 只回放请求报文，不冻结外部依赖，导致结果不可比。
- 粒度选择过粗，批次级回放掩盖单笔分支问题。
- 缺少状态基线快照，回放后无法判断是否真正复现。
- 可观测性不足，回放结论无法形成可审计证据。
掌握这五个核心概念后，后续的回放平台设计、数据采集、环境隔离和事故复盘流程，才有统一的判断标准。