4. 边界故障定义：什么是边界故障、时序竞争、网络分区、数据滞后
在基于 PostgreSQL 逻辑复制的缓存一致性架构中，系统并非始终运行在理想状态。当组件间的协调出现偏差，或外部环境发生异常时，就会触发边界故障。本章明确定义四种核心边界故障类型，它们是后续故障排查的认知基础。
4.1 边界故障（Boundary Fault）
边界故障是指系统在正常操作与异常崩溃之间的临界状态下发生的故障。它不是持续性的错误，而是在特定条件组合下短暂出现、又可能自行恢复的异常行为。在逻辑复制驱动缓存的场景中，边界故障通常表现为：
- 数据短暂不一致：缓存与数据库在同一时刻返回不同值。
- 复制延迟抖动：WAL 日志正常写入，但 apply worker 因资源竞争暂停。
- 连接闪断：发布端与订阅端之间的 TCP 连接短暂中断后重建。
排查要点：边界故障往往不留下明显的错误日志，而是表现为“偶发性的业务异常”。排查时需要关注时间窗口内的并发操作序列，而非单一事件。
4.2 时序竞争（Race Condition）
时序竞争发生在多个并发操作对同一数据资源的访问顺序不确定时，导致结果依赖于不可控的执行时序。在逻辑复制架构中，典型的时序竞争场景包括：
- 缓存更新 vs. 复制到达：应用直接更新数据库后立即读取缓存，但逻辑复制的变更尚未到达缓存层。
- DDL 变更 vs. 复制槽位：在发布端执行 ALTER TABLE 时，订阅端的 apply worker 可能正在处理旧结构的 WAL 记录。
- 故障转移 vs. 复制偏移：主库切换时，新主库的复制槽位可能尚未同步旧主库的 LSN 偏移量。
| 时序竞争类型 | 触发条件 | 典型后果 |
|---|---|---|
| 读-写竞争 | 缓存读取与复制写入同时进行 | 缓存返回旧数据（stale read） |
| 写-写竞争 | 两个应用同时更新同一行 | 复制冲突导致 apply worker 停止 |
| DDL-DML 竞争 | 表结构变更与数据变更同时复制 | 订阅端解码失败，复制中断 |
4.3 网络分区（Network Partition）
网络分区是指分布式系统中部分节点之间的网络连接完全中断或严重降级，导致集群被分割成两个或多个无法通信的子集。在逻辑复制场景中，网络分区的影响具有层级性：
- 发布端与订阅端之间：WAL 数据无法传输，订阅端复制槽位持续增长，磁盘可能被撑满。
- 订阅端内部：如果订阅端使用集群模式（如 Patroni），网络分区可能导致多个订阅端同时尝试连接发布端。
- 缓存层与订阅端之间：缓存失效消息无法送达，缓存与数据库的差异持续扩大。
关键风险：网络分区恢复后，大量积压的 WAL 数据会瞬间涌入订阅端，可能导致 apply worker OOM 或复制延迟飙升。建议在订阅端配置 max_replication_slots 和 max_logical_replication_workers 的合理上限。
4.4 数据滞后（Data Lag）
数据滞后是指订阅端的数据状态落后于发布端的时间差或行数差。在逻辑复制中，滞后是常态而非异常，但当滞后超过业务容忍阈值时，就构成了边界故障。数据滞后的度量方式包括：
- 时间滞后：订阅端最后应用的 WAL 时间戳与发布端当前时间的差值。
- LSN 偏移：发布端 flush_lsn 与订阅端 received_lsn 之间的差距。
- 事务积压：尚未在订阅端回放的事务数量。
| 滞后类型 | 监控指标 | 常见原因 |
|---|---|---|
| WAL 传输滞后 | pg_stat_replication.write_lag | 网络带宽不足、发布端 WAL 生成过快 |
| WAL 回放滞后 | pg_stat_subscription.lsn_lag | 订阅端 CPU/IO 瓶颈、DDL 冲突 |
| 缓存同步滞后 | 缓存 TTL + 复制延迟 | 缓存失效消息队列积压 |
4.5 四种边界故障的关系矩阵
在实际生产环境中，这四种边界故障往往相互诱发、叠加出现。理解它们之间的关系有助于快速定位根因：
| 触发因素 | 边界故障 | 时序竞争 | 网络分区 | 数据滞后 |
|---|---|---|---|---|
| 边界故障 | — | 并发操作时序不确定 | 连接闪断导致临时分区 | 短暂滞后后自动恢复 |
| 时序竞争 | 读写顺序错误 | — | 竞争导致连接超时 | 缓存更新被跳过 |
| 网络分区 | 复制完全中断 | 分区恢复后大量冲突 | — | 滞后持续增长 |
| 数据滞后 | 业务读到旧数据 | 滞后窗口内读写竞争 | 滞后加剧分区风险 | — |
核心结论：边界故障是“症状”，时序竞争是“机制”，网络分区是“环境”，数据滞后是“度量”。排查时从数据滞后指标入手，反向追溯是否存在时序竞争或网络分区，是最高效的路径。