3、错误处理哲学：分布式系统中错误处理的黄金法则、幂等性、补偿与重试策略

在分布式审批流系统中，网络抖动、服务宕机、数据不一致是常态而非异常。错误处理不是“事后补救”，而是状态机设计的核心骨架。本章从哲学层面提炼三条黄金法则，并深入幂等性、补偿与重试三大实战策略。

3.1 分布式错误处理的黄金法则

任何分布式操作都必须遵循以下三条法则，它们构成了错误处理决策树的根节点：

3.2 幂等性：状态机的防重盾牌

幂等性是分布式错误处理的基石。在审批流中，最常见的非幂等场景是“重复回调”与“重复提交”。

3.2.1 幂等实现的三种模式

// 唯一键去重示例（伪代码）
public boolean handleApprovalCallback(String approvalId, String nodeId) {
    String uniqueKey = approvalId + ":" + nodeId + ":APPROVED";
    try {
        // 数据库唯一约束保证幂等
        insertIntoEventLog(uniqueKey, "PROCESSING");
        // 执行实际状态转移
        stateMachine.transit(approvalId, nodeId, Event.APPROVE);
        updateEventLog(uniqueKey, "SUCCESS");
        return true;
    } catch (DuplicateKeyException e) {
        // 重复回调，直接返回成功
        log.warn("幂等拦截：重复回调 {}", uniqueKey);
        return true;
    }
}

3.3 补偿策略：优雅回滚的艺术

当状态机执行到一半，某个下游服务失败且无法重试时，补偿是唯一出路。补偿不是简单的“删除数据”，而是执行一个业务语义上的反向操作。

3.3.1 补偿的三种粒度

• 事务级补偿： 在单个数据库事务内，通过 try-catch 直接回滚。适用于本地事务。
• 服务级补偿： 调用下游服务的“撤销”接口（如退款、取消订单）。适用于跨服务调用。
• 流程级补偿： 启动一个反向的审批流（如“撤回申请”），将整个流程恢复到上一个稳定状态。

3.4 重试策略：有限度的坚持

重试是应对瞬时故障的首选策略，但必须遵循“有限度、有间隔、有熔断”的原则。

3.4.1 重试策略对比

3.5 错误处理全景图

以下 SVG 图展示了从“操作发起”到“最终一致”的完整错误处理决策路径，包含幂等、重试与补偿的协同关系。

3.6 策略组合：从理论到实战

单一策略无法应对所有故障。以下表格展示了不同故障场景下的策略组合推荐：