4、错误处理原则：幂等性设计、重试策略、熔断降级、补偿事务、最终一致性保证

在数据库缓存异步任务编排的移植适配中，错误处理不再是孤立的异常捕获，而是一套贯穿数据流、任务流与状态流的系统性原则。本章围绕五个核心原则展开，它们共同构成了分布式环境下错误处理的“安全网”。

4.1 幂等性设计：重复执行等于一次执行

幂等性是错误处理的第一道防线。在异步任务编排中，网络超时、节点宕机、消息重复投递是常态。如果一个操作不是幂等的，重试就会导致数据不一致（如重复扣款、重复插入）。

4.1.1 幂等性实现策略对比

4.1.2 幂等性在异步任务中的典型实现

// 基于去重表的幂等消费示例
public boolean processTask(String taskId, TaskPayload payload) {
    // 1. 尝试插入幂等记录（taskId为主键）
    boolean inserted = idempotentDao.tryInsert(taskId);
    if (!inserted) {
        // 已处理过，直接返回成功
        log.info("Task {} already processed, skip.", taskId);
        return true;
    }
    try {
        // 2. 执行业务逻辑
        doBusinessLogic(payload);
        // 3. 更新幂等记录状态为成功
        idempotentDao.updateStatus(taskId, Status.SUCCESS);
        return true;
    } catch (Exception e) {
        // 4. 失败时删除幂等记录，允许重试
        idempotentDao.delete(taskId);
        throw e;
    }
}

4.2 重试策略：可控的重复执行

重试是应对瞬时故障（网络抖动、连接池满、服务重启）最直接的手段。但无限制的重试会导致雪崩效应，因此必须设计有退避、有上限、有熔断的重试策略。

4.2.1 重试策略参数对比

4.2.2 重试策略代码模板

// 指数退避 + 抖动重试
public RetryResult retryWithExponentialBackoff(
        Callable<Boolean> task, int maxRetries, long baseDelayMs) {
    Exception lastException = null;
    for (int attempt = 0; attempt <= maxRetries; attempt++) {
        try {
            boolean success = task.call();
            if (success) {
                return RetryResult.success(attempt);
            }
        } catch (Exception e) {
            lastException = e;
            log.warn("Attempt {} failed: {}", attempt, e.getMessage());
        }
        if (attempt < maxRetries) {
            long delay = (long) (baseDelayMs * Math.pow(2, attempt));
            long jitter = (long) (delay * 0.2 * Math.random());
            Thread.sleep(delay + jitter);
        }
    }
    return RetryResult.failure(maxRetries, lastException);
}

4.3 熔断降级：保护系统不被拖垮

当下游服务持续故障时，重试只会加剧问题。熔断器（Circuit Breaker）通过监控失败率，在达到阈值后快速拒绝请求，让系统有时间恢复。

4.3.1 熔断器状态机

4.3.2 熔断降级配置示例

// 使用 Resilience4j 熔断器配置
CircuitBreakerConfig config = CircuitBreakerConfig.custom()
    .failureRateThreshold(50)           // 失败率阈值 50%
    .waitDurationInOpenState(Duration.ofSeconds(30))  // 打开状态持续时间
    .slidingWindowSize(10)              // 滑动窗口大小（最近10次调用）
    .minimumNumberOfCalls(5)            // 最少调用次数后才开始计算
    .permittedNumberOfCallsInHalfOpenState(3)  // 半开状态允许的请求数
    .build();

CircuitBreaker circuitBreaker = CircuitBreaker.of("cacheService", config);

// 降级逻辑：当熔断器打开时，返回缓存中的旧数据或默认值
Supplier<String> decorated = CircuitBreaker.decorateSupplier(
    circuitBreaker, () -> remoteService.call()
);
String result = Try.ofSupplier(decorated)
    .recover(throwable -> cache.getLocalFallback())
    .get();

4.4 补偿事务：逆向操作的可靠性

在异步任务编排中，一个长流程可能跨越多个服务（如：扣库存 → 生成订单 → 发送消息）。如果中间步骤失败，需要执行补偿操作（回滚已成功的步骤）。补偿事务（Saga）是分布式事务的最终一致性方案。

4.4.1 补偿事务模式对比

4.4.2 补偿事务执行流程

4.5 最终一致性保证：从理论到实践

最终一致性是分布式系统在可用性和分区容忍性下的必然选择。它不要求数据在所有节点实时一致，而是保证在没有新更新的情况下，经过一段时间后数据达到一致。

4.5.1 最终一致性的实现层次

4.5.2 最终一致性保证的检查清单

• 幂等性： 所有操作（包括补偿）必须幂等，确保重复执行不产生副作用。
• 可靠投递： 消息队列必须支持至少一次投递（At-Least-Once），配合去重实现恰好一次（Exactly-Once）。
• 状态持久化： 任务状态、补偿状态必须持久化到数据库，防止节点宕机丢失进度。
• 超时与重试： 每个步骤设置超时时间，超时后触发重试或补偿。
• 监控与告警： 对长时间未达到一致的数据进行监控，触发人工介入。

4.5.3 最终一致性在缓存场景中的实践

// 缓存与数据库最终一致性示例（Cache-Aside + 异步补偿）
public class CacheConsistencyManager {
    private final Cache cache;
    private final Database db;
    private final MessageQueue mq;

    public void updateData(String key, String newValue) {
        // 1. 先更新数据库
        db.update(key, newValue);
        // 2. 发送缓存失效消息（异步）
        mq.send(new CacheInvalidateMessage(key));
        // 3. 如果缓存失效失败，由消费者重试
    }

    // 消息消费者
    @EventListener
    public void handleCacheInvalidate(CacheInvalidateMessage msg) {
        try {
            cache.delete(msg.getKey());
        } catch (Exception e) {
            // 重试或进入死信队列
            mq.retryOrDlq(msg);
        }
    }

    // 定时对账任务（兜底）
    @Scheduled(fixedDelay = 60000)
    public void reconcile() {
        List<String> keys = db.getRecentlyUpdatedKeys();
        for (String key : keys) {
            String dbValue = db.get(key);
            String cacheValue = cache.get(key);
            if (!Objects.equals(dbValue, cacheValue)) {
                // 不一致，强制刷新缓存
                cache.set(key, dbValue);
                log.warn("Reconciled cache for key: {}", key);
            }
        }
    }
}

4.6 五大原则协同关系

这五个原则不是孤立的，它们共同构成了一个完整的错误处理体系：

• 幂等性 是基础，让重试和补偿成为可能。
• 重试策略 处理瞬时故障，但需要熔断器防止雪崩。
• 熔断降级 保护系统整体稳定性，降级后通过补偿恢复。
• 补偿事务 处理跨服务的长流程失败，保证最终一致性。
• 最终一致性 是目标，通过前四个原则的组合实现。