Saga补偿事务超时与连接池水位故障排查 - 第4节

4.1 Saga 执行状态的存储模型

Saga 状态机需要将运行时状态持久化到外部存储，才能在参与者宕机、网络中断或进程重启后恢复执行。常见的存储后端包括关系数据库（MySQL、PostgreSQL）、NoSQL（Redis、MongoDB）以及分布式 KV 存储（etcd、ZooKeeper）。

4.2 状态机转换图

标准 Saga 状态机包含 6 个核心状态，转换路径由正向执行和补偿回滚两条主线构成。下图展示了完整的转换拓扑：

4.3 异常状态处理策略

当 Saga 执行过程中出现超时、业务异常或系统崩溃时，状态机需要进入异常处理分支。以下是三种典型异常场景及其处理方式：

• 步骤超时： 正向操作或补偿操作超过配置的超时阈值（如 30s），状态机将当前步骤标记为 TIMEOUT，并立即触发补偿流程。超时记录需写入持久化表，用于后续重试或告警。
• 业务异常： 参与者返回明确的业务错误码（如余额不足、库存锁定失败），状态机直接进入 COMPENSATING 状态，按逆序执行已成功步骤的补偿操作。
• 系统崩溃： Saga 协调器进程异常退出，重启后通过 saga_id 从持久化存储加载状态。若发现状态为 EXECUTING 且超时未完成，则自动转入 COMPENSATING；若为 COMPENSATING 则继续执行未完成的补偿步骤。

4.4 持久化表结构设计示例

以下是一个基于 MySQL 的 Saga 持久化表设计，覆盖实例元数据、步骤日志和异常记录三个核心维度：

-- Saga 实例主表
CREATE TABLE saga_instance (
    saga_id         VARCHAR(64) PRIMARY KEY,
    name            VARCHAR(128) NOT NULL,
    version         INT NOT NULL DEFAULT 0,
    current_state   VARCHAR(32) NOT NULL,
    payload         JSON,
    created_at      DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP,
    updated_at      DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

-- Saga 步骤执行日志
CREATE TABLE saga_step_log (
    id              BIGINT AUTO_INCREMENT PRIMARY KEY,
    saga_id         VARCHAR(64) NOT NULL,
    step_index      INT NOT NULL,
    action          VARCHAR(64) NOT NULL,   -- 'forward' 或 'compensate'
    status          VARCHAR(32) NOT NULL,   -- 'PENDING','SUCCESS','FAILED','TIMEOUT'
    retry_count     INT NOT NULL DEFAULT 0,
    error_message   TEXT,
    started_at      DATETIME,
    finished_at     DATETIME,
    INDEX idx_saga_id (saga_id)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

-- Saga 异常告警记录
CREATE TABLE saga_alert (
    id              BIGINT AUTO_INCREMENT PRIMARY KEY,
    saga_id         VARCHAR(64) NOT NULL,
    alert_type      VARCHAR(32) NOT NULL,   -- 'TIMEOUT','MAX_RETRY','ABORTED'
    detail          JSON,
    created_at      DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

4.5 故障恢复流程

当 Saga 协调器重启后，需要执行以下恢复步骤：

1. 加载未完成实例： 查询 current_state IN ('EXECUTING','COMPENSATING') 的 Saga 实例。
2. 判断超时： 对比 updated_at 与当前时间，若超过超时阈值（如 60s），则标记为超时。
3. 恢复执行： 对于 EXECUTING 实例，从 step_log 中找出最后一个成功步骤，然后继续正向执行或转入补偿。
4. 幂等补偿： 对于 COMPENSATING 实例，跳过已成功的补偿步骤，只执行未完成的补偿操作。
5. 记录恢复日志： 将恢复动作写入 saga_alert 表，便于事后审计。