1. Saga 模式概述
1.1 Saga 模式的定义
Saga 是一种用于管理分布式事务的长时事务（Long-Running Transaction, LRT）模式。它将一个全局事务拆分为一组有序的本地事务（Local Transaction），每个本地事务对应一个服务调用，并为每个本地事务定义一个补偿事务（Compensation Transaction）。当某个本地事务失败时，Saga 会依次执行已成功事务的补偿操作，从而回滚整个业务流程。
核心思想：Saga 通过“可补偿的事务序列”替代传统数据库的全局锁与两阶段提交，在微服务架构中实现最终一致性。
1.2 Saga 在分布式事务中的角色
在分布式事务体系中，Saga 主要承担以下角色：
- 事务编排者：协调多个微服务之间的本地事务执行顺序，决定何时提交、何时触发补偿。
- 失败恢复引擎：当业务链路中任意节点发生异常时，Saga 引擎自动反向执行补偿事务，保证数据最终一致。
- 超时与重试管理者：为每个本地事务设置超时阈值，超时后触发重试或补偿，防止事务长时间挂起。
- 状态追踪器：记录每个 Saga 实例的执行状态（Pending / Running / Completed / Compensating / Failed），提供可观测性。
1.3 Saga 与 TCC / 2PC 的对比
下表从多个维度对比 Saga、TCC（Try-Confirm-Cancel）和 2PC（两阶段提交）三种主流分布式事务方案：
| 对比维度 | Saga | TCC | 2PC |
|---|---|---|---|
| 事务模型 | 长时事务 + 补偿 | 预留 + 确认 / 取消 | 短时事务 + 全局锁 |
| 一致性级别 | 最终一致性 | 最终一致性 | 强一致性 |
| 资源锁定 | 无全局锁，本地事务正常提交 | Try 阶段预留资源，Confirm/Cancel 释放 | Prepare 阶段锁定资源，Commit/Rollback 释放 |
| 隔离性 | 弱隔离（需业务层处理脏读） | 中等隔离（预留机制可防脏写） | 强隔离（全局锁阻塞并发） |
| 性能开销 | 低（无锁、异步补偿） | 中（Try 阶段需额外资源预留） | 高（全局锁 + 网络往返） |
| 超时处理 | 本地事务超时 → 补偿 | Try 超时 → Cancel；Confirm 超时 → 重试 | Prepare 超时 → Rollback；Commit 超时 → 阻塞 |
| 适用场景 | 长流程、高并发、可补偿业务 | 短流程、资源敏感、需预留业务 | 短事务、强一致性要求、低并发 |
| 典型实现 | Seata Saga、Eventuate Tram | Seata TCC、Hmily | XA、JTA、Atomikos |
选型建议：在压测场景中，Saga 因其无锁特性和异步补偿机制，通常比 2PC 具有更高的吞吐量；但需要额外关注超时配置对补偿链路的放大效应（详见后续章节）。
1.4 Saga 执行流程示意图
下图展示了一个包含 3 个本地事务的 Saga 正向执行与补偿回滚流程：
1.5 Saga 的两种编排模式
Saga 的实现分为两种主流编排模式，在压测场景中需分别对待：
| 编排模式 | 控制方式 | 优点 | 缺点 | 压测关注点 |
|---|---|---|---|---|
| Choreography（ choreography） | 事件驱动，各服务监听事件并自行决定下一步 | 去中心化、耦合低、扩展性好 | 事件流难以追踪、补偿逻辑分散 | 事件总线吞吐量、消息丢失率、补偿延迟 |
| Orchestration（编排） | 中心化协调器（Orchestrator）统一调度 | 流程可视、补偿集中、超时控制精确 | 协调器单点瓶颈、编排逻辑复杂 | 协调器 QPS、超时队列积压、状态机性能 |