Yingc站点

幂等不是重试:把副作用关进笼子

「这个接口是幂等的」——这句话在评审里出现的频率很高,但十次里有六次,说的人真正想表达的是「重复调用不会报错」。

这两件事完全不同。不报错只是表面,幂等要求的是重复执行产生与单次执行相同的效果。中间差了整整一层副作用管理。

一个真实的漏洞

某次批量任务重试,导致同一笔订单被扣了两次款。代码长这样:

def process_order(order_id):
    order = repo.get(order_id)
    if order.status == "paid":
        return  # 这里以为已经幂等了

    gateway.charge(order.amount)   # 外部调用
    order.status = "paid"
    repo.save(order)

问题在于 charge 和 save 之间没有原子性。如果进程在扣款成功后崩溃,订单状态还是 pending,重试时会再扣一次。

幂等的三个层次

层次 做法 能防住什么
请求层 幂等键去重 同一个请求被重复提交
状态层 状态机 + 条件更新 并发写入互相覆盖
副作用层 外部调用的唯一凭证 扣款、发短信、写第三方系统

三层缺一层,就有漏洞。

请求层:幂等键

客户端生成一个唯一键,服务端存起来。同一个键第二次进来直接返回第一次的结果。

def handle(req):
    key = req.headers.get("Idempotency-Key")
    if not key:
        raise BadRequest("missing idempotency key")

    cached = store.get(key)
    if cached:
        return cached

    result = do_business(req)
    store.set(key, result, ttl=86400)
    return result

注意 store.set 必须在业务成功后执行,否则失败的请求会被缓存成成功。

状态层:条件更新

不要「读-判断-写」,要用带条件的原子更新。

UPDATE orders
   SET status = 'paid'
 WHERE id = ?
   AND status = 'pending';

检查受影响行数:返回 0 说明状态已经变了,本次是重复操作,直接退出。

这比在应用层加锁简单得多,也不需要分布式锁。

副作用层:最容易被忽略

数据库能回滚,外部调用不能。所以每次调用外部系统都要带一个业务唯一标识。

gateway.charge(
    amount=order.amount,
    idempotency_key=f"order-{order.id}-charge",
)

支付网关收到相同的 key 会返回第一次的结果,不会重复扣款。如果对方不支持幂等键,就只能自己在本地记录「已调用」的状态,并且做好对账。

补偿不能代替幂等

很多人第一反应是「出了问题补偿一下就行」。但补偿本身也是副作用,也需要幂等。

  • 补偿脚本跑两遍,会不会退两次钱
  • 补偿失败后重试,怎么知道上次是不是已经成功
  • 补偿和正向流程并发,谁先谁后

没想清楚这三个问题,补偿只是把问题推后。

自愈的前提

自愈系统真正依赖的不是重试次数,而是「任何一步都能安全重放」。这要求:

  1. 每个操作有唯一标识,可以判断是否执行过
  2. 状态流转是单向的,不会来回跳
  3. 外部调用有幂等凭证或可对账的记录

满足这三条,重试才是安全的;不满足,重试就是在放大故障。

幂等是设计出来的,不是测出来的。等到线上开始重复扣款,再补检查逻辑,成本会高一个数量级。

上线前检查清单

  • 写接口是否接受幂等键?键的存储 TTL 是否覆盖最大重试窗口?
  • 状态更新是否带条件?是否检查了受影响行数?
  • 所有外部调用是否带唯一凭证?对方是否真的支持?
  • 消息队列的消费端是否做了去重?重复投递会怎样?
  • 补偿脚本能否重复执行?

这五条过一遍,比写一百个重试分支有用。

发表评论