Saga 模式入门：解决分布式事务的聪明办法

在开发系统时，你可能遇到过这样的问题：

用户下单时，需要同时扣减库存、生成订单、创建支付信息。如果中间有一步失败了，整个流程该怎么办？

在单体应用里，我们可以用 数据库事务 来“全部成功或全部失败”。但在 分布式系统 中，不同服务用的可能是不同数据库、部署在不同服务器上，传统事务就不再适用了。

这时，就需要用到一种新的事务解决方案——Saga 模式。

---

一、什么是 Saga 模式？

Saga 模式是一种分布式事务解决方案，用于在多个服务之间协调事务的执行。

它的核心思想是：

把一个大事务拆成多个小事务，每个小事务都成功了才算成功；如果中间失败了，就执行相应的“补偿操作”把之前做过的事“撤销”掉。

通俗一点来说：

“一步错了，退一步”，每走一步都准备好“退回去”的方法。

---

二、举个简单的生活例子

想象你在网上买东西，流程如下：

1. 扣库存
2. 创建订单
3. 发起支付

如果第3步失败了，就需要：

• 把订单取消
• 把库存加回来

这就是一个 Saga 模式的完整流程：每一步操作都配有“撤回动作”。

---

三、Saga 模式的工作方式

Saga 模式将一个大事务拆分成多个“局部事务（Local Transaction）”，每个事务包含：

• 执行动作（Action）：比如“扣库存”、“创建订单”
• 补偿动作（Compensation）：比如“恢复库存”、“取消订单”

Saga 有两种主要实现方式：

模式	描述	特点
1. 编排模式（Orchestration）	一个中心服务负责调度所有子事务的执行和补偿	控制集中、流程清晰
2. 协作模式（Choreography）	每个服务自己决定下一步该通知谁，自己负责补偿	松耦合、灵活性高

---

四、Saga 模式和传统事务的区别

对比项	传统数据库事务	Saga 模式
场景	单体应用	分布式系统
技术基础	数据库的 ACID	服务之间的协调
整体回滚	数据库自动	需要自己编写补偿逻辑
性能	相对慢，锁资源多	性能好，不锁分布式资源
实现难度	简单	相对复杂，需要编写补偿操作

---

五、Saga 模式适用场景

• 电商平台：下单、扣库存、支付等多个服务协作
• 金融系统：转账需要跨银行、跨系统操作
• 旅游平台：机票、酒店、租车等联合预订
• 企业服务系统：一个业务流程涉及多个子系统

---

六、Saga 实现中的关键点

1. 补偿逻辑要完整可靠

每个服务都要有“撤销功能”，比如订单取消、库存恢复等。

2. 避免部分成功导致脏数据

在发生失败后，补偿必须执行，避免系统数据不一致。

3. 考虑幂等性

比如：取消订单操作要幂等（多次调用结果一样），避免补偿失败或重复执行出问题。

4. 异步处理 + 重试机制

Saga 模式通常是异步的，要考虑失败重试和状态监控。

---

七、一个代码层面的简单流程（伪代码）

try:
    扣库存()  → 成功
    创建订单() → 成功
    创建支付() → 失败！
    // 开始补偿
    取消订单()
    恢复库存()
except:
    log("事务失败，已补偿")

这就是一个典型的 Saga 编排流程。

---

八、开源框架推荐

想实际使用 Saga，可以选择一些成熟的框架，比如：

• Seata（阿里）：支持 AT/TCC/Saga/XA 四种事务模式
• Axon Framework（Java）：支持 Saga 的事件驱动模型
• MicroProfile LRA（Java EE）：微服务中的长事务规范
• Netflix Conductor：编排型 Saga 工作流引擎

---

九、总结

特点	内容
定义	Saga 是一种分布式事务协调模式，按步骤执行、失败补偿
原理	一个大事务 = 一系列局部事务 + 补偿操作
优点	不锁资源、高性能、适合分布式场景
难点	需要开发补偿逻辑，测试复杂性提升
适合谁	涉及多个微服务协同处理的业务系统

---

十、建议给初学者的学习步骤

1. 理解本地事务和分布式事务的区别
2. 学会画出完整的业务流程图
3. 练习写出每一步的补偿逻辑
4. 使用消息队列或工作流框架模拟 Saga 执行
5. 尝试用 Seata 等框架做简单项目实践

---

Saga 模式是分布式系统中保持“最终一致性”的聪明办法，它不追求一瞬间的一致，而是允许过程中的不一致，但保证最终状态是对的。