分布式系统服务间通信中断处理：电商与仓库场景常用算法有哪些？

以下是实际业务中解决这类分布式一致性问题的常用方案：

• 幂等性设计
  给每笔库存扣减请求分配唯一的请求ID，仓库服务收到请求时先校验该ID的处理记录：如果已经处理过，直接返回成功响应；未处理则执行扣减。这样商店在重试请求时，既不会重复扣减库存，还能获取到之前的处理结果。

• 消息队列+最终一致性
  商店完成客户支付后，把库存扣减指令存入本地持久化的消息队列，先给客户返回“支付成功，等待发货”的反馈。仓库服务持续监听队列，处理完库存扣减后，再发送发货确认消息给商店。商店收到消息后更新订单状态，若中间出现失败，队列会自动重试，直到双方状态最终对齐。

• 状态查询补偿机制
  商店设置定时任务，针对未确认状态的订单，主动向仓库发起库存扣减状态查询。仓库根据订单号或请求ID返回结果：如果库存已扣减，商店就更新订单为发货状态并通知客户；如果未处理，就重新发起扣减请求。

• TCC分布式事务协议
  采用Try-Confirm-Cancel三段式流程：

  • Try阶段：仓库锁定对应数量的库存，确保后续可执行扣减；
  • Confirm阶段：商店收到Try成功的响应后，触发Confirm操作，仓库正式扣减库存；若未收到响应，商店可重试Confirm或触发Cancel；
  • Cancel阶段：若订单取消或超时，仓库释放锁定的库存。
    通过这种补偿机制保证事务最终一致。

• 本地事件表+重试机制
  商店发起库存扣减前，先把“待扣减库存”的订单事件写入本地数据库的事件表。之后发起请求，若请求失败，定时任务会扫描事件表中的未完成事件，不断重试请求，直到收到仓库的响应，再更新事件状态为完成。

内容的提问来源于stack exchange，提问作者Andrei