Choreography Saga中Compensatable Transaction遇系统Bug的补偿处理问询

核心原则先明确 #

Saga的补偿机制是为业务预期内的失败场景设计的，本质是保证分布式事务的最终一致性；而空指针、OOM这类系统级Bug属于非预期的技术故障，两者的处理逻辑要彻底分开。

不同故障场景的处理方式 #

• 业务规则不满足的失败：比如余额不足、库存超卖、参数不符合业务规范等，属于流程内可预见的失败，必须触发*FailedEvent启动补偿动作链，这是Saga模式的核心价值。
• 系统级Bug引发的故障：空指针、内存溢出、数据库连接耗尽这类问题，绝对不能触发自动补偿：
  • 这类故障会导致当前事务的执行状态完全不可控（比如不知道某一步到底有没有执行成功），自动补偿极可能引发重复执行、数据错乱等二次问题；
  • 这类问题本质是代码或配置缺陷，必须通过修复Bug、重启服务、恢复数据等手动运维流程解决，业务补偿逻辑对此无能为力。

全局异常处理器的优化方向 #

不需要在全局异常处理器里加通用错误事件来触发补偿，反而要做异常分类处理：

• 只对自定义业务异常（比如BusinessRuleFailedException）发布对应的*FailedEvent，触发补偿；
• 捕获到系统异常时，重点做故障留存和告警：记录完整错误栈、事务上下文、请求参数，同时触发运维告警（邮件、监控平台推送），但不要发布任何补偿相关事件；
• 可额外发布SystemErrorEvent专门用于运维监控，但这个事件和Saga补偿完全无关，仅用于故障通知。

实践补充建议 #

• 代码层面严格区分业务异常和系统异常，避免模糊边界；
• 给每个Saga事务添加状态标记（比如PROCESSING/SUCCESS/BUSINESS_FAILED/SYSTEM_FAILED），方便运维快速定位故障类型；
• 预留手动干预入口，当系统异常导致Saga中断时，等Bug修复后，可通过后台人工操作完成事务的重试或回滚。

内容的提问来源于stack exchange，提问作者jorgebo10