副标题 / 摘要

Saga 是一组本地事务的流程编排，补偿是失败后的回滚手段。本文解释二者关系与工程实践。

目标读者

  • 设计跨服务流程的工程师
  • 需要理解一致性策略的团队
  • 架构与技术负责人

背景 / 动机

分布式系统不适合强一致长事务。
Saga 通过补偿机制实现“最终一致”。

核心概念

  • Saga：多个本地事务组成的流程
  • 补偿操作：失败后执行的逆操作
  • 编排/协作：流程驱动方式

实践指南 / 步骤

  1. 为每个步骤设计补偿动作
  2. 明确补偿是否可逆与可重复
  3. 记录流程状态与执行日志
  4. 处理部分失败与重试

可运行示例

# 订单流程：创建 -> 扣库存 -> 失败补偿

state = []


def step(name):
    state.append(name)


def compensate(name):
    print("compensate:", name)


def run():
    try:
        step("create_order")
        step("reserve_stock")
        raise RuntimeError("fail")
    except Exception:
        while state:
            compensate(state.pop())


if __name__ == "__main__":
    run()

解释与原理

Saga 描述的是完整流程，而补偿是其中一部分“逆向操作”。
没有补偿，Saga 就无法在失败时回滚。

常见问题与注意事项

  1. 补偿一定能完全回滚吗？
    不一定，需要业务设计支持。

  2. 补偿能重复执行吗？
    必须幂等，否则会产生二次错误。

  3. 谁来协调 Saga？
    可以用编排器或基于事件的协作。

最佳实践与建议

  • 设计幂等补偿
  • 记录状态以便恢复
  • 对失败路径做演练

小结 / 结论

Saga 是流程，补偿是回退手段。
理解二者关系是设计分布式一致性的关键。

参考与延伸阅读

  • Saga Pattern
  • Microservices Patterns

元信息

  • 阅读时长：6~8 分钟
  • 标签：Saga、补偿事务
  • SEO 关键词：Saga, 补偿操作
  • 元描述：解释 Saga 与补偿操作的区别与联系。

行动号召（CTA）

为你的核心流程补齐补偿逻辑，并验证幂等性。