做分布式系统的同学,大概率被“分布式事务”这四个字锤过。尤其在订单、库存、支付这条核心链路上,数据不一致就是事故,用户投诉、对账失败、库存超卖,哪一件都够喝一壶的。业界聊得最多的两种方案,就是TCC和Saga。但很多朋友对这俩的理解停留在“TCC强一致,Saga最终一致”,真到选型的时候又拿不准:我这个业务到底适合哪个?TCC的空回滚、悬挂到底怎么处理?Saga在扣库存这种场景怎么防止超卖?这篇文章不打算写教科书式的概念复述,而是结合我自己的实践,把这俩方案的原理、适用场景、落地细节和选型决策串起来讲一遍。如果你正在做订单、库存、支付相关的分布式系统,或者准备改造现有的本地事务方案,这篇文章值得你花十分钟读完。
1. 两种方案的原理解读与适用边界
1.1 TCC的三阶段模型与“资源预留”思想
TCC不是什么高深的新概念,它就是把一个分布式事务拆成三个本地操作:Try、Confirm、Cancel。Try阶段负责预留资源,只占坑、不真正扣减;Confirm阶段在Try全部成功后执行真正的业务提交;Cancel阶段则是在任一Try失败后,把预留的资源释放掉。
用一个生活化的例子来理解:你去西餐厅吃饭,打电话预订位子,这是Try(只是替你占住桌位,还没消费);你到店落座、点菜、开吃,这是Confirm(真正发生交易);如果你突然有事去不了,打电话取消预订,这是Cancel(释放桌位)。整个过程里,“预订”这个动作保证了你到店一定有位置,同时餐厅也不会因为你放鸽子而白白空着桌子。
落实到订单与库存场景里,TCC的三阶段大概长这样:
- Try:创建状态为“待确认”的订单记录,同时预占库存。这里的关键是“预占”而不是扣减,库存表里加一个“锁定库存”字段,可用库存不动,锁定库存累加。
- Confirm:订单状态更新为“已确认”,锁定库存变成真正的扣减,也就是可用库存和锁定库存同时调整。
- Cancel:释放预占的库存,锁定库存减掉,订单标记为“已取消”。
TCC最核心的价值在于“资源预留”带来的强一致性。只要Try全成功,Confirm几乎不会失败,这是它敢说自己“强一致”的底气。但代价也明显:你必须为每个业务操作额外开发Try和Cancel逻辑,编码量翻倍,而且资源预留会拉高锁粒度,在并发激烈的场景下容易成为瓶颈。
