上周五下午,我们组正在讨论一个老订单系统的拆分方案,产品同学突然问了一句:"如果用户下单时支付成功但是库存没扣掉,这个账怎么算?"会议室瞬间安静了三秒。
这个场景对做过微服务改造的人来说太熟悉了。单体应用里一条事务就能搞定的事,拆成订单服务、库存服务、支付服务之后,变成了跨服务的分布式事务问题。而一聊到分布式事务的解决方案,绕不开的两个词就是TCC和Saga。很多人上来就问"哪个好",但选型这事从来就不是二选一那么简单。这篇文章我就把这两种方案摊开来说清楚,从原理、实现、落地到踩坑,结合订单和库存这个最经典也最要命的场景,聊一聊到底怎么选、怎么落地。
如果你是正在做微服务拆分、或者被分布式事务折磨过的后端工程师,这篇文章应该能帮你省下不少调研时间。本文会先讲清楚TCC和Saga各自的原理、适用边界和隐藏成本,然后给出一个订单+库存场景的完整实现推演,最后把我自己遇到过的几个线上问题和不传出去的排查思路都摊出来讲。
1. 为什么微服务化之后,分布式事务成了绕不过去的坎
1.1 从一次下单说起:本地事务怎么"失效"的
先回到最基础的场景。在单体架构时代,下单操作是这样完成的:创建一个订单记录、扣减库存、如果开通了会员还要加积分,整个过程在同一个数据库连接里完成,包在一个BEGIN TRANSACTION和COMMIT之间。任何一个步骤失败,整体回滚,数据不会出现"订单在但库存负了"的情况。
拆成微服务之后,订单、库存、积分各自有独立的数据库。下单接口变成了三个远程调用:
- 订单服务写一条订单记录
- 库存服务扣减库存
- 积分服务增加积分
这时候如果库存扣减成功了,但积分服务超时了,怎么办?订单服务没法把库存服务的数据库一起回滚,因为那是另一个服务、另一套数据库、甚至可能跑在另一台机器上。这就是分布式事务要解决的问题:多个独立的数据节点之间,如何保证数据最终能落到一个一致的状态。
1.2 CAP理论:分布式事务的本质是取舍
要说清楚TCC和Saga的区别,得先回到CAP理论。分布式系统里,网络分区(P)是不可避免的,这时候只能在一致性(C)和可用性(A)之间做取舍。
注意,CAP里的"一致性"指的是线性一致性,也就是所有节点在同一时刻看到的数据都是一样的。这在分布式场景下几乎不可能严格做到,因为数据同步需要网络传输,有延迟。所以现实中很多系统做的是"最终一致性"——允许中间有个短暂的不一致窗口,但在某个时间点之后,所有节点的数据会收敛到一致状态。
TCC和Saga本质上是两种不同的取舍策略:
- TCC更偏向"强一致性"的妥协方案,通过资源预留机制,把不一致的窗口压缩到最小
- Saga则是典型的"最终一致性"方案,允许中间步骤是可见的、不一致的,通过补偿机制把状态拉回来
1.3 为什么不直接上两阶段提交(2PC)
很多刚接触分布式事务的人会问:既然要强一致,为什么不直接用2PC?2PC确实是最经典的一致性协议,有XA这种标准化实现,很多数据库原生支持。
但2PC在实际落地中问题不少:
- 同步阻塞:第一阶段准备完成后,所有参与者都要持有资源锁等待协调者决策,长事务场景下数据库连接很容易被耗尽
- 单点风险:协调者挂了,事务卡在"已准备"状态,所有资源锁全部锁死
- 网络分区下的fork问题:协调者与参与者之间网络闪断,参与者无法收到最终决策,只能一直等下去
很多银行核心系统在存量场景下还在用XA,但互联网业务普遍放弃了这条路,原因就是"锁时间太长、并发能力太差"。TCC和Saga把锁的粒度从"数据库行锁"降到了"业务层的预留状态",用代码逻辑换性能,这才是它们被广泛应用的核心逻辑。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. TCC方案核心拆解:强一致性背后的"手工活"
2.1 TCC三阶段原理:Try、Confirm、Cancel到底在干什么
TCC(Try-Confirm-Cancel)是把一个业务动作拆成三段来执行:
- Try阶段:完成业务检查并预留资源,但还没有真正生效。这一步的核心是"锁定状态"
- Confirm阶段:真正执行业务,把Try阶段预留的资源变成实际扣减
- Cancel阶段:回滚,把Try阶段预留的资源释放掉
以库存扣减为例,真正的SQL逻辑是这样的:
sql复制-- Try阶段:检查库存足够,冻结库存
UPDATE stock SET frozen = frozen + #{count}
WHERE sku_id = #{skuId} AND stock >= #{count};
-- Confirm阶段:冻结转扣减
UPDATE stock SET stock = stock - #{count}, frozen = frozen - #{count}
WHERE sku_id = #{skuId};
-- Cancel阶段:解冻
UPDATE stock SET frozen = frozen - #{count}
WHERE sku_id = #{skuId};
注意这三个操作都是独立的事务,由TCC事务管理器协调。Try全部成功后,再逐个调Confirm;任何一个Try失败,已经成功的参与者都要执行Cancel回滚。
关键点在于:Try阶段其实已经把资源"占住"了,所以Confirm阶段理论上不会失败。这就是TCC被称为"接近强一致"的原因——真正会失败的大部分情况都发生在Try阶段,而Try是可以被提前拦截的。
2.2 TCC的设计与实现边界
我自己实现过一轮TCC框架,踩了不少坑之后总结出三条边界:
第一,Try阶段要尽量把验证逻辑做完整。库存够不够、账户余额够不够、状态是不是正常,这些业务规则尽可能在Try阶段就全部判断完,否则Confirm阶段一旦出现业务失败,就打破了"Confirm不会失败"的假设,只能靠重试和补偿兜底,那整个TCC的优势就没了。
第二,Confirm和Cancel必须做到幂等。分布式环境下,网络超时后的事务管理器重试、消息队列的重复投递,都会导致Confirm或Cancel被调用多次。如果代码没做幂等保护,就会出现库存被重复扣减、冻结金额被重复恢复的问题。最容易的方案是在参与者表里记录事务状态,每次执行前先查询状态:
java复制@Transactional
