以下部署 Saga 的步骤与补偿动作均为教学假设,不构成对任何真实系统、供应商或生产环境的承诺。“provision→reroute→notify"是讲解用的三步流,真实系统有自己的补偿语义,但"失败后逆序补偿已完成的步骤"这一条不变。
2.3 讲了崩溃恢复的三种手段:重放、补偿、对账。这一节展开补偿:当一次任务跨多步(不止一个工具调用、不止一个外部系统),某一步失败时,怎么把前面已完成的步骤撤销掉。
答案是 Saga。单点幂等(5.2)解决"重试不重复”,Saga 解决"多步失败怎么收场"。Saga 的核心不是技术,是纪律:每步声明正向动作与反向补偿,中间任一步失败,就逆序补偿已完成的步骤。 没有全局锁,靠"每步可补偿 + 逆序回滚"逼近原子性。
为什么多步任务需要 Saga
一个 W3 部署流程是三步:provision(开通资源)→ reroute(切换流量)→ notify(通知用户)。这三步没有全局事务——数据库回滚救不了已经发给用户的资源。
| 步骤 | 正向 | 反向补偿 | 说明 |
|---|---|---|---|
| provision | 开通资源 | 销毁资源 | 可补偿 |
| reroute | 切换流量 | 切回原流量 | 可补偿 |
| notify | 发送通知 | (无) | 不可补偿 |
如果 notify 失败(外部系统拒绝),已经做掉的 provision、reroute 怎么办?Saga 的答案是:逆序补偿——先撤销 reroute(切回原流量),再撤销 provision(销毁资源)。notify 本身不可补偿,留给对账(见 2.3)。
补偿必须显式声明、逆序执行
Saga 的两条纪律:
- 补偿显式声明。 每一步要么声明"我能怎么撤销"(compensate),要么声明"我不可补偿"。不可补偿的步骤在编排里就是透明的事实,失败时只能对账。
- 逆序执行。 失败发生在第 N 步,补偿顺序是 N−1, N−2, …, 1——先撤销最后成功的,一路退回去。逆序保证"后做的先撤",避免依赖顺序错乱。
没有全局锁是 Saga 与两阶段提交的区别。两阶段提交靠锁定让所有参与者"要么都成功要么都不做";Saga 不锁,靠补偿让"做过的能撤销"。代价是中间态可见(用户可能短暂看到已开通的资源),收益是没有锁的伸缩性。
最小实验:Saga 编排器
实验实现 Saga 编排器(add 注册步骤、execute 顺序执行、fail_at 注入失败),跑成功与失败两条路径。
# file: agp_lab/saga.py | write
# tier: 3
# verify: python3 -m unittest tests.test_saga
"""补偿、回滚与 Saga:多步事务的补偿编排。
单点幂等解决"重试不重复";跨多步事务需要 Saga:每步声明
正向动作与反向补偿,中间任一步失败,就逆序补偿已完成的步骤。
没有全局锁,靠"每步可补偿 + 逆序回滚"逼近原子性。
本模块实现一个 Saga 编排器,注入第 N 步失败,统计补偿次数
与回滚路径。
"""
from __future__ import annotations
from dataclasses import dataclass
from typing import Any, Callable
class SagaError(Exception):
pass
@dataclass
class SagaStep:
name: str
run: Callable[[], None]
compensate: Callable[[], None] | None = None
class Saga:
def __init__(self) -> None:
self.steps: list[SagaStep] = []
self.log: list[str] = []
def add(self, step: SagaStep) -> None:
self.steps.append(step)
def execute(self, fail_at: int | None = None) -> tuple[bool, str]:
"""按序执行;fail_at 指定第几步失败(1-based),失败后逆序补偿。"""
done: list[SagaStep] = []
for index, step in enumerate(self.steps, start=1):
if fail_at == index:
for compensation_step in reversed(done):
if compensation_step.compensate is not None:
compensation_step.compensate()
self.log.append(f"compensate {compensation_step.name}")
self.log.append(f"rollback after {step.name}")
return False, f"failed at {step.name}, compensated {len(done)}"
step.run()
done.append(step)
self.log.append(f"done {step.name}")
self.log.append("commit")
return True, "committed"
def w3_saga() -> Saga:
"""W3 部署 Saga:provision → reroute → notify。"""
saga = Saga()
events: list[str] = []
def provision() -> None:
events.append("provision:on")
def deprovision() -> None:
events.append("provision:off")
def reroute() -> None:
events.append("reroute:on")
def unreroute() -> None:
events.append("reroute:off")
def notify() -> None:
events.append("notify:sent")
saga.add(SagaStep("provision", provision, deprovision))
saga.add(SagaStep("reroute", reroute, unreroute))
saga.add(SagaStep("notify", notify, None))
return saga
def demo() -> dict[str, Any]:
success_saga = w3_saga()
ok, message = success_saga.execute()
failed_saga = w3_saga()
ok2, message2 = failed_saga.execute(fail_at=3)
return {
"success": {"ok": ok, "message": message, "log": success_saga.log},
"fail_at_3": {"ok": ok2, "message": message2, "log": failed_saga.log},
}
if __name__ == "__main__":
for key, value in demo().items():
print(f"{key}: ok={value['ok']} message={value['message']}")
print(f" log={value['log']}")
运行:
cd private/labs/agp-lab
python3 -m agp_lab.saga
输出:
success: ok=True message=committed
log=['done provision', 'done reroute', 'done notify', 'commit']
fail_at_3: ok=False message=failed at notify, compensated 2
log=['done provision', 'done reroute', 'compensate reroute', 'compensate provision', 'rollback after notify']
两段输出对应两条路径:
- success:三步全部成功,log 按序记录
done provision → done reroute → done notify,最后commit。Saga 正常提交。 - fail_at_3:第 3 步 notify 失败。log 显示
done provision → done reroute之后,立刻逆序补偿:compensate reroute → compensate provision,最后rollback after notify。补偿次数 = 2,正好是 notify 之前成功且可补偿的两步。
两个值得点破的细节:
- 补偿是逆序的。
compensate reroute在compensate provision之前——先撤最后成功的(reroute),再撤更早的(provision)。顺序不能反,反了就破坏依赖。 - notify 没被补偿。 notify 是第三步、没有补偿函数(compensate=None),所以失败时它自己不会被"撤销",只会触发对已成功步骤的补偿,然后留给对账。
message='failed at notify, compensated 2'精确表达了"谁失败、补偿了多少步"。
Saga 的编排器本身也要考虑崩溃。编排器在执行第 2 步补偿时崩溃了怎么办?如果补偿日志没有持久化,重启后不知道补偿到哪一步,只能重新枚举——而重新补偿一个已补偿的步骤,可能产生第二次撤销副作用。补偿日志要和正向事件一样持久化、可重放,这跟 2.2 的事件溯源是同一个要求。
| 编排器状态 | 崩溃后果 | 缓解 |
|---|---|---|
| 正向步骤 | 重放正序 | 事件日志 |
| 补偿步骤 | 补偿到一半 | 补偿日志持久化 |
| 提交 | 提交成功与否 | 终态判定幂等 |
还有一个边界认知:不是所有失败都值得补偿。如果失败发生在最后一步且该步骤不可补偿(如 notify),前面步骤全部补偿掉的代价可能大于保留——比如已经开通的资源,撤销要付违约金。Saga 不是"一律回滚",而是"按成本决定回滚多少"。实验里的 compensated 2 是机械决策,生产里这个数字应该由策略评估,而不是固定逻辑。
Saga 与两阶段提交(2PC)的对比,是选型时绕不开的。 2PC 保证强一致:所有参与者要么全提交、要么全回滚;但协调者是单点,参与者要长时间持有锁。Saga 用补偿换取可用性:没有全局锁、没有单点协调,但中间态对外可见,且"回滚"是补偿式的撤销而非真实的回退。
| 维度 | 2PC | Saga |
|---|---|---|
| 一致性 | 强一致 | 最终一致 |
| 可用性 | 协调者单点 | 无单点 |
| 锁 | 全程持锁 | 无锁 |
| 回滚 | 真实回退 | 补偿撤销 |
选 Saga 的前提是"补偿存在"。 如果某个参与者的事务没有可用的补偿(比如不可撤销的外部动作),Saga 就不成立,只能考虑别的方案(预留资源、幂等重试)。实验里每个步骤都有补偿,是 Saga 适用的前提;选型第一步就是清点"每个步骤有没有补偿"。
补偿动作本身要幂等,这是 Saga 最容易被忽略的设计要求。补偿可能执行一次、两次或多次(网络重试、编排器重放),每次执行的结果必须相同——重复撤销不能产生重复副作用。幂等补偿靠"补偿以终态为准":补偿前查目标资源当前状态,已撤销就跳过,未撤销才执行撤销。
| 补偿执行次数 | 幂等补偿 | 非幂等补偿 |
|---|---|---|
| 1 次 | 正常撤销 | 正常撤销 |
| 2 次 | 第二次跳过 | 副作用重复 |
| 多次 | 始终跳过 | 不可恢复 |
补偿的终态判定还要考虑"并发补偿"。 编排器重启重放时,旧补偿可能还没跑完、新补偿又启动。用状态机的守卫(2.1)加"补偿中"状态互斥:同一资源同一时刻只允许一个补偿事务。补偿与正向一样要走状态机,而不是裸的 try/except 序列。
Saga 的编排方式也有两种选择:编排式(orchestration,中央编排器一步步指挥)与编舞式(choreography,参与者靠事件互相触发)。实验用的是编排式——补偿路径集中在编排器,好理解、好测试。编舞式把步骤散在参与者事件里,扩展性强但补偿路径分散,出了事难追溯。小规模用编排式,规模大到编排器成为瓶颈再谈编舞。
| 编排方式 | 补偿控制 | 扩展性 | 可追溯性 |
|---|---|---|---|
| 编排式 | 集中 | 低 | 高 |
| 编舞式 | 分散 | 高 | 低 |
编排式还有一个好处:补偿顺序由编排器统一决定。 Saga 的补偿通常是反向序(先撤销最后成功的步骤),编排器持有步骤列表就能算出反向序;编舞式要参与者各自维护"谁依赖我",顺序容易错。补偿顺序是 Saga 正确性的另一半,值得显式维护而不是隐式推断。
架构判据
Saga 实现是否合格,用五条判据检查:
| 判据 | 合格的样子 | 不合格的样子 |
|---|---|---|
| 每步可补偿声明 | 每步声明补偿或不可补偿 | 补偿散落、无显式声明 |
| 逆序补偿 | 失败后逆序撤销已成功步骤 | 顺序补偿或跳过 |
| 失败定位 | 消息说清失败步与补偿数 | 失败后静默 |
| 不可补偿兜底 | 不可补偿步骤留给对账 | 不可补偿步骤被忽略 |
| 无全局锁 | 靠补偿逼近原子性 | 依赖全局锁 |
判据第一条是 Saga 的地基:补偿不显式声明,逆序就无从谈起。 判据第四条提醒:不可补偿的步骤(如 notify)不是 Saga 的失败,是 Saga 的边界——它触发补偿已成功步骤,自己留给对账。
小结
- 单点幂等解决重试不重复,Saga 解决多步失败怎么收场。
- Saga 两条纪律:每步显式声明补偿,失败后逆序补偿已完成的步骤。
- 无全局锁,靠"每步可补偿 + 逆序回滚"逼近原子性;中间态可见是代价。
- 不可补偿的步骤触发对已成功步骤的补偿,自己留给对账。
阅读导航:上一节:5.2 校验、幂等与重试 · 下一节:6.1 Function Calling 与 MCP 。
常见错误与边界
- 补偿不显式声明。 没有 compensate 声明的步骤,失败时无法撤销;要每步都回答"能怎么撤"。
- 顺序补偿。 补偿必须逆序:先撤最后成功的;顺序错了会破坏依赖。
- 以为 Saga 是原子事务。 Saga 不锁,中间态可见;它逼近原子性,不等于两阶段提交。
- 忽略不可补偿步骤。 notify 这种不可补偿的步骤不是 Saga 的失败,是边界;要留给对账。
- 失败后不定位。 失败信息要说清"哪步失败、补偿了多少",否则运维无法对账。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。