数据库事务与幂等处理有什么区别:层次、边界与配合方式

文章目录

背景:两个词经常被混用

在评审接口设计或排查重复扣款时,常听到两种说法:一是「这里有事务,应该不会重复」,二是「加了幂等,事务可以省了」。这两种说法都把两个不同层次的东西当成了同一件事的替代品。事务是数据库层面的原子性保证,幂等是业务语义层面的可重复执行保证。它们解决的问题不同,失效场景也不同。下面先分别拆开,再讲怎么配合使用,最后列出常见错误和适用边界。

事务保证什么,不保证什么

事务把若干读写打包成一个逻辑单元,提供原子性(要么全部生效,要么全部不生效)、一致性、隔离性和持久性。典型用法是转账:扣减一个账户、增加另一个账户,两条 UPDATE 在同一个事务里提交。

它不保证的事情同样重要:

  • 不保证「同一笔业务只执行一次」。每来一次请求就是一个新事务,两次请求各自都是合法的原子操作。
  • 不保证外部副作用可撤销。事务回滚只回滚数据库内的修改,已经调用的支付接口、已经发出的短信、已经投递到消息队列的消息,都不会因为回滚而消失。
  • 不保证跨库、跨服务的原子性。单库事务管不到另一个数据源。
  • 不保证客户端知道结果。事务提交成功但响应在网络上丢失时,调用方只看到超时。

最后一条是重复提交最典型的来源:调用方无法区分「没执行」和「执行了但没收到响应」,只能重试,而重试在服务端看来是一个全新的、完全合法的请求。

幂等保证什么,不保证什么

幂等的工程定义是:同一操作执行一次和执行多次,对系统状态造成的影响相同。注意是「影响相同」,不是「每次返回一模一样的响应」——返回上一次的结果当然也可以,但那属于额外优化,不是幂等的必要条件。

它通常由业务键来界定「同一操作」:订单号、支付流水号、客户端生成的请求 ID。没有这个键,服务端无法判断两次请求是不是同一件事。

幂等不保证原子性。一个幂等实现可能只做了「去重」,比如查到请求 ID 已存在就直接返回;如果第一次执行中途失败,去重记录已经写入而业务数据没写完,后续重试会被误判为已完成。所以幂等记录和业务写入必须处在同一个本地事务里,或者用状态机把「处理中」这个中间态显式建模出来。

两者的区别可以列成一张表

维度事务幂等
层次数据库与存储引擎业务语义与接口契约
目标一组操作原子生效或全部撤销重复执行不产生额外副作用
作用范围通常一次连接、一次提交跨请求、跨重试,可能跨天
关键手段BEGIN/COMMIT/ROLLBACK、隔离级别唯一索引、幂等表、状态机、版本号
典型失效场景提交后响应丢失、外部调用不可回滚未定义业务键、去重与业务写入不原子

配合使用的可操作步骤

以「支付回调」或「创建订单」这类需要防重复的场景为例,一个稳妥的组合是:业务键 + 唯一索引 + 本地事务 + 条件更新。

第一步,确定业务键。它必须由发起方生成,并在重试时保持不变,比如客户端生成的 request_id。服务端自己生成的自增 ID 无法承担这个职责。

第二步,建唯一索引。不要用「先 SELECT 再 INSERT」判断重复,并发下两个请求会同时查不到再同时插入。把判断交给数据库的唯一约束:

CREATE TABLE idempotency_record (
  biz_key      VARCHAR(64) NOT NULL,
  scene        VARCHAR(32) NOT NULL,
  status       VARCHAR(16) NOT NULL,
  result_body  TEXT NULL,
  created_at   DATETIME NOT NULL,
  PRIMARY KEY (scene, biz_key)
);

第三步,把幂等记录和业务写入放进同一个事务,靠唯一键冲突来识别重复。下面是示意代码,具体 API 依语言和驱动而定:

def handle(request):
    try:
        with db.transaction():
            db.execute(
                "INSERT INTO idempotency_record(scene, biz_key, status, created_at)"
                " VALUES(%s, %s, 'PROCESSING', NOW())",
                (request.scene, request.request_id),
            )
            apply_business(db, request)   # 与上面处于同一事务
            db.execute(
                "UPDATE idempotency_record SET status='DONE', result_body=%s"
                " WHERE scene=%s AND biz_key=%s",
                (serialize(result), request.scene, request.request_id),
            )
        return result
    except UniqueViolation:
        row = load_record(request.scene, request.request_id)
        if row.status == "DONE":
            return deserialize(row.result_body)   # 返回上次结果
        return {"code": "PROCESSING"}            # 让调用方稍后重试

要点有三个:插入幂等记录与业务写入在同一事务;重复请求由唯一键冲突识别,而不是先查询;处理中的请求给出明确状态,而不是当作已完成返回。

第四步,处理「处理中」的悬挂记录。如果进程在事务提交后、结果写回前崩溃,记录会停在 PROCESSING。需要有超时机制或补偿任务,把它标记为失败或重新处理,否则这类请求会永远拿不到结果。

第五步,清理。幂等表会持续增长,需要按业务可接受的重试窗口定期归档或删除。窗口太短会漏判重复,太长会占用空间,这是成本与安全之间的权衡,要按业务特性确定。

另一种常见做法是状态机式条件更新,不额外建表:

UPDATE orders SET status = 'PAID'
WHERE order_no = ? AND status = 'PENDING';

检查受影响行数:为 1 说明本次完成了状态迁移,为 0 说明已被处理过,直接返回即可。这种方式更简单,但要求状态迁移本身是单向且可判定的。

常见错误

  • 认为「有事务就不会重复」。事务只保证单次执行的原子性,不识别重复请求。
  • 用「先查后插」做去重。并发下检查与写入之间存在窗口,必须依赖唯一索引或数据库的行锁语义。
  • 幂等键每次重试都重新生成。这样每次请求都是「新操作」,去重完全失效。键要由发起方生成并在重试时复用。
  • 幂等记录与业务写入分开提交。先写去重记录再执行业务,中途失败会留下「已处理」的假象;反过来则可能重复执行。
  • 把幂等理解成「响应完全一致」。语义上只需要副作用相同,是否缓存响应属于额外优化。
  • 在事务里做远程调用。HTTP 请求耗时不可控,事务会长时间持有锁和连接,还可能造成本地已回滚、远端已生效的不一致。
  • 用数据库自增主键当幂等键。主键由服务端生成,重复请求会拿到不同主键。
  • 忽略「处理中」状态。把中间态当成成功或失败,都会带来错误结果。

适用边界与选择建议

  • 只读查询天然幂等,不需要额外设计;写操作才需要讨论幂等。
  • 单库、单服务、调用方能可靠传递业务键时,唯一索引加本地事务的组合通常够用。
  • 涉及外部系统(支付、消息、邮件)时,事务无法覆盖,需要考虑 outbox(把待发消息和业务数据写在同一事务里,再由独立进程投递)或对账补偿。这部分超出本文范围,仅作方向提示。
  • 状态机式条件更新适合状态迁移清晰的场景,比幂等表轻量,但要求每次迁移都能由「当前状态 + 目标状态」唯一确定。
  • 分布式事务、Saga、TCC 等跨服务方案有各自的补偿语义,本文只讨论单库事务与幂等的关系,不展开。
  • 数据库隔离级别会影响并发下的可见性与锁行为,具体表现以所用数据库的官方文档为准;本文只给出稳定的一般性描述,不针对某个版本。

小结

一句话概括:事务回答「这一组操作是不是要么全做要么全不做」,幂等回答「同一件事做很多遍会不会出问题」。前者是存储层的能力,后者是接口契约的设计。重复请求的问题出在「调用方不知道上次结果」这个信息缺口上,事务补不上这个缺口,只能靠业务键、唯一约束和状态建模来补。反过来,幂等去重也不能替代事务,因为一次执行内部的多个写入仍然需要原子性。两者一起用,才是完整的方案。