本地消息表与消息队列实现数据同步最终一致性

谈到微服务架构下的跨服务数据同步，许多开发者首先想到的是让人头疼的强一致性分布式事务。例如订单创建后需要扣减库存、生成运单、发送通知——如果强行采用2PC等强一致方案，性能和系统复杂度将难以承受。Taocarts采用了更务实的策略：本地消息表结合消息队列，通过最终一致性实现服务解耦。

一、问题背景

在微服务架构中，跨服务数据同步始终是一个经典难题。以Taocarts系统为例，订单创建后需要将数据同步至库存服务（扣减库存）、物流服务（生成运单）、通知服务（发送邮件）等多个下游系统。若采用强一致性的分布式事务（例如2PC），系统的性能与开发复杂性会急剧攀升。因此，Taocarts选择了“本地消息表 + 消息队列”的模式，通过最终一致性来平衡可靠性与效率。

二、本地消息表设计

sql
CREATE TABLE local_message (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    message_id VARCHAR(64) NOT NULL,
    topic VARCHAR(64) NOT NULL,
    payload TEXT NOT NULL,
    status TINYINT NOT NULL DEFAULT 0 COMMENT '0-待发送（初始）, 1-已成功发送, 2-发送失败（死信）',
    retry_count INT NOT NULL DEFAULT 0,
    max_retries INT NOT NULL DEFAULT 3,
    next_retry_time DATETIME DEFAULT NULL,
    created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
    UNIQUE KEY uk_message_id (message_id),
    KEY idx_status_next_retry (status, next_retry_time)
);

这张本地消息表是整个方案的基石。message_id字段确保全局唯一性，status字段标记消息的生命周期状态，而retry_count和next_retry_time协同实现指数退避重试机制。

三、订单创建时写入本地消息

ja va
@Service
@Transactional
public class OrderService {
    public void createOrder(OrderDTO orderDTO) {
        // 步骤1：保存订单实体
        Order order = new Order();
        order.setOrderNo(generateOrderNo());
        orderMapper.insert(order);

        // 步骤2：保存本地消息记录
        LocalMessage msg = new LocalMessage();
        msg.setMessageId(UUID.randomUUID().toString());
        msg.setTopic("ORDER_CREATED");
        msg.setPayload(JSON.toJSONString(order));
        msg.setStatus(0);
        msg.setNextRetryTime(new Date());
        messageMapper.insert(msg);
    }
}

关键点在于订单与消息在同一个本地事务中写入。这样，订单创建成功后消息必然落库；订单失败则消息不会出现。从而避免了传统“先写订单再发送MQ”带来的数据不一致风险。

四、后台任务扫描并发送

ja va
@Component
public class MessageSendScheduler {
    @Scheduled(fixedDelay = 5000)
    public void sendPendingMessages() {
        List messages = messageMapper.selectPendingMessages(100);
        for (LocalMessage msg : messages) {
            try {
                SendResult result = rocketMQTemplate.syncSend(msg.getTopic(), msg.getPayload());
                if (result.getSendStatus() == SendStatus.SEND_OK) {
                    msg.setStatus(1);
                    messageMapper.updateById(msg);
                }
            } catch (Exception e) {
                msg.setRetryCount(msg.getRetryCount() + 1);
                if (msg.getRetryCount() >= msg.getMaxRetries()) {
                    msg.setStatus(2);
                    alertService.send("消息进入死信队列: " + msg.getMessageId());
                } else {
                    long delayMinutes = 1L << msg.getRetryCount();
                    msg.setNextRetryTime(new Date(System.currentTimeMillis() + delayMinutes * 60 * 1000));
                }
                messageMapper.updateById(msg);
            }
        }
    }
}

这里采用每5秒执行一次的定时任务，批量拉取待发送消息。发送失败后按照指数退避策略进行重试，超过最大重试次数则标记为死信并触发告警。特别值得注意的是重试间隔的计算方式——使用左移运算，依次为1分钟、2分钟、4分钟……最多3次后放弃。

五、消费端幂等处理

ja va
@Component
@RocketMQMessageListener(topic = "ORDER_CREATED", consumerGroup = "inventory-consumer")
public class InventoryConsumer implements RocketMQListener {
    @Override
    public void onMessage(String message) {
        String messageId = JSON.parseObject(message).getString("messageId");
        String key = "processed:" + messageId;
        Boolean success = redisTemplate.opsForValue().setIfAbsent(key, "1", Duration.ofHours(24));
        if (Boolean.FALSE.equals(success)) {
            log.info("该消息已经处理过，直接跳过: {}", messageId);
            return;
        }
        try {
            inventoryService.deductStock(...);
        } catch (Exception e) {
            redisTemplate.delete(key);
            throw e;
        }
    }
}

消费端通过Redis的SETNX命令实现幂等性，设置24小时过期时间以避免重复处理。一旦业务逻辑出现异常，主动删除key以便消息能够被重新消费——这里采用抛出异常的方式触发MQ的重试机制，而不是静默吞掉异常。一个关键细节：如果库存扣减失败，key被删除后，消息会回到Broker重新投递；而本地消息表中的消息状态并不会回退，因为发送端已将其标记为“已发送”。最终一致性依赖于消费端的重试机制和业务补偿操作。

六、总结

Taocarts利用本地消息表结合消息队列，成功实现了订单创建与下游服务之间的解耦，消息送达率高达99.99%。核心经验：分布式系统应当拥抱“最终一致性”，而非盲目追求“强一致性”。