Distributed Coordination

分布式系统的困难来自三个事实：节点只能看到局部状态，消息存在延迟或丢失，进程会在任意时刻失败。因此“调用成功”与“操作是否发生”经常不是同一个问题。

Fundamental Questions

Dimension	Ask
Time	是否依赖精确时钟或全局先后关系？
Failure	超时代表失败、仍在执行，还是响应丢失？
Identity	重试怎样识别为同一个 logical operation？
Consistency	哪些不变量必须同步维护，哪些允许延迟收敛？
Recovery	节点重启后从日志、快照还是外部状态恢复？

Transaction Patterns

Pattern	Strength	Cost
Local transaction	单一数据库内强原子性	边界有限
Outbox / inbox	连接数据库状态与可靠事件	异步、重复与清理
Saga	长流程的局部事务与补偿	中间状态可见、补偿不等于回滚
Two-phase commit	多参与方协调提交	blocking、协调器和可用性成本
Reconciliation	周期比较并修复状态	收敛延迟和额外运营流程

Notes

• Distributed Transactions

Design Checklist

• 为写操作提供 idempotency key 或唯一业务约束。
• timeout、retry 和 backoff 在整条调用链上共同预算。
• event 包含稳定 ID、schema version 和发生时间语义。
• workflow 状态可查询、可恢复，并允许人工干预。
• 对账与修复是核心能力，不是异常发生后的临时脚本。