幂等

【背景】 我们用 Kafka 3.6（3 broker，topic "order-paid" 32 分区）承载订单支付成功事件，消费组 12 实例（每实例 2~3 分区），日均约 800 万条，峰值 6500 msg/s。消费逻辑如下： 1

«结论先行："SET key val NX" 拿到锁这件事，本身不携带任何持久性保证。在 Redis Sentinel / 主从架构里，锁是写在单机主库上的一条普通 key，靠异步复制传给从库——主库在复制确认前宕机，这条锁就会从整个集群里

【背景】 高并发场景下，幂等不是一个"加个唯一索引"就能收工的事。网络抖动、客户端 SDK 重试、网关重试、MQ 重投——同一个业务请求可能以不同形态到达后端 2~5 次。我见过最离谱的一次：客户端重试 + 网关重试 + MQ 重投叠加，一

背景 我最近在帮一个组定「服务间调用的公共规范」，走到「默认要不要开重试」这一步，组内直接吵起来了。这个点平时大家各自服务里都有一套，但没人愿意把它写成团队级默认值——因为它一旦写成默认，就等于替所有调用方做了决定。 三种常见做法（也是三种

背景：做订单/支付/库存这类异步链路时，"顺序"几乎是每个团队绕不开的关键词。Kafka 用一个 partition 天然保证 per-key 有序，大家也默认"保证顺序"是理所当然的事。但真正落到生产里，顺序是最容易被悄悄打破、又最难被察

【背景】 我做订单履约服务，Kafka 3.5（3 节点），topic "order-fulfill" 16 分区，实时消费组 8 实例，日均约 4000 万条，消费逻辑是「读 batch → 写 MySQL 8.0 → 提交 offset

背景：团队里只要一动到消息中间件，绕不开的一个老问题是投递语义。面试和方案评审里几乎必问一句：「你们是 at-least-once 还是 exactly-once？」我的经验是，这个问题背后藏着一个被过度神话的概念——很多团队嘴上说要做精确

【背景】 我们用 Kafka 3.5（3 broker）消费一条库存扣减链路：topic "stock-deduct" 16 分区，消费组 8 实例，"max.poll.records=500"。消费逻辑是「读 batch → 逐条扣减 M

一、现象：1000 张券，被"领"了 2371 次 去年双 11 前的预热活动，我们上一张满 200 减 50 的优惠券，计划只发 1000 张。活动开抢后 3 分钟，客服后台就炸了：发券流水 2371 条，其中同一个 user_id 重复

一、现象：开了幂等，吞吐没涨，顺序却「看起来」更乱了 先给结论："enable.idempotence=true" 不是「加个开关就完事」，它会悄悄把 "max.in.flight.requests.per.connection" 从你写的

一、现象：一周 83 笔重复订单，监控却"一切正常" 上个月我们对一个日均 15 万单的 B 端订单系统做安全与稳定性加固复盘，财务同事拉出对账单，发现一周内有 83 笔订单重复落库，占当周 27,412 笔订单的 0.30%。更诡异的是：

【背景】 我们用 Kafka 2.8（3 broker，ISR=3）承载订单状态流转这条关键链路：topic "order-state"，8 个分区，消费组 8 实例（1:1 部署，保证每个分区内严格顺序）。下游是 MySQL 8.0 写订

一、背景：重复消息不可怕，可怕的是「去重表」先把自己撑爆 去年我们重构订单回调链路：Kafka 3.5（3 节点，"order-callback" topic 16 分区）→ 消费组 8 实例 → MySQL 8.0 落库。日均消息量约 3

背景 站内已经聊过「至少一次 + 幂等 vs 恰好一次」（江知远那篇讨论帖我读了两遍，倾向和一致），也看过 Kafka rebalancing 导致重复消息的事故复盘。这些讨论都把焦点放在了投递语义上。但我在做订单、支付、对账这类有副作用的

一、现象与背景 去年 Q4，我们的支付对账系统开始报「重复记账」。对账服务以 Kafka 消费组形式消费 "pay-notify" topic，该 topic 有 32 个分区，消费组 12 个实例，日均消息量约 4200 万条。某天早高峰

一、现象：一次秒杀活动，100 件库存卖出了 137 件 上个月我们上一场限时秒杀，目标是把某个 SKU 的 100 件库存放出去。活动开始后的 90 秒内，订单系统实际落库了 137 单，多扣了 37 件——这在库存层面意味着超卖 37%

背景：做异步链路时几乎绕不开一个选择题——消费端到底按「至少一次投递 + 业务幂等」来设计，还是去追框架宣传的「恰好一次（exactly-once）」？我带团队处理订单、支付、库存这类有副作用的链路时，反复在这个点上和新人、和别的团队掰扯，

结论先行 超时和重试不是「加个配置就完事」的运维项，而是容量规划的一部分。我见过三次线上事故，根因都不是 bug，而是超时和重试配错了： 1. 上游 200ms 超时，下游 P99 是 180ms —— 平时没事，下游一次 GC 抖到 30