Saga模式是Go微服务最务实的分布式事务方案，需状态持久化、幂等操作及明确重试边界；TCC适合强一致性但成本高；最终一致性+补偿任务是多数场景的底线选择。
本地事务无法跨服务，必须放弃“单体式”思维
微服务架构下，database/sql 的 Begin/Commit 只能保证单个数据库内的一致性。一旦订单服务写入 MySQL、库存服务写入 PostgreSQL、支付服务调用第三方 HTTP 接口，传统 ACID 就彻底失效——这不是 Go 语言的限制，而是分布式系统的基本约束。
强行用 Two-Phase Commit（2PC） 协调多个服务？Go 生态几乎没有成熟可靠的开源实现，且会引入严重性能瓶颈和单点故障风险。实际项目中应直接排除该路径。
Saga 模式是 Go 微服务最务实的选择
Saga 把一个分布式事务拆成一系列本地事务，每个步骤都有对应的补偿操作（Compensating Action）。Go 实现时关键在两点：状态持久化 + 明确的失败重试边界。
- 用
state machine（如go-statemachine或自定义状态字段）记录当前执行到哪一步，避免重复提交或漏执行 - 每个正向操作（如
deductInventory()）和补偿操作（如restoreInventory()）都必须是幂等的；建议在 DB 加唯一索引或用WHERE status = 'pending'做条件更新 - 不要依赖内存状态或临时 channel 传递事务上下文；所有中间状态必须落库（例如存进
transaction_log表），否则服务重启就丢失进度
TCC 模式适合强一致性要求但开发成本高
TCC（Try-Confirm-Cancel）比 Saga 更严格：先预留资源（Try），再统一确认（Confirm）或全部回退（Cancel）。Go 中实现要注意：
Golang Uber Dig
下载
使用 uber-go/dig 在 Golang 中实现依赖注入——基于反射容器，提供 Provide/Invoke、dig.In/dig.Out 参数与结果对象，支持命名依赖等
立即学习“go语言免费学习笔记（深入）”；
-
Try阶段不能真正扣减，比如库存要写入inventory_freeze字段而非直接减inventory_total -
Confirm和Cancel必须设计为无业务逻辑的纯状态变更，否则可能引发二次异常 - 超时处理极其关键：若 Confirm 超时，需启动定时任务扫描未终态事务并人工介入；Go 的
time.AfterFunc不适合做这个，要用带持久化的调度器（如asynq或entgo+ cron job）
最终一致性 + 补偿任务是大多数场景的底线方案
不是所有业务都需要“立刻一致”。下单成功后异步发消息触发库存扣减，失败时由独立的补偿服务扫描 order_status = 'created' 且 inventory_updated = false 的订单并重试——这种模式在 Go 中最容易落地。
重点在于监控和可观测性：
- 给每个补偿任务加
max_retry = 3和指数退避（如time.Second * 1 ） - 把失败日志打到
ELK或Loki，并设置inventory_compensation_failed_count指标告警 - 避免在 HTTP handler 里直接调用补偿逻辑；用
github.com/hibiken/asynq这类异步队列解耦，防止主链路阻塞
真正的难点不在代码怎么写，而在于怎么定义“可接受的不一致窗口期”，以及当补偿也失败时，是否有人工兜底流程。这些往往比选哪种分布式事务模型更重要。
