分库分表后跨库事务必然失效，需用本地事务+可重放事件实现最终一致性：订单写入同时落outbox表，异步发消息并重试；分片键须均匀分布（如user_id）；避免跨分片JOIN；通过版本号、对账、监控保障可观测的最终一致性。
分库分表后跨库事务必然失效，别再用tx.Commit()幻想兜底
本地事务在单库内有效，但一旦按user_id % 4拆到db_0～db_3，order写db_0、inventory写db_1，tx.Commit()就只管得住自己那一个连接。这不是 Go 的 bug，是分片架构的硬约束——你得接受“没法一次全成功”，转而设计可追踪、可补偿的流程。
跨分片写操作必须拆成「本地事务 + 可重放事件」两步
常见错误是 HTTP handler 里先调inventorySvc.DecreaseStock()，再插订单；结果库存服务超时，订单却落库了，状态永久不一致。
- 正确顺序：订单服务在
db_0执行INSERT INTO orders→ 同一事务内写入本地outbox表（含topic="inventory.deduct"、payload、status="pending"）→tx.Commit() - 另起 goroutine 轮询
outbox表，查status = 'pending'记录，用kafka-go发消息并更新为'sent'；失败则指数退避重试（如time.Second * 1、*2、*4） - 库存服务消费到事件后，先用
WHERE id = ? AND status = 'reserved'条件更新，保证幂等；成功后再发inventory.deducted事件给下游
分片键选错会导致一致性修复成本飙升
用status或created_at做分片键，数据会严重倾斜——比如所有“待支付”订单挤在db_0，而db_3空闲。一旦该库故障，整个支付链路卡死，且无法用简单路由规则恢复。
Golang Google Wire
下载
在 Go 中使用 google/wire 实现编译时依赖注入——wire.NewSet、wire.Build、wire.Bind（接口→实现）、wire.Struct、wire.Value、wire.Interface
- 分片键必须高频参与查询且分布均匀，
user_id或order_id（UUID 做 hash 后取模）是安全选择 - 避免跨分片 JOIN：需要关联用户和订单时，冗余
user_name到订单表，或用全局表存基础信息 - 扩容时若用简单取模（
% 4→% 8），50% 数据要迁移；改用一致性哈希，仅需搬动约 12.5% 数据
最终一致性不是放任不管，而是把「不一致窗口」变成可观测指标
你无法消灭延迟，但能把它暴露出来。比如库存预占后异步扣减，用户看到“已下单”但库存数没变——这 2 秒窗口期必须可查、可告警、可修复。
立即学习“go语言免费学习笔记（深入）”；
- 每个关键状态变更都落库+发事件，字段带
updated_at和version（用于乐观锁防覆盖） - 建对账任务，每 5 分钟扫
orders.status = 'paid'但inventory.updated_at < orders.paid_at的记录，触发补偿 - 监控
outbox.pending_count和inventory_deduct_failed_total，阈值超 10 就发钉钉告警
真正容易被忽略的，是把“分库分表”当成纯性能优化手段——它本质是把单点一致性问题，转化成多节点状态协同问题。所有方案都绕不开状态持久化、幂等设计、显式超时控制这三件事，缺一不可。
