知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# 订单超时取消与用户付款的并发竞争 > 导读:以"第 30 分钟用户付款和超时取消同时发生"为切入,讲清订单状态机 + CAS 如何用一条 SQL 消除并发竞争、失败分支怎么退款兜底,以及什么场景才需要升级到分布式锁。适合正在做订单/支付系统或准备相关面试的同学阅读。 ## 一、先建立全局认知 ### Q:这个场景到底在竞争什么?会竞争出哪两种错误结果? A:**结论:竞争的是"订单当前是不是待支付状态"这个判断。两个操作都基于同一个旧状态做决策,就必然会有一个决策落空。** 用户下单后有 30 分钟支付窗口。到第 30 分钟时,系统触发超时取消任务,恰好在同一时刻用户点击了付款。两个操作并发执行:   这是一个典型的并发竞争(Race Condition)问题:**两个操作都读到"订单是 UNPAID",于是都认为自己可以往下走**。结果一个变成"把已付款的订单取消掉",另一个变成"给已取消的订单收款",两者都会造成资金或库存错账。 ### Q:解决这个问题的核心思路是什么? A:**结论:把"读状态 → 判断 → 修改状态"合并成一次带条件的原子更新(CAS),让并发的两个操作在数据库层面串行化,只有一个能成功。** 这也是订单、优惠券、库存这类状态流转场景的通用解法。 ```text 订单状态机: 待支付(UNPAID) → 已支付(PAID) 待支付(UNPAID) → 已取消(CANCELLED) 关键:只有"待支付"状态才能转换,已经转换过的不能再转 ``` 先约定一个**状态机**:订单状态只能沿合法路径流转,每个目标状态只能从固定的前置状态进入。这样一来,"是否允许操作"就退化成"当前状态是否等于预期前置状态",可以用一条 SQL 判断。 ## 二、理解核心机制 ### Q:具体怎么用一条 SQL 实现 CAS? A:**结论:在 UPDATE 的 WHERE 里带上"预期的前置状态",再用返回的受影响行数判断本次状态流转是否被自己抢到。** ```java // 支付回调处理 public boolean handlePaySuccess(String orderId) { // CAS 更新:只有当前状态是 UNPAID 才能改为 PAID int rows = orderMapper.updateStatus(orderId, "UNPAID", "PAID"); if (rows == 0) { // 更新失败 → 订单已经不是 UNPAID 了(被取消了) // 触发退款 refundService.refund(orderId); return false; } // 更新成功 → 正常完成支付流程 return true; } // 超时取消处理 public boolean handleTimeout(String orderId) { // CAS 更新:只有当前状态是 UNPAID 才能改为 CANCELLED int rows = orderMapper.updateStatus(orderId, "UNPAID", "CANCELLED"); if (rows == 0) { // 更新失败 → 订单已经不是 UNPAID 了(已支付了) // 什么都不做,取消任务自然结束 return false; } // 更新成功 → 释放库存、释放优惠券等 inventoryService.release(orderId); return true; } ``` ```sql -- MyBatis Mapper UPDATE orders SET status = #{newStatus}, update_time = NOW() WHERE order_id = #{orderId} AND status = #{expectedStatus} ``` **关键点**:两条路径复用同一段 SQL,只是传入的 `expectedStatus` 和目标状态不同。`rows == 0` 不是异常,而是"我没抢到这次流转"的正常分支——此时各自执行自己的补偿动作:支付路径退款,取消路径什么都不做。 ### Q:为什么这条 SQL 可以保证并发安全? A:两个原因叠加: 1. **InnoDB 行锁**:两个事务同时 UPDATE 同一行时,数据库会对该行加排他锁(X 锁)。第二个事务必须等第一个事务提交/回滚后才能执行,不会同时修改。 2. **WHERE 条件过滤**:第一个事务把 status 从 UNPAID 改成了 PAID,提交后释放锁。第二个事务获得锁开始执行,但此时 `WHERE status = 'UNPAID'` 已经匹配不到任何行了 → affected rows = 0 → 操作失败。  *图:事务 A 与事务 B 通过数据库行锁串行执行的 t1/t2 时间线* ```text 时间线: t1: 事务 A 执行 UPDATE ... WHERE status='UNPAID' → 对 order_id=xxx 这一行加 X 锁 → 修改 status: UNPAID → PAID → 提交,释放锁,rows=1 t2: 事务 B 执行 UPDATE ... WHERE status='UNPAID' → 获得锁,开始执行 → WHERE 条件:status='UNPAID'?当前是 PAID → 不匹配 → rows=0,什么都没改 ``` 本质:把"读状态 + 判断 + 修改"合并成一条原子 SQL,利用数据库引擎的 ACID 特性保证并发安全。这就是 CAS(Compare And Swap)思想在数据库层面的实现。 ### Q:为什么这样就安全了?分别看两种执行顺序。 A:**结论:无论谁先执行,后执行的那个都会因为 WHERE 条件不匹配而拿到 `rows = 0`,于是走补偿分支,两种情况都不会出错。**  *图:取消先执行与支付先执行两个场景的 UPDATE 结果* ```text 场景 1:取消先执行 t1: 取消任务 → UPDATE orders SET status='CANCELLED' WHERE status='UNPAID' → 成功(rows=1),订单变为 CANCELLED t2: 支付回调 → UPDATE orders SET status='PAID' WHERE status='UNPAID' → 失败(rows=0),因为状态已经不是 UNPAID 了 → 触发退款,用户钱退回 场景 2:支付先执行 t1: 支付回调 → UPDATE orders SET status='PAID' WHERE status='UNPAID' → 成功(rows=1),订单变为 PAID t2: 取消任务 → UPDATE orders SET status='CANCELLED' WHERE status='UNPAID' → 失败(rows=0),因为状态已经不是 UNPAID 了 → 取消任务直接结束,不做任何操作 两种情况都不会出问题!数据库行锁保证了两个 UPDATE 串行执行。 ```  [编辑 Excalidraw 源图](/images/java-interview-copy/business-scenario/11-order-timeout-pay-race-order-timeout-payment-race-state-machine-diagram.excalidraw) ## 三、放进真实场景 ### Q:把两条路径完整画出来是什么样? A:两条路径在"UPDATE 带状态条件"这一步汇合,再按 `rows > 0` 分叉到正常流程或补偿流程:  *图:订单超时取消与用户付款:两条时间线抢同一行* ```text 用户点击付款 延迟队列触发取消 │ │ ▼ ▼ 调用支付网关 查询订单状态 │ │ ▼ ▼ 支付网关回调 UPDATE status='CANCELLED' │ WHERE status='UNPAID' ▼ │ UPDATE status='PAID' │ WHERE status='UNPAID' │ │ │ ▼ ▼ rows > 0? rows > 0? ┌──┴──┐ ┌──┴──┐ │ │ │ │ Yes No Yes No │ │ │ │ ▼ ▼ ▼ ▼ 正常 触发退款 释放库存 什么都不做 完成 (订单已取消) 释放券 (订单已支付) ``` ```mermaid flowchart TB subgraph pay[付款路径] direction TB P1[用户点击付款] --> P2[调用支付网关] P2 --> P3[支付网关回调] P3 --> P4[UPDATE status='PAID'<br/>WHERE status='UNPAID'] P4 --> P5{rows > 0?} P5 -->|Yes| P6[正常完成] P5 -->|No| P7[触发退款<br/>订单已取消] end subgraph timeout[超时取消路径] direction TB T1[延迟队列触发取消] --> T2[查询订单状态] T2 --> T3[UPDATE status='CANCELLED'<br/>WHERE status='UNPAID'] T3 --> T4{rows > 0?} T4 -->|Yes| T5[释放库存<br/>释放券] T4 -->|No| T6[什么都不做<br/>订单已支付] end classDef pay fill:#a5d8ff,stroke:#343a40,color:#1e1e1e; classDef timeout fill:#ffd8a8,stroke:#343a40,color:#1e1e1e; classDef success fill:#b2f2bb,stroke:#343a40,color:#1e1e1e; classDef refund fill:#ffc9c9,stroke:#343a40,color:#1e1e1e; class P1,P2,P3,P4,P5 pay; class T1,T2,T3,T4 timeout; class P6,T5,T6 success; class P7 refund; ``` ### Q:订单已取消但支付回调才到,退款怎么实现才安全? A:当"取消先于支付完成"时,支付回调发现订单已取消,需要退款。**退款本身也必须幂等,否则重试会导致重复退款。** ```java public void refund(String orderId) { // 1. 记录退款单(幂等,防止重复退款) if (refundOrderExists(orderId)) return; createRefundOrder(orderId); // 2. 调用支付网关退款接口 payGateway.refund(orderId, amount); // 3. 更新订单状态为 REFUNDED orderMapper.updateStatus(orderId, "CANCELLED", "REFUNDED"); } ``` **关键点**:退款单的"存在性判断 + 创建"要靠唯一索引保证幂等(可用 `order_id` 作唯一键);退款单本身要记录状态,便于对账和人工介入。 **适用场景**:任何"用户已经付了钱但业务要退回"的补偿链路。 ### Q:如果业务不只是改状态,还要协调库存、优惠券等多个服务怎么办? A:**结论:CAS 只管住了订单这一行,管不住跨服务的整体一致性。当一次操作要跨多个服务且中途不能出错时,才需要引入分布式锁把整段逻辑串起来。** ```java public boolean handlePaySuccess(String orderId) { String lockKey = "order:lock:" + orderId; boolean locked = redisLock.tryLock(lockKey, 5, TimeUnit.SECONDS); if (!locked) { // 获取锁失败,稍后重试 throw new RetryableException("订单正在处理中"); } try { Order order = orderMapper.selectById(orderId); if (!"UNPAID".equals(order.getStatus())) { // 订单已经不是待支付状态 refundService.refund(orderId); return false; } // 正常支付流程 orderMapper.updateStatus(orderId, "UNPAID", "PAID"); inventoryService.confirmDeduct(orderId); couponService.confirmUse(orderId); return true; } finally { redisLock.unlock(lockKey); } } ``` **关键点**:加锁后依然要先查状态再更新——锁只保证同一时刻没有别的线程在处理这个订单,并不能替代状态校验。 **代价**:多一次 Redis 交互,且可靠性依赖锁的正确释放与续期机制。所以能用一个原子的状态更新解决时,就不要轻易上锁。 ### Q:CAS 状态机和分布式锁到底怎么选? A:能同时比较的维度如下,**默认优先 CAS**: | | CAS 状态机(推荐) | 分布式锁 | |--|--------|--------| | 实现复杂度 | 低(一条 SQL) | 中(引入 Redis 锁) | | 性能 | 高(数据库行锁,粒度小) | 中(多一次 Redis 交互) | | 适用场景 | 状态变更为主的简单操作 | 涉及多服务协调的复杂操作 | | 可靠性 | 依赖数据库事务 | 依赖 Redis + 看门狗续期 | ### Q:如果支付网关回调延迟很久(比如 5 分钟后才回调),订单早就取消了怎么办? A:和上面一样的处理。支付回调来了发现订单已取消,直接触发退款。支付网关一般支持"关单"操作,可以在取消订单时主动调用支付网关的关单接口,这样支付网关会拒绝后续的支付请求,从源头避免问题。 ### Q:退款失败了怎么办? A:退款失败要有重试机制(消息队列 + 定时任务兜底)。同时记录退款状态,人工介入处理长时间未成功的退款单。 **设计原则**:补偿链路要"先落库记录待退款,再异步重试",保证任何时刻都能从库里查到这笔退款处于什么状态。 ### Q:如何避免用户在最后一秒付款? A:前端倒计时比后端早几秒结束(比如前端 29:55 就禁用付款按钮),给后端留出处理窗口。但这只是优化体验,核心安全还是靠后端的状态机保证。 ## 四、总结与自测 ### Q:面试里怎么答这道题? A: 1. **先说核心思路**:状态机 + CAS,UPDATE 带 WHERE status='UNPAID' 条件,利用数据库行锁保证只有一个操作能成功。 2. **再说失败处理**:支付成功但订单已取消 → 自动退款;取消时订单已支付 → 取消任务直接放弃。 3. **补充退款幂等**:退款接口要做幂等(退款单去重),防止重复退款。 4. **加分项**:提到延迟队列的选型(RocketMQ 延迟消息 / Redis ZSet / 数据库轮询),以及支付回调的幂等处理。 ### Q:这套方案还有哪些容易被忽略的风险点? A:**核心逻辑只有一条 CAS SQL,但真正决定线上是否稳的是周边配套**: - **退款幂等**:退款会被重试,必须有唯一键去重,否则重复退款(对应上面的退款单设计)。 - **延迟消息可靠性**:延迟队列本身可能丢消息或重复触发,所以取消动作也要幂等——这也正是 CAS 能兜住的原因,重复触发第二次会拿到 `rows = 0`。 - **主动关单**:对支付网关及时关单,比事后退款体验更好,也能减少"付了又退"的资金往返。 --- ## 自测 1. 为什么"先 `SELECT` 查状态、在代码里判断再 `UPDATE`"不能替代带状态条件的 CAS?具体会产生哪种错误结果? 2. 支付回调拿到 `rows = 0` 时,代码为什么不能直接抛异常,而要先去退款? 3. 出现什么信号说明你该从 CAS 状态机升级到分布式锁?
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入