下单要扣库存，付款要改账户余额，发货还要写一条物流记录。单体应用里，这些操作放在一个本地事务中就能兜住。拆成微服务后，每个服务各守一个数据库，中间任何一步失败，前面已完成的动作都需要有人来收拾。很多团队卡在这一步，问题往往不在技术选型，而是没有先想清楚数据该怎么对齐。阿里云 GTS（分布式事务服务）是云上的托管方案，下面结合一个电商下单的例子，讲讲它怎么用，以及容易出问题的地方。
跨服务之后，本地事务管不到的地方
单体应用里，多个操作要么一起成功，要么一起回滚，这件事由数据库替你完成。微服务拆开后，事务边界就断在了服务之间的网络调用上。早期常见的做法是各服务自己写补偿逻辑：扣库存失败就回滚订单，核销失败就退款。问题在于异常分支会越写越多，超时、重复调用、补偿本身失败，这些情况很难全部想到。线上出现不一致时，排查要在几个服务的日志里来回对时间线。
所以分布式事务要解决的，是让跨服务的数据操作最终落在一个一致的结果上。业内常用的思路有两阶段提交、TCC、SAGA，以及基于消息的最终一致性。它们各有代价：强一致通常意味着更长的锁持有时间，最终一致则要求业务能接受短暂的中间状态。选哪种，先要问清楚这个业务能不能容忍几秒钟的不一致窗口。
GTS 支持的几种事务模式
GTS 是全托管的分布式事务中间件，兼容开源社区的 Seata 协议。事务协调器的部署、高可用和监控告警由云平台负责，业务团队可以把精力放在业务代码上。它支持的模式，按改造成本从低到高大致可以这样理解：
- AT模式：对业务代码基本无侵入。框架解析 SQL，在执行前后分别记录前镜像和后镜像，失败时据此生成回滚语句。业务以关系型数据库为主时，这通常是最省事的起点。
- TCC模式：业务方要自己实现 Try、Confirm、Cancel 三个接口，资源预留和释放的规则也由业务定义。适合额度冻结、优惠券核销这类需要精确控制可用量的场景。代价是每个接口都要认真处理幂等和空回滚。
- SAGA模式：把长流程拆成一串本地事务，每一步配一个补偿操作。流程长、会调用外部系统时比较合适，比如跨境支付或多方对账，外部系统没法纳入同一个事务。
- XA模式：依托数据库原生的两阶段提交，一致性最强，但会占用较多数据库锁资源。并发高的链路上使用前，要先评估它对吞吐量的影响。
实际选型时，可以先看哪些环节真的需要强一致。多数业务里，只有少数几步是关键的，其余步骤用最终一致就够了。把所有步骤都塞进同一种模式，往往是成本最高的做法。
一个下单链路的改造过程
以一家中型电商平台为例。它的下单流程由订单、库存、营销三个服务依次调用完成。上线初期，大促期间偶尔会出现订单已创建、库存却没扣减，或者优惠券已核销、订单又被取消的情况。团队一开始用定时任务补偿，但补偿逻辑散落在三个服务里，改一处就要同时看另外两处，排查一次问题常常要花不少时间。
后来他们做了几件事。订单服务作为事务发起方，用全局事务注解包住下单主流程，事务边界集中到一处。库存扣减改用 AT 模式，回滚日志交给框架记录，手写的补偿代码因此少了很多。优惠券因为涉及额度冻结，单独改用 TCC，把 Try 阶段预留多少、Cancel 阶段释放什么写成明确的规则。最后在 GTS 控制台配置了事务超时时间和全局锁等待策略，并接入告警，异常事务出现后能及时被看到。
改造上线后，团队反馈跨服务数据不一致的工单少了，补偿任务的维护范围也比以前小。不过这个结果和他们的业务规模、SQL 复杂度、并发水平有关，不能直接套到别的系统上。建议先在预发布环境压测，确认数据和性能都符合预期，再全量切换。
接入时容易踩的几个坑
有几个问题在动手前最好想清楚。
- 全局事务别包太大：范围越大，锁持有的时间越长，并发冲突也越多。只把真正需要一致性的步骤放进去，非关键操作可以异步处理，比如发通知、写操作日志。
- Confirm 和 Cancel 必须幂等：网络超时和重试会让同一个分支被调用多次。接口要能接受重复请求，还要处理“还没 Try 就收到 Cancel”的空回滚情况。
- 热点数据的全局锁要提前看：AT 模式下，同一行数据的并发修改会争抢全局锁。热门商品的库存就是典型例子，可以考虑把库存拆成多条记录分散压力，或者先预扣、再异步结算。
- 对账不能省：事务框架能兜住大部分异常，但不是全部。定期跑一次对账任务，比出了问题再去翻日志便宜得多。
- 压测要和原链路对比：分布式事务会增加网络往返和日志写入，上线前用同样的流量跑一遍改造前后的链路，才能看出真实的开销。
写在最后
分布式事务没有一套通用方案。选型前，先搞清楚业务能接受多大的不一致，哪些步骤必须同时成功，哪些可以事后补齐。想清楚这些，再对照 AT、TCC、SAGA 的特点去选，会顺很多。阿里云 GTS 把协调器的运维托管出去，团队可以把精力放在事务边界和幂等设计上。对于想尽快解决跨服务一致性问题的团队，它是值得评估的一个选项。
