对账时发现同一笔订单对应两张满减券,回收了 17 张,用户投诉 4 起。翻支付平台的通知日志,同一个 out_trade_no 有 3 条回调,间隔 15 秒。
我们的 /pay/notify 要查订单、扣库存、发券、写流水,一整套走 5 秒以上。平台等 5 秒没响应就判失败,按间隔重推 3 次。日志里三次请求都进了发券那一步。
第一版在方法上加 Redis 锁,key 用订单号,setnx 30 秒过期。压测 20 并发,发券还是 2 张。原因很直接:第一个请求拿锁之后在发券前抛了超时异常,锁被释放,第二个请求进来重发了一遍。锁只能保证互斥,保证不了只执行一次。
真正的幂等要落在数据库。pay_log 表加 (channel, trade_no) 唯一索引,插入冲突就是重复回调;订单状态用 CAS 更新,affected_rows 等于 1 才继续往下发券。
UPDATE orders SET status = 'paid', paid_at = NOW()
WHERE trade_no = '4200002186' AND status = 'pending';
INSERT INTO pay_log (channel, trade_no)
VALUES ('wxpay', '4200002186');
SELECT ROW_COUNT();
顺序也改了。回调进来先落一条 notify 记录立刻返回 success,发券扔异步队列。处理时间从 5 秒压到 80 毫秒,平台不再重推,就算重推也不会重复发。
验证用脚本造 20 个并发请求打同一个回调,发券表只有 1 行,orders 的 paid_at 只更新一次,pay_log 里 19 条唯一键冲突被捕获并记了日志。
还有一种情况:平台重推时正好在发版,旧 Pod 和新 Pod 同时处理。唯一索引是库级的,跨实例照样管用,这点比应用层锁可靠。发版窗口现在允许回调正常进来,不用再停流量。
遗留的一条是退款回调,逻辑同源但写在另一个服务里,还靠查状态判断。已经排进下个迭代,改成同一套唯一索引加 CAS。
