这道题问的其实是怎么在异步多[[Agent]]协作里,既保证任务能跑完,又保证最终结果是对的。说白了,核心就两件事:一是怎么避免Agent之间因为执行顺序乱导致数据对不上,二是某个Agent挂了怎么不影响全局。
我的思路是分层解决。先说任务编排层,我会引入一个中心化的Agent|编排器来维护全局状态机,它不参与具体业务,只负责拆任务和调度。任务拆成有向无环图,每个Agent只跟编排器通信,这样依赖关系清晰,也避免Agent之间互相调用搞成网状。然后执行层面,我用Saga加补偿事务。正向流程就是A做完给B,B做完给C;如果C失败了,就反向执行补偿操作,C回滚完通知B回滚,再通知A回滚。这里有个前提,每个Agent的execute和补偿操作都得是幂等的,否则重复执行或回滚会出问题。
举个例子,电商的订单履约流程:用户下单后,库存扣减Agent、支付Agent、物流Agent异步执行。如果支付成功但物流分配失败,Saga就会触发库存回滚和支付退款。这样既不用锁整个事务,又能保证最终一致性。
再一个,异步通信的可靠性。我会用消息队列做缓冲和持久化,每个任务带唯一ID,配合去重表防重复执行。Agent挂了的话,靠心跳检测加租约机制,超时就把任务重新调度给其他Agent。同时关键节点打检查点,比如库存扣减完存个状态,这样Agent重启后能从断点恢复,不用全量重跑。
最终一致性校验我会上对账任务,定时把各个Agent的本地状态跟编排器的全局状态比对。发现不一致就按业务规则仲裁,比如时间戳晚的覆盖早的,或者直接抛给人工处理。
这里有个坑:Saga其实不保证实时一致,只保证最终一致。如果业务要求强一致性,比如资金转账,那Saga就不合适了,得上Paxos或Raft做同步复制,但那样吞吐和可用性都会下降。所以上线前我会特别关注业务到底能不能容忍短暂不一致,如果不能,就得换方案。
另外实际落地时,编排器本身可能会成为单点瓶颈,所以我会考虑编排器集群加选主,或者干脆用事件驱动架构去掉中心编排,让Agent通过消息总线自己协调。但那样调试和排查问题会更复杂。
所以总的来说,我会把这套方案定位成一个通用框架,但具体用编排器加Saga还是事件驱动加Saga,取决于对可观测性和一致性的要求。我更倾向于优先保证可观测性,毕竟线上出了问题能快速定位比什么都重要。