Skip to content

6.7-3 订单超时自动取消 ​

所属:06 分布式与架构 / 6.7 系统设计 分级:A 状态:◐ 初稿 关联:6.7-1、6.7-5、6.7-6、6.1-4、6.1-5、6.5-5

  • 题型:场景设计

  • 一句话结论:超时取消的本质不是“怎么定时”,而是在一个不可靠的触发上做幂等、可补偿、可收敛的状态迁移:触发用延迟消息 + 定时扫表兜底(大规模再分片/时间轮),执行用状态机 CAS(WHERE status = 待支付)保证“支付成功”和“取消”只有一个赢家,取消动作(释放库存、退券、关支付单)幂等且可重试,最后用监控 + 对账发现漏取消与异常单。单靠扫表有延迟和 DB 压力,单靠 MQ 会丢消息,必须组合。

  • 分层要点:

    1. 业务语义:订单创建后进入“待支付”,超过时限(如 15/30 分钟,可按品类/活动配置)自动取消,释放库存预占、优惠券、积分、余额冻结。时限要有明确来源与宽限期;取消是不可逆终态(除非人工),且必须与“支付成功”互斥。取消原因要区分超时、用户主动、风控、缺货,便于对账与客服。
    2. 触发方案:定时扫表(简单、有延迟、DB 压力)、延迟消息(RocketMQ 5.x 任意时间 / 4.x 18 级、RabbitMQ TTL+DLX)、Redis ZSet(score=到期时间,定时取)、时间轮(Netty HashedWheelTimer,单机内存)、调度框架(XXL-JOB/ElasticJob 分片)。生产常用“延迟消息为主 + 扫表兜底”,超大规模再用分片扫表或分层时间轮。
    3. 延迟消息:下单成功后发送延迟消息(订单号 + 到期时间),消费时检查订单状态,待支付才取消。要点:发送与本地事务的原子性(本地消息表/事务消息)、消息可能重复(消费幂等)、可能延迟(不能当精确闹钟)、可能积压(消费能力/分区)。RocketMQ 5.x 支持任意 deliverTimeMs;4.x 只有 18 个固定延迟级别,长时限要换算或改用扫表。
    4. 扫表兜底:按 status = 待支付 AND expire_time <= NOW() 建联合索引,LIMIT 批量取、按 id/分片游标推进;多实例用分片(按订单号取模)或分布式锁避免重复扫;更新必须带 WHERE status = 待支付 条件,影响行数为 0 说明已被支付/取消,直接跳过。扫表频率与取消延迟是取舍,大表要冷热分离/归档。
    5. 支付与取消的竞态:支付回调和取消任务可能同时到达。用状态机 CAS:UPDATE order SET status = 已取消 WHERE order_no = ? AND status = 待支付,只有一个能成功;支付侧同理 WHERE status = 待支付 改成已支付。若取消先成功、支付随后到账,支付回调要识别“订单已取消”,触发自动退款/异常单;若支付先成功,取消任务影响 0 行直接结束。绝不能“先查状态再更新”。
    6. 取消动作与一致性:取消不只是改状态,还要释放库存(locked→available)、退优惠券/积分、关闭渠道支付单(关单)、发通知。这些动作跨服务,做法是“本地事务改状态 + 本地消息表/事务消息”驱动下游,或按顺序调用 + 补偿;每一步都要幂等(库存回补不能超原预占、退券不能重复),失败重试 + 告警 + 对账。关单要调渠道,避免用户之后还能支付。
    7. 兜底与监控:延迟消息丢失 → 扫表兜底;扫表漏单 → 定时巡检/对账(待支付超期未取消、已取消仍有库存锁定、已支付却被取消的异常单);监控取消量、取消延迟分布、失败率、消息积压、异常单数量;大促时大量未支付订单会在同一时段集中到期,取消洪峰要分批/限流,避免打爆 DB、库存、优惠券服务。
    8. 选型与边界:小规模定时扫表足够;中大规模“延迟消息 + 扫表兜底”;超高精度/超大规模用时间轮 + 分片;不要用单机 Timer/ScheduledExecutor(重启丢失、多实例重复);不要只依赖 MQ(会丢/延迟);不要只靠扫表(延迟大、DB 压力)。最终正确性不取决于触发器,而取决于状态机 + 幂等 + 对账。
  • 图/流程:

text
订单状态机:
  待支付 ──支付成功──▶ 已支付 ──发货──▶ 已完成
     │
     ├─超时/用户取消──▶ 已取消(释放库存/退券/关单)
     └─风控/缺货──────▶ 已关闭
  约束:待支付 → 已支付 / 已取消 互斥,只能一个成功
text
延迟消息 + 扫表兜底:
  下单成功 ──发延迟消息(15min, orderNo)──▶ MQ
                                      │ 到期消费
                                      ▼
                          查订单:待支付? ──是──▶ CAS 取消 + 释放
                                      └─否──▶ 幂等结束
  同时:定时扫表 status=待支付 AND expire_time<=now
        ──▶ 补发/直接取消(处理消息丢失/延迟)
text
支付与取消竞态:
  取消任务:UPDATE ... SET status=已取消 WHERE order_no=? AND status=待支付
  支付回调:UPDATE ... SET status=已支付 WHERE order_no=? AND status=待支付
  影响行数 1 的一方获胜;另一方 0 行:
    取消获胜 + 支付已到账 → 自动退款/异常单
    支付获胜 + 取消任务   → 直接结束
text
Redis ZSet 延迟队列:
  ZADD delay_queue <expire_ts> <orderNo>
  定时任务:ZRANGEBYSCORE 0 now LIMIT 0 N
           → 逐条 ZREM(或 Lua 原子取)→ 处理取消
  优点:实现简单、精度可控;缺点:需自己保证可靠与分片
  • 版本/源码锚点:

    • RocketMQ 5.x:定时/延迟消息支持任意 deliverTimeMs;4.x 仅 18 个延迟级别(1s~2h,delayLevel),长时限需换算或改用扫表;事务消息、死信队列。
    • RabbitMQ:TTL + 死信交换机(DLX)实现延迟;延迟插件 rabbitmq_delayed_message_exchange。
    • Kafka 3.x:无原生延迟消息,常用外部调度/时间轮/多级 topic 自行实现。
    • Redis 7.x:ZSet 延迟队列、Lua 原子取任务;SETNX 防重复。
    • 时间轮:Netty HashedWheelTimer、Kafka 内部时间轮;单机内存,重启丢失。
    • 调度:XXL-JOB 2.4、ElasticJob(分片);MySQL 8.0 联合索引、UPDATE ... WHERE status。
    • 相关:库存回补见 6.7-5;支付终态见 6.7-6;幂等见 6.1-4;延迟消息可靠性见 5.3-1/5.3-6。
  • 触发方案对比:

方案精度可靠性规模代价
定时扫表秒~分钟高(DB 为准)中DB 压力、延迟
延迟消息秒级中(可能丢/重)高依赖 MQ、需兜底
Redis ZSet秒级中高需自己分片/持久化
时间轮毫秒~秒低(内存、重启丢)单机不适合核心
调度框架分片秒~分钟高高运维成本
  • 取消动作与一致性:
动作目标幂等/一致性
改订单状态待支付 → 已取消CAS WHERE status=待支付
释放库存locked → available回补唯一键,不能超原预占
退优惠券/积分返还券/积分流水幂等
关闭支付单调渠道关单关单幂等,防后续支付
发通知短信/站内信可重复,去重
异常单处理取消后支付到账自动退款 + 人工复核
  • 失效场景与定位:
现象根因处理
订单一直不取消消息丢失/扫表漏扫表兜底 + 巡检
取消后仍能支付未关支付单/渠道延迟调渠道关单 + 支付回调校验
支付成功却被取消竞态未用 CAS状态机条件更新 + 退款
库存回补多了回补不幂等唯一键 + 校验原预占
优惠券退重复无流水/无幂等券流水唯一键
取消延迟很长扫表频率低/消息积压提高频率/扩消费/分片
扫表打爆 DB无索引/全表扫联合索引 + 分页 + 限流
多实例重复取消无分片/无锁按订单号分片 + CAS
大促取消洪峰集中到期分批 + 限流 + 削峰
异常单长期挂起无监控异常单看板 + 自动退款
  • 深挖点(面试官常追的 6 个):

    1. 为什么不能只用定时扫表:扫表简单可靠、以 DB 为准,但延迟取决于扫描周期,订单量大时全表/大范围扫描会打爆 DB;频率调高又浪费资源。它适合做兜底而不是主路径。反过来只靠 MQ 也不行:消息可能丢、可能延迟、可能积压,且发送与本地事务难原子。生产标准答案是“延迟消息主路径 + 扫表兜底 + 监控巡检”,两者互补。
    2. 延迟消息怎么选、精度如何:RocketMQ 5.x 支持任意时间投递,适合 15/30 分钟这类时限;4.x 只有 18 个固定级别(1s~2h),要选最接近的级别或换算成多级延迟,精度差;RabbitMQ 用 TTL+DLX 或延迟插件;Kafka 没有原生延迟,要自己搭。延迟消息不是精确闹钟,高峰期可能晚到几分钟,所以取消逻辑必须能容忍迟到,并靠扫表兜底。
    3. 支付和取消同时发生怎么办:这是本题的核心。用状态机 CAS:取消 UPDATE ... SET status=已取消 WHERE status=待支付,支付 UPDATE ... SET status=已支付 WHERE status=待支付,数据库行锁保证只有一个影响 1 行。取消赢了但支付已到账 → 记异常单并自动退款;支付赢了 → 取消任务 0 行直接结束。千万不要“先 SELECT 判断再 UPDATE”,那会两个都成功或互相覆盖。渠道侧还要关单,防止取消后用户继续支付。
    4. 取消的幂等怎么做:取消可能被延迟消息、扫表、人工重复触发,所以每一步都要幂等:订单状态 CAS 只让第一次生效;库存回补用“回补唯一键/预占流水”保证只补一次且不超过原预占;退券/退积分用流水唯一键;关单调渠道要能重复调用;通知可重复但要去重。整体用“订单号 + 取消事件”做幂等键,失败重试不产生副作用。
    5. 大表扫表怎么优化:(status, expire_time) 联合索引,避免全表;按 id 游标分页而不是大 OFFSET;多实例按订单号/分片键取模,各扫各的;每批 LIMIT 控制,批间 sleep 限流;只扫“待支付且已到期”的小集合;历史订单归档/分区,避免表无限增长;用从库扫、错峰执行。扫表任务本身要监控耗时、扫描行数、取消成功率。
    6. 怎么发现漏取消和异常单:三类巡检——超期仍待支付(该取消没取消)、已取消但库存仍锁定/券未退(取消动作没做完)、已支付却被取消(竞态或人工误操作)。用定时对账比对订单、库存、支付、优惠券流水;异常单进人工队列;监控取消延迟分布、失败率、消息积压、取消洪峰。没有巡检,漏取消会一直占库存,最终表现为“少卖”。
  • 追问链:

    1. 订单超时怎么取消? → 延迟消息 + 扫表兜底。
    2. 为什么不用单机 Timer? → 重启丢、多实例重复。
    3. 扫表怎么做? → 联合索引 + 分页 + CAS。
    4. 扫表缺点? → 延迟、DB 压力。
    5. 延迟消息用哪个? → RocketMQ 5.x 任意时间。
    6. 4.x 呢? → 18 个固定级别。
    7. RabbitMQ 呢? → TTL + DLX。
    8. Kafka 呢? → 无原生延迟。
    9. 消息丢了? → 扫表兜底。
    10. 消息重复? → 消费幂等。
    11. 消息延迟? → 容忍 + 兜底。
    12. 消费时先做什么? → 查订单状态。
    13. 状态不对? → 幂等结束。
    14. 支付和取消同时? → CAS 状态机。
    15. 怎么 CAS? → WHERE status=待支付。
    16. 能先查后改吗? → 不能,会竞态。
    17. 取消赢了支付到了? → 自动退款/异常单。
    18. 支付赢了? → 取消 0 行结束。
    19. 取消要做什么? → 改状态、释放库存、退券、关单。
    20. 库存怎么释放? → locked→available。
    21. 回补注意? → 幂等、不超原预占。
    22. 券怎么退? → 流水幂等。
    23. 为什么要关单? → 防取消后还能支付。
    24. 关单失败? → 重试 + 告警。
    25. 取消失败? → 重试 + 对账。
    26. 多实例重复扫? → 分片/分布式锁。
    27. 大表怎么办? → 索引、游标、归档。
    28. 扫表打爆 DB? → 限流、从库、错峰。
    29. 取消洪峰? → 分批、限流、削峰。
    30. 怎么发现漏取消? → 巡检/对账。
    31. 巡检哪三类? → 超期未取消、取消未释放、已支付被取消。
    32. 监控什么? → 延迟、失败率、积压、异常单。
    33. 时限怎么定? → 业务配置、品类不同。
    34. 宽限期? → 支付渠道延迟,留缓冲。
    35. 用户主动取消? → 同一套状态机。
    36. 风控取消? → 独立原因,走审批。
    37. 取消后恢复? → 一般不可逆,人工。
    38. 已发货能取消? → 走退货流程。
    39. 退款和取消关系? → 支付后退款,非取消。
    40. 库存和订单一致性? → 最终一致 + 对账。
    41. 能强一致吗? → 跨服务难,靠补偿。
    42. 延迟队列用 Redis? → ZSet + Lua 取任务。
    43. Redis 丢了? → 扫表兜底。
    44. 时间轮适合吗? → 单机、非核心。
    45. XXL-JOB 呢? → 分片调度扫表。
    46. 消息积压? → 扩消费/分区。
    47. 取消通知? → 异步、可重复。
    48. 对账口径? → 订单/库存/支付/券。
    49. 怎么复盘? → 漏取消率、异常单、延迟。
    50. 面试怎么总结? → 触发(消息+扫表)→ 竞态(CAS)→ 动作(幂等)→ 兜底(巡检)。
  • 生产案例/取舍(示例,替换成你的项目):

    • 只用 ScheduledExecutor 单机定时,重启后订单永不取消;改延迟消息 + 扫表。
    • 延迟消息丢失,大量订单占着库存不释放;加扫表兜底 + 巡检。
    • 先查后改取消,和支付回调并发导致“支付成功又被取消”;改 CAS 状态机。
    • 取消后未关支付单,用户仍能支付;补渠道关单 + 回调校验。
    • 库存回补重复执行,越补越多;加回补唯一键 + 原预占校验。
    • 扫表无索引全表扫,DB CPU 打满;加 (status, expire_time) 索引 + 游标分页。
    • 多实例同时扫同一批订单,重复取消;按订单号分片。
    • 大促集中到期,取消洪峰打挂库存服务;分批 + 限流 + 错峰。
    • 已支付订单被人工误取消,用户投诉;加状态校验 + 审批 + 异常单。
    • 取消失败无重试,库存长期锁定;加本地消息表 + 重试 + 告警。
    • 退款与取消混淆,已支付订单走取消导致账不平;区分取消与退款。
    • 取舍:扫表换简单可靠,代价是延迟与 DB 压力;延迟消息换及时,代价是丢/重/积压;CAS 换正确,代价是失败方要处理;关单换安全,代价是渠道调用;巡检换兜底,代价是开发与运维。
  • 易错点:

    • 认为超时取消就是定时任务扫表。
    • 认为单机 Timer 可靠。
    • 认为延迟消息一定送达。
    • 认为延迟消息一定准时。
    • 认为消息不会重复。
    • 认为消费时不用查状态。
    • 认为先查后改能防竞态。
    • 认为支付和取消不会同时发生。
    • 认为取消只是改状态。
    • 认为取消后不用关支付单。
    • 认为库存回补不需要幂等。
    • 认为回补可以超过原预占。
    • 认为退券不会重复。
    • 认为扫表不需要索引。
    • 认为多实例扫表不会重复。
    • 认为大表可以一直全表扫。
    • 认为取消洪峰不用限流。
    • 认为漏取消会自动恢复。
    • 认为异常单不用监控。
    • 认为已支付订单也能直接取消。
    • 认为取消和退款是一回事。
    • 认为 Redis ZSet 不会丢。
    • 认为时间轮适合核心链路。
    • 认为 Kafka 原生支持延迟消息。
    • 认为 RocketMQ 4.x 支持任意延迟。
    • 认为消息积压不影响取消。
    • 认为对账是可选。
    • 认为取消状态可以回退。
    • 认为所有订单时限一样。
    • 认为有 MQ 就不需要扫表。
  • 30 秒口述稿:

订单超时取消的关键不是定时,而是可靠的状态迁移。触发上我用延迟消息做主路径,再加定时扫表兜底,因为 MQ 可能丢、可能延迟,扫表又太慢、压 DB,两者互补。执行时必须用状态机 CAS,取消是 UPDATE ... WHERE status=待支付,支付回调也是同样条件,数据库保证只有一个赢家;如果取消赢了但支付已经到账,就记异常单并自动退款。取消动作不止改状态,还要释放库存、退优惠券、关掉渠道支付单,每一步都要幂等、可重试。最后用巡检发现三类问题:超期没取消、取消了库存没释放、已支付却被取消,再配合监控取消延迟和异常单。

  • 3 分钟展开顺序:结论(触发 + CAS + 幂等动作 + 巡检)→ 业务语义与时限 → 五种触发方案对比 → 延迟消息的实现、精度与可靠性 → 扫表兜底的索引、分页、分片与限流 → 支付/取消竞态与 CAS → 取消动作(库存、券、关单)与一致性 → 消息丢失/重复/延迟的兜底 → 大促洪峰与监控巡检 → 选型与边界 → 案例与取舍。