🎤 面试官：你做过订单相关的开发吧？说说用户下单之后，系统是怎么处理的？
我： 嗯，我们平台用户下单付款之后，不是直接就“待发货”了，中间还得走一套叫“履约”的流程。
比如你买个手机，付完钱，系统得先看看库存够不够、价格有没有被人改过、是不是黄牛账号、商家同不同意接单……这些都通过了，才算真正“接单成功”，才能推给仓库去发货。
这一套流程，就是我们说的“订单履约”。
🎤 面试官：那这个流程是同步还是异步？为啥？
我： 是异步的，靠消息队列驱动。
为啥呢？你想啊，用户付完钱，如果系统当场卡那儿去查库存、调风控、推仓库，一卡就是几百毫秒甚至几秒，用户体验就崩了——“我钱都付了，怎么还没进待发货？”
所以我们是这么设计的：
- 用户一付款，支付系统发个消息到 RabbitMQ，说“XXX订单付钱了”；
- 我们的履约服务监听这个消息，收到后慢慢处理；
- 用户端看到的是“支付成功”，后台在悄悄干活。
这样前端快，后端稳，各干各的，不打架。
🎤 面试官：那如果消息重复了，会不会重复处理？比如库存扣两次？
我： 会啊，MQ 本来就会重试，网络抖一下、服务重启一下，消息就可能重复。
所以我们做了三道保险：
- 看订单状态：比如我收到消息，先查一下这订单现在是啥状态。如果已经变成“待发货”或者“履约中”了，那说明处理过了，直接跳过；
- Redis 标记：处理之前，先往 Redis 里写个
fulfillment:done:订单ID，设个过期时间。下次再来，发现已经有这个 key，就不干了；- 数据库唯一约束：比如生成发货单的时候，用
订单ID做唯一索引，重复插入直接报错，不会多生成。三招一起上，基本就能保证“同样的事，干一遍就够了”。
🎤 面试官：库存是怎么锁的？会不会超卖？
我： 库存这块我们挺小心的，用的是“先冻结，后扣减”的模式，有点像你去餐馆吃饭，服务员说“您稍等，我帮您看看还有没有座”。
具体是这样：
- 用户下单付钱后，我们调库存服务，说“先给我把这个商品锁住，别让别人买了”；
- 库存服务就把可用库存减 1，加到“冻结库存”里；
- 等履约成功了，再把冻结库存正式扣掉；
- 如果中间出问题（比如风控没过），就解冻，库存还回去。
这种方式叫 TCC（Try-Confirm-Cancel），虽然麻烦点，但能保证不超卖。 要是直接“扣库存”，万一后面流程挂了，用户钱付了货发不了，那就出大事了。
🎤 面试官：那如果调仓库系统（WMS）失败了，怎么办？
我： 这个太常见了，WMS 接口不稳定、网络超时、对方系统抽风……我们都遇到过。
我们的做法是：不卡住主流程，先记下来，回头慢慢补。
具体是：
- 履约走到最后一步，要推发货单给 WMS；
- 调用失败了，我们不直接报错，而是把这条“推送任务”记到数据库一张表里，状态标成“失败”；
- 然后有个定时任务，每隔 5 分钟扫一遍这张表，把失败的重新推；
- 重试 3 次还不行，就发个企业微信消息给运维：“兄弟，XXX订单推不进去，赶紧看看”。
这样既不影响用户，又能保证数据不丢。
🎤 面试官：你们用什么跑定时任务？@Scheduled 行不行？
我： @Scheduled 啥的，小项目玩玩还行，我们这种多台机器部署的系统，真不敢用。
为啥？ 比如我们有 4 台订单服务，每台都写了
@Scheduled，那这个任务就跑了 4 遍，数据全乱了。所以我们用的是 XXL-JOB，一个开源的分布式任务调度平台。 它有个控制台，可以：
- 看任务有没有跑成功；
- 手动触发；
- 失败了自动重试；
- 还能分片，比如把 100 万条数据分给 4 台机器各处理 25 万，提速。
就像公司打卡一样，以前靠员工自己记，现在用钉钉统一管，靠谱多了。
🎤 面试官：整个流程出错了能 rollback 吗？
我： 完全 rollback 很难，因为涉及多个系统，比如库存、风控、WMS，不可能搞分布式事务锁一路到底。
我们的做法是：出问题不硬 rollback，而是走补偿。
比如：
- 如果库存锁了，但后面发现是黄牛，那我们就调个“解冻库存”的接口，把锁的还回去；
- 如果已经推了 WMS，但订单取消了，那就得人工去仓库系统点“取消发货”；
- 所有操作都记日志，出了问题能查清楚是哪一步卡了。
说白了，系统尽量自动化，但也要接受“人工兜底”，毕竟现实世界没那么完美。
🎤 面试官：你觉得这个系统最难的是啥？
我： 我觉得最难的不是技术，是怎么让各个系统之间“不扯皮”。
比如：
- 库存系统说“我锁了”；
- 风控说“我过了”；
- 结果 WMS 说“我没收到”；
- 最后用户打电话投诉“为啥还不发货”？
所以我们后来加了很多对账机制：
- 每天凌晨跑个脚本，看看“履约成功”的订单，有没有没推到 WMS 的；
- 发现不一致，自动补推 or 告警；
- 所有关键步骤打日志，用 SkyWalking 能链路追踪。
技术可以堆，但数据一致性得靠机制+监控+人一起守。