这篇文章讨论的是一个个人原型,技术栈是 FastAPI、PostgreSQL 15、SQLAlchemy 异步 ORM、Vue 3 与 Docker Compose,入口覆盖企业微信 H5 和桌面后台。开发过程中有 Agent 辅助,代码需要人工阅读和审查;项目未正式采用,也没有真实客户流量。下面的结论只说明这套取舍为什么适合当时的验证目标,不证明它已经满足生产环境要求。

先界定问题,而不是先补技术名词

原型要验证的是巡检、报修、设施台账和状态规则能否形成一条闭环。它需要保存业务事实、发送失败后可重试的通知,以及少量读取优化。它当时不需要证明高并发,也不存在多个团队共享的服务边界。

“没有 Redis 和 MQ”容易被写成一种立场,其实只是成本判断。每增加一个基础设施,就要同时处理部署、监控、备份、故障排查和本地开发依赖。对个人原型来说,先少一个需要持续照看的进程,比提前获得一套看似完整的架构图更重要。

我把需求分成三类:不可丢失的事实、可以重建的派生数据、需要延迟执行的工作。只有第一类必须立即拥有强一致的事务边界;第二类可以允许短暂不一致;第三类则需要持久化和重试,但并不天然要求独立消息系统。这个分类才是后续选型的依据。

持久事实只认 PostgreSQL

巡检记录、报修单、设施状态和通知记录都以 PostgreSQL 为准。内存里的对象不是事实来源,页面上的状态也不是。这样定义之后,进程重启只影响临时性能,不会让业务历史消失。

例如,少量读多写少的配置可以使用带 TTL 的进程内缓存,但必须同时满足两个条件:内容能够从数据库重建,读取方能够容忍短时间旧值。下面的代码只表达这种边界,不是对生产缓存组件的承诺:

async def get_cached_lookup(key: str) -> dict | None:
    cached = local_ttl_cache.get(key)
    if cached is not None:
        return cached

    value = await load_lookup_from_postgres(key)
    if value is not None:
        local_ttl_cache.set(key, value, ttl_seconds=60)
    return value

这里刻意没有分布式失效协议。实例 A 更新数据后,实例 B 的旧值可能保留到 TTL 结束。如果某项数据不能容忍这种窗口,就不进入这份缓存;如果未来需要跨实例共享会话或协调状态,也应该重新评估 Redis,而不是继续给本地字典补补丁。

通知为什么不能只靠 fire-and-forget

最初最容易写出的方案,是在报修单保存后直接调用企业微信接口。问题在于外部 HTTP 的耗时和失败不受数据库事务控制:通知成功但事务回滚,会产生一条指向不存在业务的通知;事务提交后进程退出,又可能什么都来不及发。

因此原型使用数据库 outbox。业务记录和通知任务在同一个事务中写入,通知载荷不包含密钥,只保存投递所需的业务引用、状态和尝试信息。事务提交后,再由 FastAPI 的 BackgroundTasks 尝试即时投递。即时任务只是降低延迟,不是可靠性的唯一来源。

事务边界可以概括为下面的顺序。它是便于阅读的结构示例,真正需要审查的是实现是否保证外部 HTTP 不在事务中执行:

async with session.begin():
    repair = await create_repair(session, payload)
    await create_notification_outbox(
        session,
        repair_id=repair.id,
        channel="wecom",
    )

# 只有提交成功后,才安排一次即时投递。
background_tasks.add_task(deliver_outbox_item, outbox_id)

这段顺序不能自动证明系统可靠。仍要检查异常是否让事务完整回滚、提交失败时后台任务是否被误触发,以及投递成功后的状态更新能否再次持久化。Agent 可以帮助生成这些分支的候选测试,但不能代替人确认断言是否覆盖真实失败路径。

即时投递之外,还要有数据库兜底

进程可能在提交后、后台任务执行前退出,所以定时扫描会重新找出待处理记录。原型采用 1、5、30 分钟以及 2、8 小时的退避节奏,避免每次失败都紧贴外部接口重试。超过限制的记录进入需要人工查看的状态,而不是无限重试。

多个 worker 同时扫描时,使用数据库行锁和 SKIP LOCKED 减少同一批任务被重复领取。核心查询结构可以理解为:

SELECT id
FROM notification_outbox
WHERE status = 'pending' AND next_attempt_at <= NOW()
ORDER BY next_attempt_at
FOR UPDATE SKIP LOCKED
LIMIT 20;

这并不等于“绝不重复投递”。领取任务后进程仍可能崩溃,外部接口也可能已经成功而本地没有收到响应。因此审查时还要看状态转换、超时处理和接收端是否具备可识别的业务键。数据库锁解决的是 worker 之间的竞争,不会消灭分布式系统里的不确定性。

这套方案故意不解决什么

进程内缓存不是共享会话存储,数据库 outbox 也不是所有消息场景的通用替代。原型没有把热点数据、实时协作、高吞吐事件流或复杂跨服务编排硬塞进 PostgreSQL,因为那些需求不在本次验证范围内。

同样,Docker Compose 能把服务放在一台机器上,不代表具备高可用能力。定时扫描能保证“还有一条兜底路径”,却不能给出真实流量下的恢复时间。文章刻意不使用“企业级”“无限扩展”之类词语,因为没有对应的部署和测量证据。

保留这些限制有一个实际好处:下一次讨论扩展时,可以从具体瓶颈出发,而不是维护一套为了显得完整而存在的组件。

出现这些信号时再引入 Redis 或 MQ

如果会话必须跨实例共享、权限状态需要即时失效,或者跨实例协调开始影响正确性,Redis 才成为明确候选。如果缓存命中率已经成为数据库瓶颈,也应该先测量,再决定缓存层级,而不是凭经验增加组件。

如果任务需要被不同服务独立消费、流量尖峰必须削峰、投递语义需要专门的重试与死信管理,或者数据库轮询本身造成明显压力,就应该重评独立 MQ。那时还要定义消费幂等、顺序、保留周期和监控,而不是只把 outbox 表换成一个队列名称。

换言之,扩展触发条件应当是可观察的:共享状态出现、热点被测量出来、任务边界扩大、数据库成为瓶颈。没有这些信号时,简单本身就是收益。

Agent 辅助下更需要人工守住边界

这个原型有 Agent 辅助开发。生成代码很快,但“看起来完整”的事务和重试代码尤其需要人工检查。我关注的不是类名是否专业,而是提交点在哪里、异常是否被吞掉、测试是否真的执行过,以及文档是否描述了同一份代码。

审查清单因此很具体:外部 HTTP 是否离开事务;提交失败是否会错误安排后台任务;开发模式开关在生产环境是否会拒绝启动;重试是否有上限;文档中的测试数量是否能在本地复现。回答不了时,就应该缩小声明,而不是补一段自信的文字。

这次取舍留下的不是“小项目不需要 Redis 和 MQ”的规则,而是一条更可复用的顺序:先定义事实与失败边界,用现有数据库把正确性做清楚,再让真实的规模信号决定下一块基础设施。