容错与韧性设计：断点续传、补偿事务与幂等操作实现
引言：当系统“挂”了，你的数据还在吗？
“跑了三天三夜的采集任务，服务器半夜自动更新重启了……日志显示采了98万条，只剩最后2万条就完工了，结果全没了……”
这不是段子，这是2026年无数开发者正在经历的日常。
在微服务架构深入骨髓的2026年，单体数据库带来的“本地事务”红利已彻底消失。当一笔订单涉及库存服务、账户服务、积分服务和物流服务时，如何保证这四个服务要么全部成功，要么全部回滚？当用户在网络不稳定环境下上传一个10GB的视频文件，上传到99%时网络断了，难道要让用户从头再来？当支付接口因网络抖动被重复调用，如何避免同一笔订单被扣两次款？
容错与韧性设计，已经成为分布式系统架构师无法回避的“深水区”。
本文将从断点续传（Checkpoint机制）、补偿事务（Saga/TCC模式）、幂等操作（Idempotency）三个维度，结合2026年最新的技术资讯、云厂商官方文档和开源项目实践，系统性地探讨如何在不可靠的基础设施之上构建可靠的分布式系统。
第一部分：断点续传——让长任务“虽死犹生”
一、什么是断点续传？不止是“保存进度条”
断点续传的核心在于分片上传/处理与进度持久化。其技术原理可以概括为三个层次：
- 分片拆分