Transactional Outbox Pattern: solución al problema Dual Write al guardar en BD y publicar eventosNota · digest del 3 de noviembre
Esquema infográfico claro del patrón Transactional Outbox con transacción ACID local y envío fiable a un bróker de mensajes.
Nota2 secciones≈ 5 min

Transactional Outbox Pattern: solución al problema Dual Write al guardar en BD y publicar eventos

Si diseñas microservicios o sistemas distribuidos, seguro que has escrito un código parecido: en el manejador de una petición HTTP, el servicio guarda primero la entidad del pedido en la base de datos relacional y después envía la notificación OrderCreated a la cola de Apache Kafka o al bróker RabbitMQ.

En la máquina local del desarrollador esa combinación ingenua funciona sin fallos. Pero en un entorno distribuido real chocas inevitablemente con el dilema clásico de Dual Write (doble escritura).

La red entre servicios es poco fiable por naturaleza:

  • Escenario A (primero base de datos, luego bróker): la transacción en la base de datos se confirma con éxito, pero al intentar enviar el mensaje a Kafka parpadea la red o cae el contenedor. Resultado catastrófico: el pedido está en la base, pero los servicios dependientes de almacén, facturación y envíos nunca se enterarán de él. Los datos quedan desincronizados sin remedio.
  • Escenario B (primero bróker, luego base de datos): el servicio publica el evento en el bus y después falla al hacer commit en el SGBD por una violación de clave foránea o un conflicto de serialización. Resultado: el bróker ya avisó a todo el sistema sobre un pedido inexistente (phantom event), el almacén reservó el producto y no hay registro en la base.

Las transacciones distribuidas en dos fases (2PC / XA) entre sistemas heterogéneos o no están soportadas por los brókeres modernos, o destruyen el rendimiento del servicio. El estándar para resolver este problema pasó a ser el Transactional Outbox Pattern.

Transacción ACID local en lugar de falta de fiabilidad distribuida

La idea del patrón Outbox es genial en su sencillez: puesto que no podemos garantizar la atomicidad entre la base de datos y un bróker externo, ¡traslademos el guardado del evento dentro de esa misma base de datos relacional!

Al esquema se añade una tabla auxiliar outbox:

-- DDL de la tabla auxiliar de eventos outbox en PostgreSQL
CREATE TABLE outbox (
    id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
    aggregate_type VARCHAR(64) NOT NULL,
    aggregate_id VARCHAR(64) NOT NULL,
    event_type VARCHAR(64) NOT NULL,
    payload JSONB NOT NULL,
    created_at TIMESTAMP WITH TIME ZONE DEFAULT NOW(),
    processed_at TIMESTAMP WITH TIME ZONE
);

CREATE INDEX idx_outbox_unprocessed ON outbox (created_at) WHERE processed_at IS NULL;

Ahora la escritura de la entidad de negocio y la publicación del evento se ejecutan dentro de una única transacción local:

BEGIN;

-- 1. Guardado de la entidad de negocio
INSERT INTO orders (id, user_id, amount, status)
VALUES ('ord_12345', 'usr_999', 1500.00, 'PAID');

-- 2. Registro atómico del evento saliente en la misma transacción
INSERT INTO outbox (aggregate_type, aggregate_id, event_type, payload)
VALUES (
    'Order',
    'ord_12345',
    'OrderPaid',
    jsonb_build_object('orderId', 'ord_12345', 'amount', 1500.00, 'userId', 'usr_999')
);

COMMIT;

Gracias a las garantías ACID del SGBD relacional, la situación de desincronización queda excluida físicamente: o aparecen en la base tanto el pedido como la fila del evento, o se revierten ambos registros.

Entrega de eventos: sondeo frente a lectura del WAL con Debezium

Queda entregar los registros acumulados de la tabla outbox al bróker externo. Aquí hay dos caminos:

  1. Polling Publisher (sondeo periódico): un worker en segundo plano ejecuta cada 200–500 milisegundos la consulta SELECT ... FROM outbox WHERE processed_at IS NULL ORDER BY created_at FOR UPDATE SKIP LOCKED LIMIT 100, envía el lote al bróker y marca la fecha de procesamiento. El patrón SKIP LOCKED permite lanzar varios workers paralelos sin bloqueos. Pero con un flujo intenso, el sondeo constante genera carga parásita en el subsistema de disco.
  2. Transaction Log Tailing (Change Data Capture / CDC): una solución más madura basada en plataformas especializadas como Debezium. El conector de Debezium lee directamente el registro de escritura anticipada (Write-Ahead Log / WAL en PostgreSQL) y traslada de forma asíncrona los eventos a los tópicos de Kafka con una latencia de fracciones de milisegundo y carga nula sobre el motor SQL.

En combinación con las prácticas de construcción de colas distribuidas basadas en Apache Kafka de las que hablamos anteriormente, este pipeline garantiza la entrega según el modelo at-least-once (al menos una vez).

Idempotencia obligatoria de los consumidores

Dado que ante fallos de red el worker puede reenviar un mensaje, los consumidores en el lado receptor están obligados a comprobar el identificador único event_id (por ejemplo, en Redis o mediante un índice único en una tabla de eventos entrantes). Sin idempotencia en el receptor, el modelo at-least-once conducirá inevitablemente a la duplicación de acciones.

Adoptar Transactional Outbox exige disciplina al diseñar esquemas, pero libra para siempre a la arquitectura de microservicios de registros fantasma y transacciones perdidas.

Quiero un análisis detalladoLos votos ayudan a elegir qué analizar a fondo. Este material tiene 0 votos.
Fuentes · 3