举两个数据处理时，非幂等性常见的场景：
1.在创建订单时，偶有因网络抖动，痴呆，掉线等因素，造成客户端与服务器之间通讯不畅。比如，客户端发起请求后，在约定时间内(通常 30秒)，没有得到服务器的反馈，导致重复发起创建订单的请求，实际上前面看似失败的订单已创建成功，最终造成创建两个甚至多个同样的订单
2.重复扣款，扣库存。这个是最不能容忍的。如前所述，客户端重新不断发起扣款、扣库存的请求，会导致账目混乱。
由此可见，做好程序的幂等性处理，非常重要!
很多教科书，会笼统的说，幂等性处理是一种最终返回结果一致的程序处理。这么讲，不完美。幂等性处理，不仅对结果有约束，对处理造成的负面影响也有约束。
来看关系型数据库的 DML 的幂等性处理。在库存管理软件中，对同一批货物操作增删改，就可能带来负面影响。
比如在苹果门店的仓库管理软件中，某天门店客流量非常大，操作库存也比平时频繁了很多。这样一来，给库存管理就带来了风险。
比如某台结算终端，就因为访问人数过多，经常掉线，超时。小王好不容易卖出去两台，结果死活就是结账不成功，连续操作4,5次后无果后，小王叫店长来重启了电脑。
等重启后，结算是成功了，但库存为 0 了。店长跑去仓库一看，10 台 iPhone 13 都好好躺在那里，为什么库存为 0 了呢?
这就是非幂等性处理造成的。客户端发起交易后，网络堵塞，结账请求一直没发成功。等计算机重启后，连续将之前的订单，重复发送了 10次，结果库存全扣没了。
看下库存表的设计：
create table ProductInventory(
ProductLotId INT,
ProductName VARCHAR(200),
ProductInventoryVolume INT )iPhone 13 库存是这样的：
ProductLotId ProductName ProductInventoryVolume
A0001 iPhone13 10更新程序也挺简单：
UPDATE ProductInventory
SET ProductInventoryVolume = ProductInventoryVolume - 1
WHERE ProductLotId = 'A0001'
由此可见，是连续的交易请求，让库存清 0 了。
于是，第一种幂等性处理方法就来了 - UUID 通用唯一标识符：
CREATE TABLE ProductSalesTransactionAudit(
AuditId BIGINT,
RequestUUID UniqueIdentifier,
RequestCompleted BIT )在每次请求中，加入一个 RequestUUID(Universally Unique Identifier，通用唯一标识符, Java/C#/Python 等编程语言均有实现 UUID 的库)
在数据库端维护一张表 ProductSalesTransactionAudit，若有请求被数据库接收到，先去该表查询是否存在.
若存在且 RequestCompleted 为1，就表示该请求被数据库正确处理过，可以跳过这次处理，并将 RequestCompleted 返回给客户端;没有，则在这表里插入一行，且把数据库的处理结果，更新到 RequestCompleted.
这样，一个可行的幂等性处理，就完成了。但不是十分完美，因为该表数据量，会显著性增长，造成性能缓慢。
于是，要寻找下一种幂等性处理方案。
接下来再看这个例子，依旧是以苹果这家门店为例。
某天仓库中剩余 10只 iPhone 13. 小王和小黄同时销售出去 2只，理论上剩下 6只。按照正常操作，小王和小黄在操作库存时，同时看到有 10只，每人减去 2只，剩余 8只，由于看不到对方的操作，因此显示 8只剩余时，两个人都没觉得库存错了。
create table ProductInventory(
ProductLotId INT,
ProductName VARCHAR(200),
ProductInventoryVolume INT )小王和小黄，同时查询 iPhone 的库存时，是这样:
ProductLotId ProductName ProductInventoryVolume
A0001 iPhone 13 10他俩抓取后，经过他俩各自的本地计算(网页端或手持设备)，变成了这样:
ProductLotId ProductName ProductInventoryVolume
A0001 iPhone 13 8当他们把本地数据上传时，无论谁先，数据库最终的 iPhone 13 的存量，都成了 8. 但事实上，错的离谱，店长要骂娘!
那么平时我们设计系统时，该怎么处理这种意料中的错误呢，这里涉及到事务管理的技巧。
有一种乐观派做法是，在库存表上，加一列，标识行的版本。当本行数据更新时，首先对比这个版本列，若相同，则更新，若不同，则报 ”您修改的数据，已被其他人抢先更新，请确定后再次保存“ 的提示，最后标识列会被自动更新。
接下来，实现上面这种版本控制的做法：
create table ProductInventory(
ProductLotId INT,
ProductName VARCHAR(200),
ProductInventoryVolume INT，
ProductLotTS timestamp)原库存是这样：
ProductLotId ProductName ProductInventoryVolume ProductLotTS
A0001 iPhone 13 10 2022050114364700001他俩抓取后，经过各自的本地计算，变成了这样:
ProductLotId ProductName ProductInventoryVolume ProductLotTS
A0001 iPhone 13 8 2022050114364700001当小王上传数据时，程序会同时以 A0001 + 2022050114364700001 作为更新条件，先将 ProductInventoryVolume 更新成8，同时因 timestamp 是系统自动更新的对象，已经变成了 2022050114364700002 .
等到小黄再更新，程序也同样同时以 A0001 + 2022050114364700001 作为更新条件，发现 ProductLotTS 已经改变了，意味着在读取数据后，有别人先一步做了更新，此时小黄更新库存就会失败。他必须重新读取数据后，再操作。
只要一次更新成功，ProductLotTS 就会改变，即使相同的请求再发送一遍，也会因为 ProductLotTS 不匹配，导致失败!
这就是第二种幂等性处理程序，不仅仅做了防重复处理，还能省去一张表的维护代价。
