系统解耦隔离后，服务间的调用可能会有三个状态，一个是成功（Success），一个是失败（Failed），一个是超时（Timeout）。前两者都是明确的状态，而超时则是完全不知道是什么状态。
例子:
订单创建接口，第一次调用超时了，然后调用方重试了一次。是否会多创建一笔订单？
当这笔订单开始支付，在支付请求发出之后，在服务端发生了扣钱操作，接口响应超时了，调用方重试了一次。是否会多扣一次钱？
两种处理方式。
（1）查询上游系统接口。查到了，就表明已经做了，失败了就走失败流程。
（2）幂等性的方式。也就是说，把这个查询操作交给下游系统，多次结果一样。
全局 ID
要做到幂等性的交易接口，需要有一个唯一的标识，来标志交易是同一笔交易。而这个交易 ID 由谁来分配是一件比较头疼的事。因为这个标识要能做到全局唯一。
如果由一个中心系统来分配，那么每一次交易都需要找那个中心系统来。 这样增加了程序的性能开销。如果由上游系统来分配，则可能会导致可能会出现分配 ID 重复了的问题。因为上游系统可能会是一个集群，它们同时承担相同的工作。
需要使用一个不会冲突的算法，比如 UUID ，但它的字符串占用的空间比较大，索引的效率低，生成的 ID 太过于随机，没有递增，不能按前后顺序排序。
在全局唯一 ID 的算法中，这里介绍一个 Twitter 的开源项目 Snowflake。它是一个分布式 ID 的生成算法。其核心思想是，产生一个 long 型的 ID，其中：
41bits 作为毫秒数。大概可以用 69.7 年。
10bits 作为机器编号（5bits 是数据中心，5bits 的机器 ID），支持 1024 个实例。
12bits 作为毫秒内的序列号。一毫秒可以生成 4096 个序号。
处理流程
对于幂等性的处理流程来说，要过滤一下已经收到的交易。需要一个存储来记录收到的交易。
当收到交易请求的时候，到存储中去查询。查找到了，把上次结果返回。没查到，记下来。
但是，上面这个流程有个问题。绝大多数请求应该都不会是重新发过来的，所有请求都到去查一下，会很慢。直接去存储里记录 Insert ，用ID 冲突异常来判断。
小结
超时是我们需要解决的问题。实现全局 ID（id生成算法）。Twitter 的 Snowflake 是全局 ID 实现。幂等性接口的处理流程。
