AI 视频应用上线:队列与幂等积分账本
文章介绍在 Cloudflare 上承载付费 AI 视频应用,以 Queues 编排耗时任务,D1 和 R2 分别管理业务状态与媒体。积分采用授予批次和不可变账本建模,应对重复提交、回调重试及失败退款。
AI 深度解读
AI 视频应用最难的部分,往往发生在调用模型之后:生成要等几分钟,支付回调会重试,任务失败要退积分,用户照片还得按时删除。作者上线 GTA5 Goodbye AI 后,把主要精力放在了这些问题上。
这篇经验分享的价值,在于串起了积分账本、异步任务、媒体清理和来源标记。不过,原文没有提供完整实现或对照数据,几处可靠性承诺仍要结合实现细节判断。
积分为什么不能只存一个余额
作者把应用放在 Cloudflare 上:TanStack Start + React 19 负责 SSR 和路由,Hono 承接 API,D1 保存关系数据,R2 存媒体,KV 放轻量状态,Cloudflare Queues 编排后台任务。
其中最需要谨慎设计的是积分。直接执行 UPDATE users SET credits = credits - 30 WHERE id = ?;,无法单独解决重复扣费和失败退款。
作者采用积分批次(grants)加不可变账本。批次可以有过期时间,users.credits 只作为剩余积分的缓存。购买、扣费、退款、过期和拒付追回,都必须通过统一的语句构造器,与业务状态变化放进同一个 DB.batch([...])。
下面这段展示了任务入库与扣积分如何一起提交:
// Conceptual shape of atomic D1 batch execution
await db.batch([
db.prepare(`INSERT INTO generations (id, user_id, status) VALUES (?, ?, 'queued')`)
.bind(genId, userId),
...ledgerStatements({
userId,
delta: -cost,
idempotencyKey: `generation:${genId}`,
}),
])
要看的是 idempotencyKey:作者从业务对象生成固定的幂等键,让同一笔操作重复执行时,只产生一次有效变更。
支付使用 order:<order_id>,生成扣费使用 generation:<generation_id>,失败退款使用 generation_refund:<generation_id>。支付回调与主动对账即使撞在一起,也会命中同一个订单键。退款则追溯原扣费记录,把积分退回原来的批次。
余额告诉你还剩多少,账本才能解释为什么剩这么多。
但示例省略了 ledgerStatements,唯一约束、余额校验和冲突处理都没展示。还有一个前提:双击若创建了两个不同的 generation_id,幂等键也不同,仍需额外机制识别同一次提交。
异步任务的终点,也应该包括退款
作者让请求处理器只做准备工作:校验肖像尺寸至少 300px、宽高比在 1:2.5–2.5:1、文件不超过 10 MB,完成输入审核并存入 R2,再原子扣费、创建 queued 任务,向 VIDEO_QUEUE 发送任务 ID,立即返回 202。
消费者负责调用上游视频服务、轮询或处理完成结果,把 MP4 流式写入 R2,最后标记成功。用户无需让一个 HTTP 请求等上几分钟。
失败路径通过死信队列(DLQ)收口,也就是给耗尽重试机会的任务安排一个明确去处:
// wrangler.jsonc (simplified)
"queues": {
"consumers": [
{
"queue": "app-jobs",
"max_batch_size": 1,
"max_retries": 10,
"dead_letter_queue": "app-jobs-dlq"
},
{
"queue": "app-jobs-dlq",
"max_batch_size": 10,
"max_retries": 3
}
]
}
这里要看 dead_letter_queue:普通任务最多重试 10 次后转入 app-jobs-dlq,死信消费者自身最多重试 3 次。Worker 按队列名称后缀分流,将任务标记失败,执行 generationRefundStatements,并发送内部告警。
不过,D1 提交与队列发送是两个步骤。若扣费成功后入队失败,任务如何恢复?原文没说清。消费者重试时,如何避免重复提交上游渲染,也没有展开。DLQ 能处理进入队列后的失败,不能自动覆盖这些间隙。
照片要有到期日,来源标记也要说清边界
作者给上传肖像设置 7 天保留期,生成 MP4 保留 30 天,并设置两层清理。
应用 Cron 使用 */5 * * * *,每 5 分钟扫描 D1 过期记录,删除对应 R2 对象并标记 expired,同时让公开分享链接失效。R2 Bucket Lifecycle Rules 则按相同的对象键前缀兜底,处理上传后尚未写入数据库就崩溃的情况。
这比只清数据库完整:记录消失,不代表照片也消失。
来源披露采用 XMP 元数据。Worker 在视频生成后、写入 R2 前,把生成器来源、模型标识、时间戳和视频 ID 写进 MP4 容器。浏览器里的验证器读取本地文件并解析元数据,视频字节无需上传。
作者把 EU AI Act Article 50(2) 作为设计动机,但没有论证这套实现能满足全部相关要求。更直接的技术边界是:原文没有描述数字签名或防篡改机制。读取到平台标记,只能证明文件带有这段声明,不能据此认定来源真实可信。
我的判断
我认同作者的优先级:收费型 AI 应用应先把扣费、失败和清理做成闭环。模型接口只是链路中的一步,任何一个状态丢失,都可能变成用户投诉。
这套 Cloudflare 组合也适合希望减少基础设施维护的小应用。相比单独维护 Node 后端、Redis 队列和 Postgres,它把更多工作交给平台托管。不过,「零闲置容器成本」不等于总成本低,原文没有账单、吞吐、延迟或故障率对照,选型结论仍是作者的经验之谈。
账本原子提交、跨服务可靠投递、上游调用幂等,是三个需要分别解决的问题。原文给出了方向,尚不足以直接当成完整生产方案。XMP 的本地解析有隐私价值,来源认证能力则需要另行评估。
能拿来做什么
- 做积分制 AI 应用时,先列清购买、扣费、退款、过期和拒付追回的账本事件,为每类事件定义稳定的幂等键。
- 在前端生成页面接到
202后展示排队状态,并明确区分生成成功、失败和退款状态,让用户知道积分去了哪里。 - 接入视频生成队列时,专门检查扣费后未入队、消费重试、上游成功但本地未落库这些恢复路径,再配置 DLQ 自动退款。
- 处理用户照片和 MP4 时,同时设计对象保留期、数据库清理和分享链接失效;若提供 XMP 检查工具,应准确说明它验证的是哪些元数据。