自愈这件事，在 Akka 里从来不是开箱即用的魔法。

你得把监督策略、消息重试和状态持久化这三层组合起来，系统才能在故障后真正“活过来”。

缺一层，都可能让状态丢失、流程卡死，或者陷入无限重启的死循环。

核心判断

Akka 默认的 SupervisorStrategy 只决定子 Actor 崩溃后该重启、暂停还是停止。

但它不会自动帮你恢复业务逻辑。

真正让系统恢复运行的，是后续那一连串动作。

比如，重启会清空内存状态。如果你没做快照或事件溯源，上次处理到一半的消息就丢了。

如果崩溃的 Actor 正在处理一笔转账命令，而上游没有做幂等或重发，那这笔操作就会静默失败。

更致命的是，监督者自己如果没被更高层监督——比如没放在 ClusterSingleton 里——它一旦挂了，整个子树就不可用了。

为什么默认 supervision 不等于自愈

这句话要拆开看：自愈 ≠ 能重启。

自愈的真正含义是，故障发生后，业务逻辑还能继续正确推进。

光靠默认的策略配置，等于只画了个轮廓。

里面的血肉，得你自己补上。这里有三块关键拼图。

• 消息层重试：用 AtLeastOnceDelivery 或 Eventsourced 配合 PersistentActor，确保命令至少投递一次。纯 ask 模式要慎用，超时即弃，等于什么都没发生。
• 状态可重建：优先用 EventSourcedBeha vior（Akka Typed）记录事件流，而不是直接存当前状态。崩溃重启后，重放事件就能还原一致视图。
• 拓扑级兜底：用 ClusterSingletonManager 包裹核心协调 Actor，用 ClusterSharding 分片管理海量实体（比如每个用户一个 ShoppingCart）。节点宕机后，分片自动迁移，业务不中断。

必须补上的三块拼图

这三块拼图缺一不可。

不过，实际操作中最容易踩的坑，其实不在策略配置本身，而在于状态管理。

典型错误配置

override val supervisorStrategy =  OneForOneStrategy(maxNrOfRetries = 10, withinTimeRange = 1.minute) {
    case _: DatabaseException => Restart
    case _                    => Escalate
}

问题出在哪儿？Restart 后 Actor 内存被清空。

但数据库连接池、HTTP 客户端这些外部资源，你没在 preRestart 里显式关闭，也没在 postRestart 里重建。

下次处理消息时，直接一个 NullPointerException 又崩了。

这样就会形成崩溃循环。

正确处理方式

正确的做法是：在 preRestart 里清理资源，在 postRestart 里重连 DB、初始化 HTTP 客户端。

更稳妥的方案是把外部依赖抽成独立的 Actor，比如 DatabaseConnectionActor。

让它们自己管生命周期，主业务 Actor 只发消息。

千万别把敏感状态，比如待确认订单 ID 列表，存在 var 字段里。

它不会被事件溯源捕获，重启就蒸发了。

常见踩坑点

重启策略配错 + 状态没外置，是最常见的问题组合。

所以你看，真正难的从来不是写监督策略。

而是判断哪部分状态必须持久化、哪条消息必须幂等、哪个 Actor 必须做成 singleton。

这些决策藏在业务语义里，而不是 Akka 文档里。

光会配策略，还差得远。