高并发秒杀系统设计：应对万人抢购的架构方案

预扣库存策略

先预扣 Redis 库存，再异步同步到 DB。如果 Redis 扣减成功但后续失败，需回滚 Redis 库存。

public boolean preDeductStock(String productId, int count) {
    String key = "seckill:stock:" + productId;
    Long remaining = redisTemplate.opsForValue().decrement(key, count);
    if (remaining >= 0) {
        sendStockDeductMessage(productId, count); // 发送 MQ 异步同步 DB
        return true;
    } else {
        redisTemplate.opsForValue().increment(key, count); // 回滚
        return false;
    }
}

2. 高并发请求处理

流量削峰

不要直接打穿数据库，利用消息队列缓冲请求。

@Component
public class SeckillService {
    @Autowired
    private RocketMQTemplate mqTemplate;

    public SeckillResult seckill(SeckillRequest request) {
        if (!validate(request)) {
            return SeckillResult.fail("校验失败");
        }
        String requestId = generateRequestId(request);
        // 请求入队，立即返回，前端轮询结果
        mqTemplate.sendOneWay("seckill-topic", MessageBuilder.withPayload(request).build());
        return SeckillResult.processing(requestId);
    }
}

分层过滤

请求进入后经历多层过滤，逐级减少无效流量。

3. 系统性能优化

缓存策略

采用多级缓存架构：JVM 本地缓存（Caffeine）存热点商品 -> Redis 集群存库存 -> 数据库做最终一致性。

读多写少优化

活动开始前预热缓存，将商品信息及库存加载到 Redis。

@Service
public class CacheWarmUpService {
    @PostConstruct
    public void warmUpSeckillProducts() {
        List<Product> hotProducts = loadHotProducts();
        for (Product product : hotProducts) {
            redisTemplate.opsForValue().set("stock:" + product.getId(), product.getStock());
            redisTemplate.opsForValue().set("product:" + product.getId(), JSON.toJSONString(product));
            bloomFilter.add(product.getId());
        }
    }
}

4. 详细实现方案

秒杀流程

1. 恶意请求拦截（风控）。
2. 布隆过滤器快速判断商品是否存在。
3. 内存标记检查是否已售罄。
4. Redis 原子扣减库存。
5. 生成订单 ID（雪花算法）。
6. 订单信息入队。
7. 返回排队中状态。

库存同步方案

后台服务消费 MQ 消息，异步更新数据库库存，并定期对账。

@Component
@Slf4j
public class StockSyncService {
    @Transactional
    public void syncStockToDB(String productId, int count) {
        try {
            boolean success = productDAO.deductStock(productId, count);
            if (success) {
                redisTemplate.opsForValue().set("stock_final:" + productId, getDBStock(productId));
                soldOutCache.remove(productId);
            }
        } catch (Exception e) {
            log.error("库存同步失败", e);
            alertService.sendAlert(e);
        }
    }

    @Scheduled(cron = "0 */5 * * * ?")
    public void stockReconciliation() {
        // 定时核对 Redis 与 DB 库存差异
        List<Product> products = productDAO.getAllSeckillProducts();
        for (Product product : products) {
            Integer redisStock = getRedisStock(product.getId());
            Integer dbStock = product.getStock();
            if (!Objects.equals(redisStock, dbStock)) {
                log.warn("库存不一致：productId={}, redis={}, db={}", product.getId(), redisStock, dbStock);
                fixStockInconsistency(product.getId(), dbStock);
            }
        }
    }
}

三、高可用保障

1. 限流降级策略

多维度限流配置：用户维度（10 次/分钟）、IP 维度（1000 次/分钟）、商品维度（10000 次/分钟）、总 QPS（50000）。

2. 熔断降级

当依赖服务响应过慢时，自动熔断防止雪崩。

@RestController
@Slf4j
public class SeckillController {
    @GetMapping("/seckill/{productId}")
    @HystrixCommand(fallbackMethod = "seckillFallback", commandProperties = {
        @HystrixProperty(name = "execution.isolation.thread.timeoutInMilliseconds", value = "1000"),
        @HystrixProperty(name = "circuitBreaker.requestVolumeThreshold", value = "20")
    })
    public Response seckill(@PathVariable String productId, @RequestParam String userId) {
        return seckillService.process(userId, productId);
    }

    public Response seckillFallback(String productId, String userId) {
        return Response.error("系统繁忙，请稍后重试");
    }
}

四、监控与告警

1. 关键监控指标

• 系统层面：QPS、RT、错误率、CPU/内存使用率。
• 应用层面：库存扣减成功率、消息堆积量。
• 业务层面：抢购成功率、用户排队时长。

2. 监控实现

使用 Micrometer 等工具记录关键指标。

@Component
public class SeckillMonitor {
    private final MeterRegistry meterRegistry;

    public void recordSeckill(String productId, boolean success, long cost) {
        meterRegistry.counter("seckill.requests.total").increment();
        if (success) {
            meterRegistry.counter("seckill.success.total").increment();
        } else {
            meterRegistry.counter("seckill.fail.total").increment();
        }
        meterRegistry.timer("seckill.process.time").record(cost, TimeUnit.MILLISECONDS);
        meterRegistry.gauge("seckill.stock." + productId, getCurrentStock(productId));
    }
}

五、部署与扩展

1. 弹性扩展策略

• 水平扩展：无状态服务可快速扩容。
• 自动伸缩：基于 CPU 或 QPS 自动扩缩容。
• 异地多活：重要业务支持多机房部署。

2. 压测方案

• 场景 1：库存预热，10 万用户同时抢 1 万商品。
• 场景 2：持续高压，5 万 QPS 持续 5 分钟。
• 目标：成功率 >99.9%，平均 RT <100ms，错误率 <0.1%。

六、安全考虑

• 防刷机制：验证码（峰值降级）、设备指纹、行为分析。
• 数据安全：关键数据加密、操作日志记录、防篡改校验。

七、工程落地建议

在实际生产中，除了技术选型，还需要注意以下几点：

1. 动静分离：商品图片、描述页提前推送到 CDN，避免后端压力。
2. 网关层限流：入口用 Nginx 或 Sentinel 做恶意请求拦截，对同一 UID 限速。
3. 服务独立部署：秒杀功能做成微服务隔离，避免影响商城其他正常功能。
4. 异步下单与轮询：用户点击后返回'排队中'，前端轮询查询结果，提升体验。
5. 数据一致性对账：极端情况下 Redis 扣成功但下游挂掉，需定时任务修复。

总结来说，秒杀系统的核心在于：前端限流拦截，请求队列削峰；Redis 原子扣减防超卖；服务无状态化应对高并发；再通过异步、对账等手段保证最终一致性和用户体验。