设计支持万人并发抢购的秒杀系统架构方案

2. 高并发请求处理

流量削峰

通过消息队列将瞬时流量转化为顺序消费，保护后端数据库。

@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
        mqTemplate.sendOneWay("seckill-topic", MessageBuilder.withPayload(request).build());
        return SeckillResult.processing(requestId);
    }
}

分层过滤

请求经过多层校验，逐级减少无效流量进入核心逻辑： 所有请求 → 合法性校验 → 库存校验 → 频率控制 → 实际下单

3. 系统性能优化

缓存策略

采用多级缓存降低数据库压力：

• 一级：JVM 本地缓存（Caffeine），存储热点商品信息。
• 二级：Redis 集群，存储库存信息。
• 三级：数据库，保证最终一致性。

读多写少优化

活动开始前预热缓存，避免冷启动冲击。

@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

完整的秒杀链路包含风险拦截、布隆过滤、库存检查及订单落盘。

class SeckillSystem:
    def process_seckill(self, user_id, product_id):
        # 1. 恶意请求拦截
        if not self.check_risk(user_id):
            return {"code": 403, "msg": "访问过于频繁"}
        # 2. 布隆过滤器快速判断
        if not bloom_filter.contains(product_id):
            return {"code": 404, "msg": "商品不存在"}
        # 3. 内存标记（已售罄直接返回）
        if sold_out_flags.get(product_id):
            return {"code": 400, "msg": "已售罄"}
        # 4. Redis 原子扣减库存
        if not self.deduct_stock_in_redis(product_id):
            sold_out_flags[product_id] = True
            return {"code": 400, "msg": "库存不足"}
        # 5. 生成订单 ID（雪花算法）
        order_id = snowflake.generate()
        # 6. 订单信息入队
        mq.send({"order_id": order_id, "user_id": user_id, "product_id": product_id})
        # 7. 返回排队中
        return {"code": 200, "msg": "排队中", "order_id": order_id}

库存同步方案

后台服务消费消息队列，异步更新数据库并执行对账。

@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);
            }
        }
    }
}

高可用保障

1. 限流降级策略

多维度配置限流规则，防止突发流量打垮服务：

• 用户维度：每个用户 10 次/分钟。
• IP 维度：每个 IP 1000 次/分钟。
• 商品维度：每个商品 10000 次/分钟。
• 总 QPS：系统最大承受 50000 QPS。

2. 熔断降级

当依赖服务响应过慢时自动熔断，避免雪崩。

@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");
    }
}

监控与告警

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。

监控实现

使用 Micrometer 等工具埋点记录关键指标。

@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));
    }
}

部署与扩展

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 使用率或 QPS 自动扩缩容。
• 异地多活：重要业务支持多机房部署。

压测方案

模拟真实场景验证系统稳定性：

• 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。
• 场景 3：峰值冲击，瞬间 20 万 QPS。 目标：成功率 >99.9%，平均 RT <100ms，错误率 <0.1%。

安全考虑

• 防刷机制：验证码（峰值时降级）、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。

设计与落地建议

在实际落地中，架构设计的核心在于动静分离与分层削峰。静态资源提前推送到 CDN，网关层做恶意请求拦截和总流量限制。秒杀的核心逻辑——'下单扣库存'绝不放在前台实时处理，而是通过消息队列平滑流量，实现削峰填谷。针对超卖问题，预扣库存是首选方案，结合 Redis 原子操作与 Lua 脚本彻底杜绝超卖，数据库仅用于最终对账。应对高并发时，除了限流，还需做好服务无状态化以便横向扩容，并对热点 Key 进行散列分散压力。此外，异步下单配合前端轮询能显著提升用户体验，而定时对账任务则是保障数据一致性的最后一道防线。