设计一个支持万人同时抢购商品的秒杀系统

2. 高并发请求处理

流量削峰

通过消息队列缓冲请求，将瞬时流量转化为平滑消费。

@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

所有请求经过多级过滤，只有合法且有余量的请求才能进入核心逻辑。

所有请求 → 合法性校验 → 库存校验 → 频率控制 → 实际下单
100 万     → 50 万       → 10 万       → 5 万       → 1 万

3. 系统性能优化

缓存策略

采用多级缓存配置，减少数据库压力。

一级：JVM 本地缓存 (Caffeine) - 热点商品
二级：Redis 集群 - 库存信息
三级：数据库 - 最终一致性

读多写少优化

活动开始前进行缓存预热，确保热点数据在内存中。

@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

这里展示的是核心逻辑伪代码，重点在于风险拦截与快速失败。

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（已售罄的商品直接返回）
        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,
            "time": time.time()
        })
        # 7. 返回排队中
        return {
            "code": 200,
            "msg": "排队中",
            "order_id": order_id,
            "queue_position": get_queue_position(order_id)
        }

库存同步方案

后台服务消费消息，异步更新数据库并处理异常。

@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() {
        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

多维度限流规则，保护系统不被压垮。

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

当依赖服务不可用时，快速失败，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");
    }
}

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 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。

2. 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%

六、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。

总结要点

1. 架构核心：分层过滤 + 异步处理 + 最终一致。
2. 库存核心：Redis 原子操作 + 消息队列 + 数据库乐观锁。
3. 性能核心：缓存预热 + 流量削峰 + 读写分离。
4. 稳定核心：熔断降级 + 限流隔离 + 快速失败。

面试回答

如果面试官问到秒杀系统设计，我会从架构、核心问题和兜底策略三个维度来回答。

首先是架构设计上要动静分离、分层削峰。把系统分为静态资源分离（CDN）、网关层限流（Nginx/Sentinel）、业务逻辑后置（消息队列）。秒杀的核心是'下单扣库存'，这个逻辑绝不放在前台实时处理。用户点击'抢购'后，前端直接返回'排队中'，请求进入消息队列。海量并发被平滑成顺序处理的流量，后端服务按照自己的能力慢慢消费，实现削峰填谷。服务独立部署，避免影响商城其他正常功能。

其次是针对超卖、库存扣减和高并发请求这三个核心问题。 解决超卖和库存扣减，我的方案是预扣库存。活动开始前，把商品库存加载到 Redis。Redis 单线程内存操作，保证原子性。使用 DECR 或 LUA 脚本扣减库存，彻底杜绝超卖。后台服务从队列消费，成功扣减 Redis 库存后，生成订单 ID，再异步去更新数据库。应对高并发请求，除了网关层限流，秒杀服务本身也要做限流，比如用信号量或令牌桶控制处理线程数。服务做成无状态的，方便横向扩容。对于爆款商品的热点 Key，可以做 Key 散列分散压力。

最后是关键的细节和兜底策略。 防刷与验证方面，前端加入计算型验证码，下单前校验用户资格。异步下单与结果轮询，用户提交后服务端返回'排队 ID'，前端轮询查询最终结果。数据一致性对账，定时核对 Redis、数据库库存和订单状态。降级与熔断，如果 Redis 或数据库访问慢，要有熔断机制，防止服务被拖垮。

总结一下，设计思路是：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。