设计一个支持万人并发抢购的秒杀系统架构

方案三：预扣库存

先预扣 Redis 库存，再异步同步到 DB。

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 消息异步扣减数据库
        return true;
    } else {
        redisTemplate.opsForValue().increment(key, count); // 回滚
        return false;
    }
}

2. 高并发请求处理

2.1 流量削峰

使用消息队列缓冲请求，避免数据库瞬间压力过大。

@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);
    }
}

2.2 分层过滤

所有请求经过多级过滤，大幅降低后端压力： 100 万请求 → 合法性校验 → 50 万 → 库存校验 → 10 万 → 频率控制 → 5 万 → 实际下单 → 1 万

3. 系统性能优化

3.1 缓存策略

建议采用多级缓存配置：

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

3.2 读多写少优化

活动开始前进行缓存预热。

@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

4.1 秒杀流程

核心逻辑如下，注意异常处理和快速失败：

public SeckillResult processSeckill(String userId, String productId) {
    // 1. 恶意请求拦截
    if (!checkRisk(userId)) return fail("访问过于频繁");
    
    // 2. 布隆过滤器快速判断
    if (!bloomFilter.contains(productId)) return fail("商品不存在");
    
    // 3. 内存标记（已售罄的商品直接返回）
    if (soldOutFlags.get(productId)) return fail("已售罄");
    
    // 4. Redis 原子扣减库存
    if (!deductStockInRedis(productId)) {
        soldOutFlags.put(productId, true);
        return fail("库存不足");
    }
    
    // 5. 生成订单 ID（雪花算法）
    String orderId = snowflake.generate();
    
    // 6. 订单信息入队
    mq.send(new OrderMessage(orderId, userId, productId));
    
    // 7. 返回排队中
    return success("排队中", orderId, getQueuePosition(orderId));
}

4.2 库存同步方案

后台服务消费 MQ 消息，异步更新数据库并处理对账。

@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() {
        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，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

当依赖服务响应过慢时，自动触发熔断。

@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

• 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。

七、核心设计思路总结

在实际落地中，有几个关键点需要特别注意：

1. 动静分离与分层削峰：静态资源推送到 CDN，网关层用 Nginx 或 Sentinel 做恶意请求拦截。秒杀的核心逻辑绝不放在前台实时处理，而是进入消息队列平滑流量。
2. 库存扣减策略：Redis 原子操作是首选，配合 Lua 脚本确保原子性。数据库作为最终一致性保障，通过乐观锁防止超卖。
3. 应对高并发：服务无状态化方便横向扩容。对于热点 Key，可以做散列分散压力，或使用 Redis 集群读写分离。
4. 兜底策略：前端轮询结果而非阻塞等待。建立定时对账任务修复 Redis 与 DB 的数据差异。如果 Redis 或数据库不可用，要有熔断机制快速降级。

整体设计思路是：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。