设计支持万人并发的秒杀系统架构方案

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 DB 失败，需要回滚机制。

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);
        return true;
    } else {
        redisTemplate.opsForValue().increment(key, count);
        return false;
    }
}

2. 高并发请求处理

流量削峰

不要把所有请求都打到数据库上，利用消息队列缓冲。

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

    public SeckillResult seckill(SeckillRequest request) {
        if (!validate(request)) {
            return SeckillResult.fail("校验失败");
        }
        // 生成唯一请求 ID 用于后续查询
        String requestId = generateRequestId(request);
        // 请求入队，立即返回，不阻塞用户
        mqTemplate.sendOneWay("seckill-topic", MessageBuilder.withPayload(request).build());
        return SeckillResult.processing(requestId);
    }
}

分层过滤

请求进来后，经过多层过滤，只有少量能到达核心逻辑。

1. 合法性校验（IP、User Agent）
2. 库存校验（Redis 预扣）
3. 频率控制（令牌桶/滑动窗口）
4. 实际下单

3. 系统性能优化

缓存策略

采用多级缓存减少数据库压力。

• 一级缓存：JVM 本地缓存（Caffeine），存热点配置信息。
• 二级缓存：Redis 集群，存库存和商品详情。
• 三级缓存：数据库，最终一致性来源。

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

完整的秒杀链路不仅仅是扣库存，还涉及风控和订单创建。

public Response processSeckill(Long userId, Long productId) {
    // 1. 恶意请求拦截
    if (!checkRisk(userId)) {
        return Response.error(403, "访问过于频繁");
    }
    // 2. 布隆过滤器快速判断商品是否存在
    if (!bloomFilter.contains(productId)) {
        return Response.error(404, "商品不存在");
    }
    // 3. 内存标记已售罄
    if (soldOutFlags.get(productId)) {
        return Response.error(400, "已售罄");
    }
    // 4. Redis 原子扣减库存
    if (!deductStockInRedis(productId)) {
        soldOutFlags.put(productId, true);
        return Response.error(400, "库存不足");
    }
    // 5. 生成订单 ID（雪花算法）
    long orderId = snowflake.generate();
    // 6. 订单信息入队
    mq.send(new OrderEvent(orderId, userId, productId));
    // 7. 返回排队中
    return Response.success("排队中", orderId);
}

库存同步方案

异步消费消息，将 Redis 中的库存变动持久化到数据库，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);
        }
    }

    // 定时对账任务
    @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

多维度限流是保护后端的基础。

• 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（如 Redis、DB）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 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

上线前必须进行全链路压测。

• 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、总结与面试建议

在实际面试或架构评审中，这套方案的核心逻辑可以归纳为以下几点：

1. 动静分离：静态资源推送到 CDN，减轻后端压力。
2. 请求队列化：秒杀核心逻辑后置，用户点击后返回'排队中'，请求进入消息队列平滑处理。
3. 库存原子化：利用 Redis Lua 脚本或原子命令扣减库存，数据库仅做最终一致性校验。
4. 服务隔离：秒杀功能独立微服务，避免影响商城其他正常交易。
5. 兜底策略：包括限流、熔断、降级以及定时对账任务，确保极端情况下的数据安全和用户体验。

简单来说，就是前端限流拦截，中间层请求队列削峰，底层 Redis 原子扣减防超卖，再通过异步和对账保证最终一致性。