祥哥的技术博客

主题

📅 2025年6月30日 🏷️ 系统设计 ⏱️ 11 分钟阅读 system-designe-commercehigh-concurrencyredis

设计一个电商秒杀系统 ​

提出问题 ​

秒杀是电商系统中最具挑战性的场景之一。双 11 秒杀、限量抢购、限时折扣——这些活动的共同特征是：瞬间涌入大量用户，但商品数量极其有限（比如 1000 台 iPhone 卖 1999 元，10 万人同时抢）。面试官出这道题，核心考察三个维度：库存扣减的并发安全（怎么保证不多卖）、流量削峰（怎么让系统不被瞬间冲垮）、高可用兜底（Redis 挂了怎么办）。这是面试中出现频率最高的系统设计题，没有之一。

生产上，秒杀系统是"不能出错的系统"——多卖了要赔钱，少卖了要背锅，系统挂了则整场活动归零。所以这道题不是考你背方案，而是看你有没有真正处理过百万级并发写。

漏斗架构：流量逐层过滤 ​

秒杀系统的核心设计思想是"漏斗"——流量从入口到最终下单，每一层都在削峰减量。典型的四层漏斗：

用户请求 (10万 QPS)
     │
     ▼
┌─────────────────────────────┐
│  接入层: Nginx 限流 + 验证码  │   → 过滤到 ~1万 QPS
└─────────────────────────────┘
     │
     ▼
┌─────────────────────────────┐
│  应用层: 令牌桶 + 去重        │   → 过滤到 ~5000 QPS
└─────────────────────────────┘
     │
     ▼
┌─────────────────────────────┐
│  扣库存层: Redis Lua 原子扣减  │   → 只放行真正扣到库存的请求
└─────────────────────────────┘
     │
     ▼
┌─────────────────────────────┐
│  持久化层: MQ 异步写 DB + 对账  │   → 最终 DB 写 ~1000 条
└─────────────────────────────┘

秒杀 1000 件商品，1 秒 10 万请求进来，经过四层过滤后，最终落到 DB 的写操作只有 1000 条。每一层都把上一层的流量再砍掉一个数量级。

接入层细节 ​

Nginx 层面做两件事：

  • IP 维度的单机限流：limit_req_zone $binary_remote_addr zone=flash:10m rate=1r/s，每个 IP 每秒只能发 1 个请求
  • 验证码/UUID 准入：前端在秒杀前 1 秒才展示验证码，防止机器提前刷到接口
Nginx 配置示例:
    limit_req_zone $binary_remote_addr zone=flaship:10m rate=1r/s;
    limit_req zone=flaship burst=5 nodelay;

踩坑记录：某次秒杀活动，Nginx 的 limit_req 配置了 burst=0，结果大量正常用户因为瞬间并发被拦截，投诉率飙升。生产上 burst 至少设为 5-10，配合 nodelay 使用，让短时间内的突发请求在限流速率内尽快通过，而不是排成队列。

库存扣减：原子的 Redis DECR 还不够 ​

库存扣减是秒杀中最敏感的环节。先看错的方案：

java
// ❌ 错误做法：先查再扣，非原子操作
int stock = redisTemplate.opsForValue().get("stock:iphone16");
if (stock > 0) {
    redisTemplate.opsForValue().decrement("stock:iphone16");
    // 并发竞争：两个线程同时读到 stock=1，都执行 decrement，库存变 -1
}

正确的做法是用 Redis 原子操作：

java
// ✅ 正确做法：Lua 脚本保证原子性
// 注意：Redis 集群模式下，KEYS 必须都在同一个 slot
// 否则会报 CROSSSLOT 错误
String luaScript = """
    local stock = redis.call('GET', KEYS[1])
    if not stock or tonumber(stock) <= 0 then
        return 0  -- 库存不足
    end
    redis.call('DECR', KEYS[1])
    return 1  -- 扣减成功
""";
Long result = redisTemplate.execute(
    new DefaultRedisScript<>(luaScript, Long.class),
    Collections.singletonList("stock:iphone16")
);

为什么单机 Redis 只用 DECR 就够了？ Redis 的 DECR 命令本身是原子的（单线程模型），但生产环境基本不会用单机 Redis，集群模式下 GET 和 DECR 是两个网络往返，非原子。所以必须用 Lua 脚本将两个操作打包成一次执行。

踩坑：CROSSSLOT 错误

ERR CROSSSLOT Keys in request don't hash to the same slot

在 Redis Cluster 中使用 Lua 脚本时，KEYS 数组里的所有 key 必须落在同一个 hash slot。解决方案：用 {hashtag} 强制 key 到同一个 slot：

java
redisTemplate.execute(script, 
    Collections.singletonList("stock:{iphone16}"), // 用 {xxx} 保证同 slot
    args
);

双写 + 对账是生产必选项 ​

Redis 扣减成功后，将扣减记录写入 MQ，消费端异步写 DB 订单。完整流程：

用户请求 → Redis Lua 扣库存（同步）
    ├─ 成功 → 发送 MQ 消息（异步）
    │         └─ 消费端写 DB 订单表
    └─ 失败 → 返回"已售罄"
java
// 服务端完整流程
public boolean flashSale(Long userId, Long productId) {
    // 1. 去重（用户只能抢一次）
    String userKey = "flash:users:" + productId;
    if (Boolean.TRUE.equals(redisTemplate.opsForSet().isMember(userKey, userId.toString()))) {
        return false; // 已抢过，直接返回
    }

    // 2. Redis Lua 原子扣库存
    Long result = executeStockLua(productId);
    if (result == 0) {
        return false; // 库存不足
    }

    // 3. 记录用户（防重复，同时用于后续释放未支付库存）
    redisTemplate.opsForSet().add(userKey, userId.toString());

    // 4. 发送 MQ 消息，异步写订单
    FlashSaleMessage msg = new FlashSaleMessage(userId, productId);
    kafkaTemplate.send("flash-sale-order", JSON.toJSONString(msg));

    return true;
}

对账脚本：每隔 5 分钟，对比 Redis 剩余库存 + DB 已售数量 = 总库存。不一致则触发告警。对账脚本的核心逻辑：

sql
-- 对账查询
SELECT COUNT(*) as sold_count FROM flash_sale_order 
WHERE product_id = 1001 AND status = 'PAID' AND create_time > '2026-07-23 00:00:00';

-- 获取 Redis 剩余库存
redis> GET stock:{1001}
-- 判断：sold_count + redis_stock == total_stock ？

踩坑：对账脚本查 DB 时，如果不加时间范围，会把历史已售数据也统计进去，导致一直对不平。必须加 create_time > 活动开始时间 过滤。

流量削峰：MQ 异步 + 限流四件套 ​

削峰不止是"用 MQ"这么简单，需要组合拳：

java
// 1. 令牌桶限流（Guava RateLimiter）
RateLimiter limiter = RateLimiter.create(1000); // 每秒最多 1000 个令牌

// 2. 秒杀请求入队（Kafka/RocketMQ）
public boolean tryFlashSale(Long userId, Long productId) {
    // 限流检查
    if (!limiter.tryAcquire()) {
        return false; // 直接返回"抢光了"
    }
    // 去重检查（同一用户只能抢一次）
    Boolean existed = redisTemplate.opsForSet().isMember("sale:iphone16:users", userId.toString());
    if (Boolean.TRUE.equals(existed)) {
        return false;
    }
    // 发送到 MQ，消费端异步处理
    kafkaTemplate.send("flash-sale-order", userId + ":" + productId);
    return true;
}

// 3. 消费端限速：逐个处理，不过载 Redis
@KafkaListener(topics = "flash-sale-order", containerFactory = "singleRecordFactory")
public void consume(ConsumerRecord<String, String> record) {
    // 扣库存（Redis DECR）→ 写订单（DB）
    // 失败则重试 3 次，仍失败入死信队列人工处理
}

消费端限速：最容易忽略的一环 ​

错误的消费端配置：

yaml
# 默认配置：一次拉取 500 条，并发处理
spring.kafka.consumer.max-poll-records: 500

这样配置后，500 个扣库存请求同时打到 Redis，Redis 单线程 CPU 直接飙到 100%，延迟从 1ms 升到 100ms+，雪崩。

正确的配置：

yaml
spring.kafka.consumer.max-poll-records: 1
spring.kafka.listener.concurrency: 1

RocketMQ 对应设置 consumeMessageBatchMaxSize=1。让消费端逐个处理，而不是批量处理。

四种限流方案对比 ​

方案适用场景优点缺点生产推荐度
Nginx limit_reqIP 维度接入层配置简单，不侵入代码只能按 IP，无法按用户⭐⭐⭐⭐
Guava RateLimiter单机应用层轻量，零依赖不适用于分布式，多节点不准确⭐⭐⭐
Sentinel分布式应用层支持集群流控、熔断降级、实时监控需要额外部署 dashboard⭐⭐⭐⭐⭐
Redis 计数器分布式全局流控精确，能按用户/商品维度高并发下 Redis 压力大⭐⭐⭐

生产推荐：Sentinel + Nginx 双层限流。Nginx 挡大头，Sentinel 做精细控制。

三级库存与"静默期"预热 ​

P7/P8 级别的生产方案，需要区分三级库存：

库存类型定义存储位置更新方式典型值
展示库存用户看到的"还剩 X 件"Redis异步更新，允许秒级延迟每 2 秒同步一次
冻结库存秒杀期间预扣的Redis秒杀预扣时实时更新预扣数量 = 下单数量
实际库存仓库真实库存DB订单支付后扣减扣减完成后写入

为什么需要三级库存？ 没有三级库存时，一个用户秒杀成功但 15 分钟内未支付，这 15 分钟内商品显示"已售罄"，其他用户无法购买，造成库存浪费。三级库存的解耦思路：

秒杀成功 → 冻结库存 +1（Redis）
    └─ 15 分钟内支付 → 冻结库存 -1，实际库存 -1（DB）
    └─ 15 分钟后未支付 → 冻结库存 -1，释放到展示库存（Redis）

定时释放脚本（每 30 秒执行一次）：

sql
-- 查询超时未支付的订单
UPDATE flash_sale_order 
SET status = 'TIMEOUT' 
WHERE status = 'CREATED' AND create_time < NOW() - INTERVAL 15 MINUTE;

-- 已释放的订单，Redis 中补回展示库存（异步通知）

静默期预热 ​

秒杀开始前 10 分钟，将商品详情、库存快照推入 Redis，活动开始时所有流量只走 Redis，不碰 DB。预热阶段要做的事：

  1. 商品缓存预热：Redis 写入 product:{1001} = { "name":"iPhone16", "price":1999, "stock":1000 }
  2. 库存预热：Redis 写入 stock:{1001} = 1000
  3. 预热队列建立：前 10 分钟用户可点击"提醒我"，减轻瞬时流量
  4. CDN 静态资源预热：秒杀页面的 HTML/CSS/JS 推送到 CDN 边缘节点
java
// 预热脚本
@Scheduled(cron = "0 0 10 * * ?") // 每天 10:00 检查是否有秒杀活动
public void warmUp() {
    List<FlashSaleActivity> activities = flashSaleMapper.getTodayActivities();
    for (FlashSaleActivity activity : activities) {
        // 预热商品缓存
        String productKey = "product:" + activity.getProductId();
        redisTemplate.opsForValue().set(productKey, JSON.toJSONString(activity));
        // 预热库存
        String stockKey = "stock:" + activity.getProductId();
        redisTemplate.opsForValue().set(stockKey, String.valueOf(activity.getTotalStock()));
        // 设置过期时间（活动结束后自动清理）
        redisTemplate.expire(productKey, 24, TimeUnit.HOURS);
        redisTemplate.expire(stockKey, 24, TimeUnit.HOURS);
    }
}

生产踩坑实录 ​

踩坑 1：Redis 主从切换导致库存回弹 ​

某次秒杀活动，Redis 主节点宕机触发 Sentinel 切换。新主节点是从节点升上来的，而 DECR 命令在从节点上默认不执行（从节点只读），导致主从切换期间的 2-3 秒内，库存扣减请求全部失败。切换完成后，新主节点上的库存值还是活动开始时的值，等于之前 3 秒的扣减全部丢失，库存"回弹"了。

解决方案：对账脚本在活动结束后，根据 DB 实际订单数修正 Redis 库存。同时在 Redis 侧做 WAIT 命令确保写操作同步到至少一个从节点：

redis> SET stock:1001 1000
redis> WAIT 1 1000  -- 等待至少 1 个从节点确认，超时 1000ms

踩坑 2：用户重复请求放大 ​

秒杀页面被用户反复刷新，前端虽做了按钮置灰，但部分用户通过 F12 禁用 JS 或直接 CURL 请求接口。解决方案：前端 + 后端双重去重。

前端下发一个 UUID 令牌（通过 SSR 注入到页面），每次请求携带该令牌，后端验证令牌是否已被消费。令牌有效期 10 秒，用 Redis INC 的返回值判断是否重复消费。

踩坑 3：库存扣完了但订单还在写 ​

Redis 库存扣到 0 后，MQ 中还有大量未消费的消息。这时消费端扣库存 Redis 返回 0，订单写入失败，但这些消息会进入重试队列，重复尝试 3 次，最终进入死信队列。死信队列积累几万条消息，人工处理耗时 2 小时。

解决方案：消费端先 check Redis 库存，如果为 0 则直接丢弃消息（不重试），不进入死信队列：

java
if (redisTemplate.opsForValue().get("stock:" + productId) <= 0) {
    log.warn("库存已售罄，丢弃消息: {}", message);
    return; // 不抛异常，避免重试
}

面试回答策略 ​

面试官问"设计秒杀系统"时，不要一上来就画架构图，答案要有层次：

  1. 先说约束：QPS 量级（10 万？100 万？）、商品数量（1000 件？1 万件？）、库存精度要求（允许超卖 1%？）
  2. 再说核心挑战：库存扣减并发安全、流量削峰、高可用
  3. 然后说方案：四层漏斗架构，每层具体怎么实现
  4. 最后说踩坑：Redis 主从回弹、消费端限速、死信队列堆积

面试话术示例："我们某次秒杀活动 1000 台手机，10 万人同时抢。采用四层漏斗架构：Nginx 做 IP 限流，每 IP 每秒 1 次；应用层用 Redis Lua 脚本原子扣减库存，扣减成功后通过 RocketMQ 异步写订单；消费端设置 consumeMessageBatchMaxSize=1，逐个处理，避免 Redis 过载；活动结束后定时对账脚本保证 Redis 与 DB 库存一致。Redis 挂了怎么办？我们有 Redis 主从 + RDB 持久化，同时 DB 侧有对账机制，最坏情况下回滚未支付的订单，保证实际库存不超卖。曾经踩过一个坑：Redis 主从切换时库存回弹，导致最后超卖了 3 件，后来在活动结束后加了对账修正脚本才解决。"

参考：淘宝秒杀系统架构演进、Redis 秒杀 Lua 脚本设计、Sentinel 限流文档、某电商 618 秒杀复盘

手撕 → 框架 → 生产化，一步步把 AI Agent 工程化搞透。

Copyright © 2026 祥哥