知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# 12 - 高并发下如何防止库存超卖 > 导读:从"100 件库存被 1000 个请求同时读到 100"的经典超卖场景出发,讲清数据库条件更新、Redis 原子预扣减和"网关限流 + Redis + MQ + 数据库"分层架构的原理与取舍。适合准备秒杀/库存类面试,或正在设计高并发扣减链路的同学阅读。 ## 一、先建立全局认知 ### Q:为什么会超卖?问题到底出在哪一步? A:**结论:出在"读库存 → 判断是否充足 → 扣减"这三步不是原子的,多个线程可能读到同一个旧值。** 秒杀活动,商品库存 100 件,瞬间涌入 1 万个请求同时下单。如果不做控制: *图:三个线程都读到库存 100,最终导致超卖*  关键点:三个线程都在**各自应用层的内存里**完成了判断,数据库最终只看到三次"把 stock 设为 99",净扣减只有 1 次,却卖出了 3 件。 ### Q:防止超卖的核心思路是什么? A:**结论:把"判断 + 扣减"收敛成一次原子操作,让并发请求在同一个点上串行化。** 落地位置有两个层次: - **数据库层**:用带条件的 UPDATE(`WHERE stock > 0`)把判断下沉到数据库,靠行锁串行化。 - **缓存层**:用 Redis 的原子命令(`DECR` 或 Lua 脚本)在内存中完成判断 + 扣减,扛住高并发。 真实秒杀场景通常是两者叠加:Redis 挡住绝大部分流量,数据库做最终落账。 ## 二、理解核心机制 ### Q:方案一:数据库条件更新(乐观锁/CAS)怎么防超卖?为什么安全? A:**结论:让数据库在扣减的同时判断库存是否充足,再用影响行数判断本次扣减是否成功。** ```sql -- 扣减库存时带条件 UPDATE inventory SET stock = stock - 1 WHERE product_id = 1001 AND stock > 0; -- 检查影响行数 -- rows = 1 → 扣减成功 -- rows = 0 → 库存不足,下单失败 ``` ```java public boolean deductStock(Long productId) { int rows = inventoryMapper.deductStock(productId); return rows > 0; // 影响行数 > 0 说明扣减成功 } ``` 为什么安全?`stock > 0` 是在数据库层面判断的,UPDATE 会加行锁,多个请求串行执行,不会出现"读到旧值"的问题。  *图:原子 UPDATE 串行扣减库存,库存不足时 rows=0* ```text 线程 A:UPDATE ... SET stock=stock-1 WHERE stock>0 → stock: 100→99,rows=1 ✓ 线程 B:UPDATE ... SET stock=stock-1 WHERE stock>0 → stock: 99→98,rows=1 ✓ ... 线程 100:UPDATE ... SET stock=stock-1 WHERE stock>0 → stock: 1→0,rows=1 ✓ 线程 101:UPDATE ... SET stock=stock-1 WHERE stock>0 → stock=0,rows=0 ✗ 库存不足 ``` 优点:简单可靠。缺点:高并发下数据库压力大(行锁竞争)。 ### Q:方案二(推荐):为什么把库存放到 Redis 用 DECR 预扣减更快? A:**结论:Redis 的扣减是内存中的原子操作,不经过数据库行锁,单机能扛的 QPS 远高于数据库,适合做第一道拦流。** "预扣减"的意思是先在 Redis 里把额度占住,数据库的最终扣减交给异步流程。 ```java public boolean deductStock(Long productId) { String key = "stock:" + productId; // DECR 是原子操作,返回扣减后的值 Long remain = redisTemplate.opsForValue().decrement(key); if (remain < 0) { // 库存不足,回补 redisTemplate.opsForValue().increment(key); return false; } // 扣减成功,发消息异步扣减数据库库存 mqProducer.send("stock-deduct", productId); return true; } ``` **关键点**:`DECR` 本身是原子的,所以不会出现两个线程同时扣到"最后一件";但"扣成负数 → 再回补"是两个命令,回补只是把最终值修正回去,判断与扣减并不在同一个原子操作里。 ### Q:DECR 版本为什么不够稳?Lua 脚本版改进在哪里? A:**结论:把"取库存 → 判断 > 0 → 扣减"写进一段 Lua 脚本,让判断和扣减成为一次原子调用,语义更清晰、边界更少。** ```lua -- stock_deduct.lua local stock = tonumber(redis.call('GET', KEYS[1])) if stock and stock > 0 then redis.call('DECR', KEYS[1]) return 1 -- 扣减成功 end return 0 -- 库存不足 ``` ```java public boolean deductStockLua(Long productId) { String key = "stock:" + productId; Long result = redisTemplate.execute(deductScript, List.of(key)); if (result == 1) { mqProducer.send("stock-deduct", productId); return true; } return false; } ``` **关键点**:Lua 版本在脚本内部先判断 `stock > 0`,只有充足才 `DECR`,因此**不会出现"先扣成负数再回补"的中间态**,也就不存在回补失败带来的偏差。 **适用场景**:对库存准确性要求高、且存在热点商品(同一个 Key 被高频扣减)的秒杀场景。 ## 三、放进真实场景 ### Q:完整的秒杀链路是怎么分层设计的? A:把限流、预扣减、削峰、落库分成四层,各司其职:  *图:Redis 扣减成功后发 MQ,消费者异步扣减 DB 库存并创建订单* ```text ┌─────────┐ 用户请求 ──→ 网关限流 ──→ │ Redis │ ──→ 扣减成功? │ DECR │ │ └─────────┘ Yes → 发 MQ 消息 │ ▼ ┌──────────┐ │ MQ │ │ (Kafka) │ └──────────┘ │ ▼ ┌──────────┐ │ 消费者 │ │ 扣减DB库存│ │ 创建订单 │ └──────────┘ ``` 各层的职责: | 层 | 职责 | 为什么 | |----|------|--------| | 网关 | 限流(令牌桶/漏桶) | 挡住大部分无效请求 | | Redis | 预扣减库存 | 原子操作,单机 10 万+ QPS | | MQ | 异步削峰 | 把瞬时流量平摊到一段时间 | | 数据库 | 最终扣减 + 创建订单 | 保证数据持久化和一致性 |  [编辑 Excalidraw 源图](/images/java-interview-copy/business-scenario/12-inventory-oversell-inventory-oversell-stock-flow-diagram.excalidraw) **架构取舍**:MQ 削峰把"瞬时高并发"变成"一段时间内的平稳写入",代价是**下单结果变为异步**——用户需要等待或轮询"是否抢到"。所以对结果实时性要求高、必须当场返回扣减结果的场景,就要保留同步路径,不能一味异步化。 ### Q:Redis 扣减成功但数据库没扣,两边库存不一致怎么办? A:这是"预扣减 + 异步落库"必然要面对的问题,处理原则是**允许短暂不一致,但要能收敛**: ```text 场景:Redis 扣减成功,但 MQ 消费失败,数据库没扣 解决方案: 1. MQ 消费失败 → 重试(RocketMQ 自带重试机制) 2. 重试多次仍失败 → 进入死信队列 → 人工处理 3. 定时对账:每隔 N 分钟比对 Redis 库存和数据库库存 4. 以数据库为准:Redis 库存只是"预扣减",最终以数据库为准 ``` **关键点**:把 Redis 定位成"缓存/预扣减",把数据库定位成"唯一真相",一致性靠"重试 + 死信兜底 + 定时对账"三件套慢慢收敛,而不是追求实时强一致。 ### Q:如果用户下单后不付款,库存怎么回补? A:订单超时未支付 → 取消订单 → Redis INCR 回补库存 + 数据库回补库存。和上一篇(订单超时取消)结合。 **注意**:回补同样要幂等,避免取消任务重复执行导致库存被多次加回。 ### Q:一个用户能不能抢多件(怎么限制一人一单)? A:用 Redis Set 记录已购买用户 `SADD bought:{productId} {userId}`,下单前先 `SISMEMBER` 判断。或者用 Lua 脚本把"判断是否已购买 + 扣减库存"做成原子操作。 **取舍**:`SISMEMBER` + `SADD` 两步分开写,并发下存在"同一用户两个请求同时通过判断"的窗口;要严格一人一单,仍然要把它们合并进同一个 Lua 脚本。 ## 四、总结与自测 ### Q:面试里怎么答这道题? A: 1. 先说最简单的方案:数据库 `UPDATE ... WHERE stock > 0`,利用行锁防超卖。 2. 再说高并发优化:Redis 预扣减(DECR 原子操作或 Lua 脚本)。 3. 补充完整架构:网关限流 → Redis 预扣减 → MQ 异步 → 数据库最终扣减。 4. 加分项:提到 Redis 和数据库一致性问题的处理(重试 + 对账)。 ### Q:这几层里,哪一层才是最终的正确性保障?为什么还需要 Redis? A:**数据库层才是最终的正确性保障,Redis 只是性能和流量的第一道闸门。** 理由是: - **Redis 解决的是"扛不住"**:它把大部分无效请求在内存里挡掉,让数据库不必承受全量并发。 - **数据库解决的是"不能错"**:唯一约束、`WHERE stock > 0`、库存流水共同保证账实相符;即使 Redis 数据丢失,也能靠数据库重建。 - **代价**是引入了一致性维护成本(重试、对账、回补幂等)。如果并发量不高,直接用数据库条件更新即可,不必为了架构而架构。 --- ## 自测 1. "先查库存再扣减"为什么会超卖?换成 `UPDATE ... WHERE stock > 0` 后,是靠什么机制避免的? 2. Redis 的 DECR 版本和 Lua 脚本版本,差别主要体现在哪里? 3. Redis 库存和数据库库存对不上时,你的排查和修复步骤是什么?
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入