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
# 19 - 设计一个秒杀系统 > 导读:本文用"100 件商品、10 万人在 1 秒内抢购"的经典场景,讲清秒杀系统从 CDN 到数据库的完整分层设计,以及每一层背后的取舍。读完你能独立画出链路图,并回答"如何做到不超卖、不重复购买、又不被瞬时流量打挂"这类面试追问。适合准备系统设计面试,或需要落地秒杀/抢购活动的后端同学。 ## 一、先建立全局认知 ### Q:秒杀系统的核心难点到底是什么? A:结论先行——难点不是"扣库存"这一个动作,而是三个目标必须同时成立: 1. **不超卖**:库存只有 100 件,绝不能卖出第 101 件。 2. **不重复购买**:同一个用户只能抢到一次。 3. **体验好**:不能因为流量洪峰导致全站卡死,也不能让所有人一直转圈等结果。 再补一句最少必要的背景:这本质上是"瞬时高并发 + 强一致库存"问题。100 件商品面对 10 万请求,意味着 **99.9% 的请求注定失败**。所以整篇文章的设计主线只有一句:**层层过滤无效流量,挡得越靠前越好**——能在 CDN 挡住的绝不进网关,能在网关挡住的绝不进 Redis,能在 Redis 挡住的绝不进数据库。 ### Q:那整体请求链路是怎样的? A:链路就是一层层过滤:CDN 挡静态请求 → 网关挡无效请求 → Redis 挡库存判断 → MQ 削峰 → 数据库最终落库。完整走向如下:  *图:秒杀系统从用户到数据库的完整链路* ```text 用户 → CDN(静态页面)→ 网关(限流+鉴权)→ 秒杀服务 → Redis → MQ → 订单服务 → 数据库 ``` 它同时分为前端和后端两侧,各自承担不同的职责:  *图:秒杀前端与后端的职责分工* ```text 前端 后端 ┌─────────────────────────┐ ┌──────────────────────────────────┐ │ CDN 缓存静态页面 │ │ 网关限流 → Redis 预扣减 → MQ 异步 │ │ 倒计时 JS 本地计算 │ │ → 数据库落库 │ │ 按钮防重复点击 │ │ │ └─────────────────────────┘ └──────────────────────────────────┘ ```  [编辑 Excalidraw 源图](/images/java-interview-copy/system-design/19-design-seckill-design-seckill-architecture-diagram.excalidraw) ## 二、理解核心机制 ### Q:前端层为什么要优化?具体做什么? A:前端的价值是"把不必要打到后端的请求消灭在浏览器里",成本最低、收益最大。具体五点: ```text 1. 静态资源 CDN 缓存(HTML/CSS/JS/图片不走后端) 2. 倒计时在前端 JS 计算,不请求后端 3. 按钮点击后立即置灰,防止重复提交 4. 秒杀开始前,按钮不可点击(前端控制 + 后端校验) 5. 答题/滑块验证码,过滤机器人 + 错峰(不是所有人同一毫秒请求) ``` 其中第 4 点要注意"前端控制 + 后端校验"是并列关系:前端控制是体验,后端校验才是安全底线,绝不能只信前端。 ### Q:网关限流如何挡住无效流量? A:思路是"既然 99.9% 的请求注定失败,就没必要让所有请求都打到后端"。网关层做到三件事: ```text 10 万请求进来,商品只有 100 件,99.9% 的请求注定失败 没必要让所有请求都打到后端 网关层策略: 1. 用户级限流:每个用户每秒最多 1 次请求 2. 接口级限流:秒杀接口总 QPS 上限 5000 3. 黑名单:封禁异常 IP 和用户 ``` 经过过滤后的量级变化很直观: ```text 10 万请求 → 网关过滤后 → 约 5000 请求到达秒杀服务 ``` ### Q:Redis 层如何同时保证不超卖和不重复购买? A:关键在**原子性**。如果"判断是否已买""判断库存""扣减库存""记录已购买"分多次执行,中间任何一步被并发插队都会超卖或重复购买。所以要用一段 Lua 脚本把这几个判断和更新打包成一次原子操作。 秒杀开始前先预热库存到 Redis: ```java // 秒杀开始前,预热库存到 Redis redis.opsForValue().set("seckill:stock:1001", 100); // 秒杀请求处理 public SeckillResult seckill(Long userId, Long productId) { // 1. 判断是否已购买(防止一人多买) String buyKey = "seckill:bought:" + productId; if (redis.opsForSet().isMember(buyKey, userId.toString())) { return SeckillResult.alreadyBought(); } // 2. Lua 脚本原子操作:判断库存 + 扣减 + 记录已购买 Long result = redis.execute(seckillScript, List.of("seckill:stock:" + productId, buyKey), userId.toString()); if (result == 0) return SeckillResult.soldOut(); if (result == -1) return SeckillResult.alreadyBought(); // 3. 扣减成功,发 MQ 异步创建订单 mqProducer.send("seckill-order", new SeckillOrder(userId, productId)); return SeckillResult.success(); } ``` 被 Redis 原子执行的 Lua 脚本如下,返回值 1/0/-1 分别代表成功、库存不足、已购买: ```lua -- seckill.lua(原子操作) local stockKey = KEYS[1] local boughtKey = KEYS[2] local userId = ARGV[1] -- 判断是否已购买 if redis.call('SISMEMBER', boughtKey, userId) == 1 then return -1 -- 已购买 end -- 判断库存 local stock = tonumber(redis.call('GET', stockKey)) if not stock or stock <= 0 then return 0 -- 库存不足 end -- 扣减库存 + 记录已购买 redis.call('DECR', stockKey) redis.call('SADD', boughtKey, userId) return 1 -- 成功 ``` 用 Set 记录已购买用户,是为了让"一人一单"的判重也能在 Redis 内完成,避免每次回查数据库。 ## 三、放进真实场景 ### Q:Redis 扣减成功后,为什么还要用 MQ 异步下单? A:因为 Redis 扣减成功后如果同步操作数据库,5000 QPS 会直接压到数据库上,前面的削峰就白做了。改成"扣减成功 → 发消息 → 消费者慢慢落库",能拿到三个好处: ```text Redis 扣减成功后,不直接操作数据库,而是发 MQ 消息: Redis 扣减成功 → 发送 MQ 消息 → 消费者创建订单 + 扣减数据库库存 好处: 1. 削峰:5000 QPS 的瞬时请求,MQ 消费者按 500 QPS 慢慢处理 2. 解耦:秒杀服务不直接依赖订单服务和数据库 3. 异步:用户立刻收到"抢购成功,正在创建订单"的反馈 ``` 消费者端的职责不止"落库",还要顺手挂一个支付超时的延迟检查(这里用 15 分钟): ```java // MQ 消费者 @RocketMQMessageListener(topic = "seckill-order") public class SeckillOrderConsumer implements RocketMQListener<SeckillOrder> { public void onMessage(SeckillOrder order) { // 1. 创建订单(数据库) orderService.createOrder(order); // 2. 扣减数据库库存 inventoryService.deductDB(order.getProductId()); // 3. 发送支付超时延迟消息(15 分钟后检查是否支付) mqProducer.sendDelay("order-timeout", order.getOrderId(), 15 * 60); } } ``` 注意:秒杀服务响应给用户的是"抢购成功,正在创建订单",真正的订单落库是异步完成的,所以订单状态需要区分"处理中"和"已创建"。 ### Q:数据库为什么还要再兜底一次? A:Redis 是性能层,数据库才是**最终真相**。所以哪怕 Redis 已经扣过,数据库更新时仍要带上库存判断条件,作为防超卖的最后一道防线: ```sql -- 数据库层面也要防超卖(最后一道防线) UPDATE inventory SET stock = stock - 1 WHERE product_id = 1001 AND stock > 0; ``` `WHERE stock > 0` 这个条件意味着:如果数据库库存已经为 0,这条 UPDATE 影响行数为 0,扣减失败。这样即使 Redis 与数据库出现偏差,数据库层面也不会被扣成负数。 ### Q:Redis 库存和数据库库存不一致怎么办?有哪些场景? A:一致性是这类系统的高频追问点。常见三种不一致场景及对应兜底: ```text Redis 库存和数据库库存可能不一致的场景: 1. Redis 扣减成功,MQ 消费失败 → 数据库没扣 解决:MQ 重试 + 死信队列 + 定时对账 2. 用户抢到了但没付款,订单超时取消 解决:取消时 Redis INCR 回补 + 数据库回补 3. Redis 宕机 解决:Redis 集群(Sentinel/Cluster)+ 数据库库存作为最终真相 ``` 这里的"对账"指定时任务把 Redis 与数据库的库存做比对,修正偏差;"回补"指订单取消时把之前扣掉的库存加回去。整体走的是**最终一致**,而不是任何时刻都强一致——这是有意的取舍,因为秒杀场景下吞吐优先。 ### Q:秒杀结果怎么通知用户? A:两种方式:① 轮询:前端每 2 秒查一次订单状态;② WebSocket/SSE:服务端主动推送。推荐轮询,实现简单且秒杀场景下很快就有结果。 ### Q:如果 Redis 挂了怎么办? A:降级方案:直接走数据库 `UPDATE ... WHERE stock > 0`,性能差但不会超卖。同时告警运维恢复 Redis。 ## 四、总结与自测 ### Q:面试里怎么答这道题? A:按下面的顺序分点作答,先给结构再给细节: 1. 先画架构图:CDN → 网关限流 → Redis 预扣减 → MQ 异步 → 数据库。 2. 每一层的作用:CDN 挡静态请求、网关挡无效请求、Redis 挡库存判断、MQ 削峰。 3. 核心代码:Lua 脚本保证"判断库存 + 扣减 + 记录已购买"的原子性。 4. 加分项:提到库存一致性、超时回补、对账机制。 ### Q:这套方案最关键的一个取舍是什么? A:一句话——**用"每一步都可能失效"的分层来换取吞吐,再用最终一致 + 数据库兜底把"失效"的后果收回来**。前端、网关、Redis、MQ 每一层都可能出问题,但正因为数据最终以数据库为准,且更新带 `stock > 0` 条件,系统在极端情况下仍不会超卖。 --- ## 自测 1. 为什么"判断库存 + 扣减 + 记录已购买"必须放在一段 Lua 脚本里,而不是分几次调用 Redis? 2. 10 万请求经过网关后只剩约 5000,这个数量级是怎么来的?它给后面的 MQ 削峰带来了什么空间? 3. 如果 Redis 完全不可用,你的降级路径是什么?这条路径为什么"性能差但不会超卖"?
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