一、 秒杀业务的本质与挑战

秒杀（Flash Sale）业务的核心特征是“瞬时高并发”和“资源稀缺”（狼多肉少）。这带来了四大核心挑战：

1. 瞬时高并发流量：在极短时间内，系统将承受远超平时数十倍甚至上百倍的请求压力，对服务器、网络、数据库都是巨大考验。
2. 库存超卖：高并发下，简单的“读-改-写”库存操作极易出现数据不一致，导致卖出的商品数量超过实际库存。
3. 热点数据瓶颈：所有请求都集中在同一个商品上，导致数据库或缓存中的特定“行”或“Key”成为性能瓶颈。
4. 恶意请求/机器人：大量“黄牛”使用脚本和机器人抢购，挤占正常用户的机会，必须有效甄别和拦截。

二、 核心设计原则

为了应对上述挑战，我们的设计必须遵循以下原则，层层过滤请求，将压力化解于无形。

• 将请求拦截在上游：尽可能在系统架构的前端环节过滤掉无效请求。
• 动静分离：将静态资源（HTML/CSS/JS/图片）与动态业务逻辑分离，利用CDN加速，降低后端服务器压力。
• 读多写少，尽量异步：秒杀场景是典型的读多写少。读取库存、商品信息等操作应尽可能走缓存。下单、支付等写操作应通过消息队列（MQ）异步处理，削峰填谷。
• 数据分层与热点隔离：利用多级缓存（本地缓存、分布式缓存）来处理热点数据，避免流量直接穿透到数据库。

三、 系统整体架构

一个成熟的秒杀系统架构应该是分层的，每一层都承担特定的职责。

graph TD
    subgraph 用户端
        A[用户浏览器/App]
    end

    subgraph 接入层
        B[CDN] --> C[Nginx/API Gateway];
    end
    
    subgraph 业务逻辑层
        C -- 秒杀请求 --> D{秒杀服务};
        D -- 校验库存/资格 --> E[Redis集群];
        D -- 下单消息 --> F[消息队列 MQ];
    end

    subgraph 后端服务
        G[订单服务] -- 消费消息 --> F;
        G -- 创建订单 --> H[数据库集群];
    end

    subgraph 辅助系统
        I[风控/安全系统] -- 实时监控 --> C;
        J[数据预热服务] -- 预加载数据 --> E;
    end
    
    A --> B;
    E -.-> H;
    
    style A fill:#f9f,stroke:#333,stroke-width:2px
    style H fill:#bbf,stroke:#333,stroke-width:2px

架构解析：

1. 用户端 (Client)：进行一些前端优化，如点击按钮后置灰，防止用户重复提交。
2. 接入层 (Access Layer)：
   • CDN：缓存商品详情页等静态资源，用户就近访问，源站压力大减。
   • Nginx / API Gateway：作为流量入口，承担负载均衡、动静分离、限流（令牌桶/漏桶算法）、黑白名单、WAF防火墙等职责，这是第一道防线。
3. 业务逻辑层 (Business Logic)：
   • 秒杀服务 (Seckill Service)：核心服务，处理秒杀资格校验和库存扣减。它不直接操作数据库。
   • Redis 集群：作为主战场，存放库存、用户购买记录等热点数据。利用其单线程原子性特性处理库存。
   • 消息队列 (Message Queue - MQ)：如 RocketMQ 或 Kafka。实现业务解耦和流量削峰。秒杀成功后，将订单信息丢入MQ，由下游服务慢慢消费。
4. 后端服务 (Backend Service)：
   • 订单服务 (Order Service)：订阅MQ中的消息，负责将订单信息持久化到数据库。
   • 数据库 (Database)：作为数据的最终存储。采用主从分离、分库分表来提升性能。
5. 辅助系统 (Auxiliary System)：
   • 风控系统：识别和拦截恶意请求。
   • 数据预热服务：秒杀开始前，将商品库存等信息从数据库加载到Redis中。

四、 核心流程与技术实现

下面我们深入到最关键的环节：库存扣减。

流程图

sequenceDiagram
    participant User as 用户
    participant Gateway as 网关/Nginx
    participant SeckillSvc as 秒杀服务
    participant Redis
    participant MQ as 消息队列
    participant OrderSvc as 订单服务
    participant DB as 数据库

    User->>Gateway: 发起秒杀请求
    activate Gateway
    Gateway->>Gateway: 1. 限流/风控校验
    Gateway->>SeckillSvc: 转发合法请求
    deactivate Gateway
    activate SeckillSvc
    
    SeckillSvc->>Redis: 2. 执行Lua脚本(原子操作)
    activate Redis
    Note right of Redis: 检查库存 & 检查用户是否已购
    Redis-->>SeckillSvc: 返回扣减结果 (成功/失败)
    deactivate Redis
    
    alt 库存扣减成功
        SeckillSvc->>MQ: 3. 发送下单消息 (userId, productId)
        SeckillSvc-->>User: 返回“抢购排队中”
    else 库存不足或已购买
        SeckillSvc-->>User: 返回“已售罄”或“您已购买”
    end
    deactivate SeckillSvc
    
    Note over OrderSvc, DB: --- 以下为异步流程 ---
    
    OrderSvc->>MQ: 4. 消费下单消息
    activate OrderSvc
    OrderSvc->>DB: 5. 创建订单 (乐观锁更新)
    activate DB
    DB-->>OrderSvc: 订单创建成功
    deactivate DB
    OrderSvc->>User: (可选)推送下单成功通知
    deactivate OrderSvc

关键技术点与Java代码实现

1. 数据预热

在秒杀开始前，通过定时任务或管理后台操作，将库存加载到Redis。

// 使用 Spring Boot 和 RedisTemplate 的示例
@Autowired
private RedisTemplate<String, String> redisTemplate;
@Autowired
private ProductMapper productMapper; // MyBatis Mapper

public void preheatData(Long productId) {
    Product product = productMapper.selectById(productId);
    if (product != null && product.getStock() > 0) {
        String stockKey = "seckill:stock:" + productId;
        String userSetKey = "seckill:users:" + productId;
        
        // 设置库存
        redisTemplate.opsForValue().set(stockKey, String.valueOf(product.getStock()));
        
        // (可选)清空已购买用户集合，为新一轮秒杀做准备
        redisTemplate.delete(userSetKey);
        
        System.out.println("商品ID: " + productId + " 数据预热成功，库存: " + product.getStock());
    }
}

2. 库存扣减：Redis + Lua 脚本（原子性保证）

这是防止超卖和保证性能的最佳实践。Lua脚本在Redis中是原子执行的，可以把多个命令打包，避免了Java应用和Redis之间的多次网络往返和竞态条件。

Lua 脚本 (seckill.lua)

-- KEYS[1]: 库存的Key (e.g., seckill:stock:1001)
-- KEYS[2]: 已购买用户集合的Key (e.g., seckill:users:1001)
-- ARGV[1]: 当前请求的用户ID (e.g., 9527)

-- 检查用户是否已购买
if redis.call('sismember', KEYS[2], ARGV[1]) == 1 then
    return 2 -- 2: 代表重复购买
end

-- 获取库存
local stock = tonumber(redis.call('get', KEYS[1]))

-- 检查库存是否充足
if stock and stock > 0 then
    -- 扣减库存
    redis.call('decr', KEYS[1])
    -- 将用户ID添加到已购买集合
    redis.call('sadd', KEYS[2], ARGV[1])
    return 1 -- 1: 代表成功
else
    return 0 -- 0: 代表库存不足
end

Java 调用 Lua 脚本

import org.springframework.core.io.ClassPathResource;
import org.springframework.data.redis.core.script.DefaultRedisScript;
import org.springframework.scripting.support.ResourceScriptSource;

@Service
public class SeckillService {

    @Autowired
    private RedisTemplate<String, Object> redisTemplate;
    private DefaultRedisScript<Long> seckillScript;

    // 在构造函数或@PostConstruct中加载Lua脚本
    @PostConstruct
    public void init() {
        seckillScript = new DefaultRedisScript<>();
        seckillScript.setResultType(Long.class);
        seckillScript.setScriptSource(new ResourceScriptSource(new ClassPathResource("scripts/seckill.lua")));
    }

    public long processSeckill(Long productId, Long userId) {
        String stockKey = "seckill:stock:" + productId;
        String userSetKey = "seckill:users:" + productId;

        // 执行Lua脚本
        Long result = redisTemplate.execute(
            seckillScript,
            Arrays.asList(stockKey, userSetKey), // KEYS
            String.valueOf(userId)              // ARGV
        );

        return result;
    }
}

// 在Controller中调用
@RestController
public class SeckillController {
    @Autowired
    private SeckillService seckillService;
    @Autowired
    private MQSender mqSender;

    @PostMapping("/seckill/{productId}")
    public ResponseEntity<String> doSeckill(@PathVariable Long productId, @RequestHeader("userId") Long userId) {
        // ... (前置校验，如活动是否开始等) ...

        long result = seckillService.processSeckill(productId, userId);

        if (result == 1) {
            // 成功，发送异步下单消息
            mqSender.sendSeckillMessage(new SeckillMessage(userId, productId));
            return ResponseEntity.ok("恭喜您，正在排队中，请稍后查看订单...");
        } else if (result == 2) {
            return ResponseEntity.status(HttpStatus.BAD_REQUEST).body("您已经抢购过了，请勿重复操作！");
        } else { // result == 0 or null
            return ResponseEntity.status(HttpStatus.GONE).body("非常抱歉，商品已售罄！");
        }
    }
}

3. 异步下单与数据库最终一致性

订单服务消费MQ消息，创建真实订单。为防止MQ重复消费等问题导致订单重复创建，数据库层面也需要一道防线。

• 唯一索引：在订单表上建立 (user_id, product_id) 的唯一索引，防止同一用户对同一商品下多个订单。
• 乐观锁：在商品库存表（如果需要同步更新）上使用version字段，确保更新时数据未被其他线程修改。

// 订单服务消费端 (伪代码)
@Service
public class OrderConsumer {

    @Autowired
    private OrderMapper orderMapper;
    @Autowired
    private ProductMapper productMapper;

    @RabbitListener(queues = "seckill.queue")
    public void receiveMessage(SeckillMessage message) {
        try {
            // 1. 检查是否已生成订单 (利用唯一索引的特性)
            if (orderMapper.findOrderByUserAndProduct(message.getUserId(), message.getProductId()) != null) {
                System.out.println("订单已存在，忽略重复消息: " + message);
                return;
            }

            // 2. 创建订单
            Order order = new Order();
            // ... 设置订单属性
            orderMapper.insert(order);

            // 3. (可选) 扣减数据库库存，使用乐观锁
            // int affectedRows = productMapper.decreaseStockOptimistic(message.getProductId(), version);
            // if (affectedRows == 0) {
            //     // 出现了极端情况，数据库库存不足，需要记录日志或补偿
            // }

        } catch (DuplicateKeyException e) {
            // 唯一索引冲突，说明是重复消费，正常忽略
            System.out.println("唯一键冲突，忽略重复消息: " + message);
        } catch (Exception e) {
            // 其他异常，需要记录日志，考虑消息重试或人工干预
            System.err.println("创建订单失败: " + message);
        }
    }
}

五、 安全与防刷

• 隐藏秒杀接口地址：秒杀开始前，接口地址不暴露，通过前端动态获取。
• 图形验证码：增加机器人操作成本，但会影响用户体验，谨慎使用。
• 单用户/IP频率限制：在Nginx或网关层实现，限制单位时间内的请求次数。
• 黑名单机制：对识别出的恶意IP或用户ID，直接拉黑。

六、 总结

设计一个高质量的秒杀系统，是一个典型的性能优化和架构权衡的过程。核心思想是将压力逐层化解：

1. 前端/CDN：过滤静态资源请求。
2. 网关：过滤无效和恶意请求。
3. Redis：利用其高性能和原子操作，快速处理核心的库存校验和扣减，这是整个系统的咽喉。
4. 消息队列：将写操作异步化，削平数据库的写入洪峰。
5. 数据库：作为最终数据一致性的保障，承担兜底角色。

通过这样的分层设计和技术选型，即使面对海啸般的流量，系统也能保持稳定和高可用，确保业务的顺利进行。这套架构思想不仅适用于秒杀，也适用于任何高并发、热点数据的业务场景。