【JAVA架构师成长之路】【电商系统实战】第10集：电商秒杀系统实战（流量削峰 + 库存预热 + 请求排队）

---

30分钟课程：电商秒杀系统实战（流量削峰 + 库存预热 + 请求排队）

---

课程目标

1. 掌握秒杀系统核心架构设计：流量削峰、库存预热、请求排队。
2. 实现基于 Redis 的令牌桶限流与库存原子扣减。
3. 通过 Redis List 或 Kafka 实现高并发请求的异步处理。

---

课程内容与时间分配

---

0~5分钟：课程概述

业务场景与挑战

• 瞬时高并发：万人抢购导致服务崩溃、数据库击穿。
• 资源竞争：库存超卖、订单重复提交。
• 核心目标：保障系统高可用、数据一致性、用户体验流畅。

技术方案

• 流量削峰：令牌桶限流控制入口请求量。
• 库存预热：活动开始前将库存加载至 Redis，避免直接访问数据库。
• 请求排队：Redis List 或 Kafka 缓冲请求，异步处理订单。

---

5~10分钟：技术难点与核心问题

1. 令牌桶算法实现
   • 分布式环境下如何保证限流计数原子性？
2. 库存预热与扣减
   • Redis 预减库存时如何避免超卖？
3. 请求队列可靠性
   • 如何防止消息丢失或重复消费？
4. 数据一致性
   • 订单创建、库存扣减、支付状态如何保证最终一致？

---

10~25分钟：解决方案与代码实战

---

1. 流量削峰：Redis令牌桶限流（10~15分钟）

令牌桶原理

• 每秒发放固定数量令牌（如 1000 个），请求获取令牌后才能进入系统。

Lua脚本实现原子操作

-- KEYS[1]: 令牌桶键（如 limit:seckill）  
-- ARGV[1]: 桶容量  
-- ARGV[2]: 令牌生成速率（每秒）  
-- ARGV[3]: 当前时间戳（秒）  local key = KEYS[1]  
local capacity = tonumber(ARGV[1])  
local rate = tonumber(ARGV[2])  
local now = tonumber(ARGV[3])  -- 1. 初始化桶数据  
local last_time = tonumber(redis.call('hget', key, 'last_time')) or now  
local tokens = tonumber(redis.call('hget', key, 'tokens')) or capacity  -- 2. 计算新增令牌数  
local new_tokens = math.floor((now - last_time) * rate)  
tokens = math.min(capacity, tokens + new_tokens)  
last_time = now  -- 3. 尝试获取令牌  
if tokens >= 1 then  tokens = tokens - 1  redis.call('hset', key, 'last_time', last_time)  redis.call('hset', key, 'tokens', tokens)  return 1  -- 获取成功  
else  return 0  -- 令牌不足  
end  

Java调用代码

@Service  
public class RateLimiterService {  @Autowired  private RedisTemplate<String, String> redisTemplate;  private static final String LUA_SCRIPT = "上述 Lua 脚本内容";  public boolean tryAcquire(String key, int capacity, int rate) {  long now = System.currentTimeMillis() / 1000;  DefaultRedisScript<Long> script = new DefaultRedisScript<>(LUA_SCRIPT, Long.class);  Long result = redisTemplate.execute(script, Collections.singletonList(key),  String.valueOf(capacity), String.valueOf(rate), String.valueOf(now));  return result != null && result == 1;  }  
}  

---

2. 库存预热：Redis原子扣减（15~20分钟）

库存预热与扣减流程

1. 预热库存：活动开始前将库存从数据库加载到 Redis。
2. 原子扣减：使用 Lua 脚本保证查询与扣减的原子性。

Lua脚本（扣减库存）

-- KEYS[1]: 库存键（如 stock:item_1001）  
-- ARGV[1]: 扣减数量  
local stock = tonumber(redis.call('GET', KEYS[1]))  
if stock >= tonumber(ARGV[1]) then  redis.call('DECRBY', KEYS[1], ARGV[1])  return redis.call('GET', KEYS[1])  -- 返回剩余库存  
else  return -1  -- 库存不足  
end  

Java代码：预热库存

public void preheatStock(String itemId, int stock) {  redisTemplate.opsForValue().set("stock:" + itemId, String.valueOf(stock));  
}  public boolean deductStock(String itemId, int quantity) {  String script = "上述 Lua 脚本内容";  DefaultRedisScript<Long> redisScript = new DefaultRedisScript<>(script, Long.class);  Long result = redisTemplate.execute(redisScript, Collections.singletonList("stock:" + itemId),  String.valueOf(quantity));  return result != null && result >= 0;  
}  

---

3. 请求排队：Redis List或Kafka（20~25分钟）

方案1：Redis List队列

// 生产者：接收请求并存入队列  
public void enqueueRequest(String itemId, String userId) {  redisTemplate.opsForList().leftPush("queue:seckill:" + itemId, userId);  
}  // 消费者：异步处理队列  
@Scheduled(fixedDelay = 100)  
public void processQueue() {  String userId = redisTemplate.opsForList().rightPop("queue:seckill:item_1001", 1, TimeUnit.SECONDS);  if (userId != null) {  orderService.createOrder(userId, "item_1001");  }  
}  

方案2：Kafka异步处理

// 生产者发送消息  
@Autowired  
private KafkaTemplate<String, String> kafkaTemplate;  public void sendSeckillRequest(String userId, String itemId) {  kafkaTemplate.send("seckill_requests", userId + ":" + itemId);  
}  // 消费者处理消息  
@KafkaListener(topics = "seckill_requests")  
public void handleSeckillRequest(String message) {  String[] parts = message.split(":");  orderService.createOrder(parts[0], parts[1]);  
}  

---

25~30分钟：练习与拓展

---

练习题目

1. 动态调整限流速率
   • 要求：根据系统负载动态修改令牌桶的 rate 参数（如 CPU >80% 时降级为 500 QPS）。
2. 库存回滚设计
   • 场景：用户超时未支付，将库存返还 Redis 并发送通知。
3. 队列优先级
   • 任务：实现 VIP 用户的请求优先处理（Redis Sorted Set 或 Kafka 优先级队列）。

推荐拓展方向

1. 分布式限流
   • 结合 Nginx 层限流（漏桶算法）与 Redis 令牌桶，多层防护。
2. 库存分片
   • 将单品库存拆分为多个 Redis Key（如 stock:item_1001_shard1），提升并发性能。
3. 热点数据隔离
   • 对秒杀商品单独部署 Redis 集群，避免影响其他业务。

---

课程总结

• 流量削峰：令牌桶算法控制入口流量，Lua 脚本保障原子性。
• 库存预热：Redis 缓存 + 原子扣减，避免超卖。
• 请求排队：Redis List 或 Kafka 异步处理，降低数据库压力。
• 关键代码：
  1. 令牌桶限流 Lua 脚本。
  2. 库存扣减原子操作。
  3. 请求队列的生产者-消费者模型。

课后资源

• Redis 官方文档：Redis Transactions
• Kafka 入门指南：Apache Kafka Quickstart
• 完整代码示例：GitHub - 秒杀系统Demo