基于Java + Redis + RocketMQ的库存秒杀系统设计与实现

一、秒杀场景核心挑战

1. 瞬时高并发：万级QPS访问压力

2. 库存准确性：避免超卖/少卖

3. 系统可用性：防止雪崩效应

4. 数据一致性：缓存与数据库同步

二、技术架构设计

1. 分层架构设计

用户请求│▼
接入层（Nginx限流 + 令牌拦截）│▼
逻辑层（Redis预扣库存 + RocketMQ异步）│▼
数据层（MySQL最终扣减）

2. 核心流程

sequenceDiagramparticipant 用户participant 网关participant Redisparticipant RocketMQparticipant MySQL用户->>网关: 提交秒杀请求网关->>Redis: 执行预扣库存(LUA)alt 库存不足Redis-->>用户: 秒杀失败else 库存足够Redis->>RocketMQ: 发送异步消息RocketMQ-->>网关: 返回受理成功网关-->>用户: 提示排队中RocketMQ->>MySQL: 消费消息执行真实扣减end

三、核心代码实现

1. 环境依赖

<!-- Spring Boot Starter -->
<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId>
</dependency>
<!-- Redis -->
<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>
<!-- RocketMQ -->
<dependency><groupId>org.apache.rocketmq</groupId><artifactId>rocketmq-spring-boot-starter</artifactId><version>2.2.2</version>
</dependency>

2. Redis预扣库存（LUA脚本）

-- seckill.lua
local key = KEYS[1]
local quantity = tonumber(ARGV[1])
local current = tonumber(redis.call('get', key) or '0')if current >= quantity thenredis.call('decrby', key, quantity)return 1 -- 成功
elsereturn 0 -- 失败
end

3. 秒杀接口实现

@RestController
public class SeckillController {@Autowiredprivate RedisTemplate<String, String> redisTemplate;@Autowiredprivate RocketMQTemplate rocketMQTemplate;// 加载LUA脚本private static final DefaultRedisScript<Long> SECKILL_SCRIPT;static {SECKILL_SCRIPT = new DefaultRedisScript<>();SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));SECKILL_SCRIPT.setResultType(Long.class);}@PostMapping("/seckill")public ResponseEntity<String> seckill(@RequestParam Long itemId, @RequestParam Integer userId) {// 1. 参数校验if (itemId == null || userId == null) {return ResponseEntity.badRequest().body("参数错误");}// 2. 执行LUA脚本预扣库存List<String> keys = Collections.singletonList("stock:" + itemId);Long result = redisTemplate.execute(SECKILL_SCRIPT, keys, "1");// 3. 处理结果if (result == 1) {// 发送MQ消息rocketMQTemplate.send("seckill_topic", MessageBuilder.withPayload(new SeckillMessage(itemId, userId)).build());return ResponseEntity.ok("秒杀请求已受理");} else {return ResponseEntity.status(429).body("库存不足");}}
}

4. RocketMQ消费者

@RocketMQMessageListener(topic = "seckill_topic",consumerGroup = "seckill_consumer_group"
)
@Service
public class SeckillConsumer implements RocketMQListener<SeckillMessage> {@Autowiredprivate StockService stockService;@Overridepublic void onMessage(SeckillMessage message) {// 数据库真实扣减stockService.reduceStock(message.getItemId());// 记录订单等后续操作...}
}

5. 数据库操作

@Service
public class StockServiceImpl implements StockService {@Autowiredprivate StockMapper stockMapper;@Transactionalpublic boolean reduceStock(Long itemId) {// 乐观锁更新int rows = stockMapper.reduceStockWithVersion(itemId);if (rows == 0) {// 库存补偿逻辑handleStockRollback(itemId);return false;}return true;}
}<!-- MyBatis Mapper -->
<update id="reduceStockWithVersion">UPDATE stock SET quantity = quantity - 1,version = version + 1WHERE item_id = #{itemId} AND quantity > 0AND version = #{version}
</update>

四、关键优化设计

1. 库存预热方案

// 活动开始前加载库存到Redis
public void preheatStock(Long itemId, Integer stock) {redisTemplate.opsForValue().set("stock:" + itemId, stock.toString());
}

2. 限流策略

// 使用Guava RateLimiter做令牌桶限流
private RateLimiter rateLimiter = RateLimiter.create(1000); // 每秒1000个请求@PostMapping("/seckill")
public ResponseEntity<String> seckill(...) {if (!rateLimiter.tryAcquire()) {return ResponseEntity.status(429).body("请求过于频繁");}// 原有逻辑...
}

3. 降级方案

@Value("${seckill.switch:true}")
private boolean seckillSwitch;@PostMapping("/seckill")
public ResponseEntity<String> seckill(...) {if (!seckillSwitch) {return ResponseEntity.status(503).body("活动暂未开始");}// 原有逻辑...
}

4. 防刷策略

// Redis记录用户访问频率
String userKey = "user_limit:" + userId;
Long count = redisTemplate.opsForValue().increment(userKey, 1);
if (count != null && count > 5) { // 每秒限制5次return ResponseEntity.status(429).body("操作过于频繁");
}
redisTemplate.expire(userKey, 1, TimeUnit.SECONDS);

五、监控与告警设计

1. 监控指标

- Redis库存余量
- MQ堆积量
- 接口QPS/TPS
- 数据库连接池使用率

2. 告警规则

- MQ消息堆积超过10000条
- Redis内存使用率>80%
- 接口失败率>1%

六、压测验证方案

1. JMeter压测脚本配置：

   • 5000并发用户持续30秒

   • 添加思考时间300ms

   • 监控TPS/RT/错误率

2. 验证指标：

   - 请求成功率 ≥99.99%
   - 平均响应时间 <500ms
   - 数据库最终一致性100%

七、总结

架构优势：

• 流量分层过滤：拦截80%无效请求

• 读写分离：Redis承担99%的读压力

• 异步解耦：MQ保证最终一致性

• 柔性可用：快速失败+自动降级

扩展方向：

1. 增加分布式锁防止重复下单

2. 引入Sentinel实现熔断限流

3. 使用Redis Cluster提升缓存容量

4. 添加异步订单日志