高并发场景下，优惠券秒杀系统的稳定性与公平性保障

高并发场景下，优惠券秒杀系统的稳定性与公平性保障

背景

1. 场景：

   • 在“年度超级秒杀”活动中，限量100张（高价值优惠券），活动上线首秒吸引大量用户同时涌入，瞬时峰值QPS达10万次/秒。

2. 核心诉求

   • 服务器稳定性：确保系统在超高并发下不崩溃、不超卖（优惠券库存准确扣减）。

   • 业务公平性保障：保证先到、先点击的用户抢购成功。

回答

这是一个典型的秒杀问题。几千万个并发抢100个库存。

1. 几个重点问题：

   • 如何保证不超卖、不少卖？

     高并发扣款指南：如何终结超花危机？

     高并发场景下做库存扣减，如何避免超卖和少卖？

     Java 八股/20-场景问题/怎么保证账户钱不超花？.md

     Java 八股/20-场景问题/如何避免超卖和少卖？.md

   • 如何保证服务不被打垮？

     参考：揭秘千万级QPS秒杀系统的架构设计与避坑指南

     参考：Java 八股/20-场景问题/设计一个秒杀系统，需要考虑哪些问题？.md

   • 如何保证前面的人能抢到？（本节重点）

2. 如何保证前面的人先抢到？

   • 借助 Redis + lua 进行库存扣减。
   • Redis 可以保证命令执行的先后顺序。先来的请求，先进行库存扣减了。
   • 扣减成功，则说明有库存。就可以给他发放优惠券了。（操作数据库）
   • 当库存为0之后，后续的请求再进来，会在 Redis 中操作失败。因为，库存已经没有了，无法扣减了。这样就可以把后续的所有流量都抗在数据库之前了。

3. 注意：使用 分布式锁+限流 的方案，是没办法保证先后顺序的。