如何设计高并发订单秒杀系统？从限流到最终一致性

如何设计高并发订单秒杀系统？从限流到最终一致性

一文带你从 0 到 1 构建一个高并发秒杀系统，掌握电商平台背后的技术精髓。

---

👀 业务场景分析

在传统电商或活动促销中，“秒杀”是一种非常常见的营销手段。它通常具有以下几个特点：

• 突发高并发：秒杀开始瞬间，成千上万的用户同时请求。
• 库存有限：商品数量极少，必须精准控制库存。
• 严格限购：每人只能购买一次或一次限定数量。
• 支付异步：订单创建与支付解耦，需确保最终一致性。

因此，一个健壮的秒杀系统需要同时满足：

• 高并发处理能力
• 高性能库存扣减机制
• 数据一致性保障
• 防刷、限流机制

---

🧠 技术选型与架构设计

技术选型

模块	技术选型
接入层限流	Nginx + Lua / Gateway + Redis Token Bucket
应用层限流	Guava RateLimiter / Sentinel
消息队列	RocketMQ / Kafka
缓存层	Redis (Lua 脚本原子扣减)
数据库	MySQL（行级锁、乐观锁）
一致性补偿机制	本地消息表 / RocketMQ 事务消息
分布式锁	Redisson / Zookeeper

架构图（简化版）

用户请求
   ↓
Nginx 限流
   ↓
应用网关限流 + 登录校验
   ↓
本地限流 + 商品缓存预热
   ↓
库存预扣减（Redis + Lua）
   ↓
消息队列异步下单（MQ）
   ↓
订单服务落库 + 最终一致性处理

---

🚀 核心模块实现

1. 接入层限流（Nginx + Lua）

-- nginx.conf 中配置
limit_req_zone $binary_remote_addr zone=limit:10m rate=10r/s;
server {
    location /seckill {
        limit_req zone=limit burst=5 nodelay;
        proxy_pass http://your_java_app;
    }
}

2. 本地限流（Guava RateLimiter）

RateLimiter rateLimiter = RateLimiter.create(100); // 每秒100个请求

public String seckill(Long productId) {
    if (!rateLimiter.tryAcquire()) {
        return "抢购太火爆，请稍后再试";
    }
    // 继续执行业务逻辑
}

3. Redis + Lua 脚本实现库存原子扣减

-- seckill.lua
local stock = tonumber(redis.call('get', KEYS[1]))
if stock <= 0 then
    return -1
end
redis.call('decr', KEYS[1])
return 1

// Java 调用
String script = new String(Files.readAllBytes(Paths.get("seckill.lua")));
DefaultRedisScript<Long> redisScript = new DefaultRedisScript<>();
redisScript.setScriptText(script);
redisScript.setResultType(Long.class);

Long result = redisTemplate.execute(redisScript, Collections.singletonList("product:stock:" + productId));
if (result == -1) {
    return "库存不足";
}

4. 消息队列异步下单

// 发送消息
OrderMessage orderMessage = new OrderMessage(userId, productId);
String msg = objectMapper.writeValueAsString(orderMessage);
rocketMQTemplate.convertAndSend("seckill-topic", msg);

// 消费消息
@RocketMQMessageListener(topic = "seckill-topic", consumerGroup = "order-group")
public class OrderConsumer implements RocketMQListener<String> {
    @Override
    public void onMessage(String message) {
        OrderMessage orderMsg = objectMapper.readValue(message, OrderMessage.class);
        orderService.createOrder(orderMsg);
    }
}

5. 数据库层保障最终一致性

• 使用本地消息表 + 定时补偿任务
• 或者使用 RocketMQ 的 事务消息机制
• 订单状态：未支付 → 支付中 → 已支付 / 订单关闭

---

🔐 避免超卖的关键细节

• Redis 的库存扣减必须是原子操作（Lua 脚本）
• 避免重复下单：使用 Redis + Set 记录用户是否已参与
• 限购校验：用户维度 + 商品维度唯一标识

String userKey = "seckill:uid:" + userId + ":pid:" + productId;
Boolean isFirst = redisTemplate.opsForValue().setIfAbsent(userKey, "1", 1, TimeUnit.HOURS);
if (!Boolean.TRUE.equals(isFirst)) {
    return "您已参与过该商品秒杀";
}

---

✅ 最终一致性策略

• 异步下单：消息队列保障系统解耦与削峰
• 支付超时关闭订单：定时任务 / 延迟队列
• 支付成功回写状态：支付系统回调处理
• 订单补偿机制：保障消息投递失败时订单状态一致

---

🔍 性能优化建议

• Redis 热点 Key 拆分（库存分片）
• 使用布隆过滤器防止缓存穿透
• 使用 CDN + 静态页预热减少请求压力
• 秒杀请求提前异步校验（如验证码、人脸识别等）

---

🧩 总结

构建一个稳定、高性能的秒杀系统，关键在于：

• 前端限流、后端削峰：多级限流避免系统雪崩
• 缓存优先、异步执行：合理利用 Redis 和 MQ
• 库存原子操作、防止超卖：Lua 脚本是关键
• 最终一致性保障：不要迷信强一致，能达到最终一致即可