作为信息系统项目管理师和系统架构设计师的备考者，你应该深知“技术选型”和“架构设计”在案例分析题中的分量。而优惠券系统是微服务面试和考试中当之无愧的“八股文”之王。它囊括了高并发、分布式事务、数据一致性、缓存穿透等几乎所有后端核心难题。
如果你正在准备大厂面试或软考中高级，下面这 10 个高频面试题（附带考点解析和代码实战），建议反复研读。
1. 如何解决“超卖”问题？（核心高频）
考点： 并发控制、Redis Lua 脚本、数据库乐观锁。
分析： 此时不能直接 update stock set stock = stock - 1，这会导致超卖。
方案：
- Redis 预减库存（Lua 脚本保证原子性）。
- 数据库扣减使用乐观锁（CAS 思想）。
实战代码（Redis Lua 预减）：
lua
复制
-- coupon_lua.lua
-- 参数：KEYS[1] 是优惠券 Key，ARGV[1] 是扣减数量
if (redis.call('get', KEYS[1]) >= tonumber(ARGV[1])) then
-- 库存充足，扣减并返回 1
return redis.call('decrby', KEYS[1], ARGV[1])
else
-- 库存不足，返回 0
return 0
end
实战代码（数据库乐观锁）：
sql
复制
-- 只有当数据库中的库存与查询时的库存一致时才更新
UPDATE coupon
SET stock = stock - 1
WHERE id = 1001 AND stock > 0;
2. 如何防止用户“薅羊毛”，一人领取多张？
考点： 布隆过滤器、Redis Set / HyperLogLog、唯一索引。
分析： 限制用户领取频率（如每人限领 1 张）。
方案：
- Redis Set： Key 为
coupon:uid:1001，Value 为用户 ID 集合。查询快，但占用内存大。 - Redis Bitmap： 适合用户 ID 连续的场景，极其节省空间。
- 数据库唯一索引：
user_id+coupon_id建立联合唯一索引，兜底防重。
实战代码（基于 Redis Set 判断）：
java
复制
public boolean canReceive(Long userId, Long couponId) {
String key = "coupon:received:" + couponId;
// sismember 判断是否已存在
Boolean isMember = redisTemplate.opsForSet().isMember(key, userId.toString());
return !Boolean.TRUE.equals(isMember);
}
3. 优惠券发放的高并发流量如何削峰？
考点： 消息队列、异步处理。
分析： 秒杀发放时，流量瞬间洪峰，直接写数据库会打挂服务。
方案： 前端请求 -> 后端 Redis 预扣减 -> MQ 发放消息 -> 消费者异步落库。
实战代码（生产者）：
java
复制
// 扣减 Redis 库存成功后，发送消息到 MQ
public void receiveCoupon(Long userId, Long couponId) {
// 1. Redis Lua 扣库存...
boolean success = redisStockService.deduct(couponId);
if (success) {
// 2. 发送 MQ 消息（不阻塞当前线程）
CouponMessage msg = new CouponMessage(userId, couponId);
rocketMQTemplate.convertAndSend("coupon-topic", msg);
} else {
throw new BusinessException("库存不足");
}
}
4. 订单支付后，如何保证“扣减库存”和“核销优惠券”的一致性？（分布式事务）
考点： TCC、最终一致性、本地消息表。
分析： 这是一个典型的分布式事务问题。支付服务和优惠券服务是两个独立的微服务。
方案： 基于 MQ 的最终一致性（推荐）或 Seata TCC。
逻辑流：
- 支付服务：本地事务更新订单状态为“已支付” -> 写入本地消息表（状态：SENDING）。
- 定时任务：轮询消息表，发送 MQ。
- 优惠券服务：监听 MQ，执行优惠券核销（标记为已使用）。
- 优惠券服务：消费成功，发送 Ack。
5. 大量“已过期”的优惠券如何处理？
考点： 延时队列、过期策略。
分析： 优惠券有有效期，过期后需要回滚库存或标记状态。
方案：
- Redis Key 过期监听： 不推荐，在集群模式下存在消息丢失风险。
- 延时队列： 推荐。用户领券成功时，向 MQ 投递一条
delayLevel = 24小时的消息。到期后消费者检查数据库，如果未使用，则回滚库存或更新状态。
6. 如何设计“满 100 减 20”这样复杂的叠加规则？
考点： 规则引擎、责任链模式、策略模式。
分析： 优惠券种类繁多（满减、折扣、立减），且可能互斥或叠加。写大量的 if-else 无法维护。
方案： 使用责任链模式。
实战代码结构：
java
复制
// 定义处理器接口
public interface CouponFilterHandler {
void doFilter(Context context, FilterChain chain);
}
// 满减处理器
public class MoneyOffHandler implements CouponFilterHandler {
@Override
public void doFilter(Context context, FilterChain chain) {
// 计算满减逻辑
context.setAmount(context.getAmount() - 20);
// 传递给下一个处理器（比如折扣券）
chain.doFilter(context);
}
}
// 具体的优惠计算服务
public void calculatePrice(Order order, List<Coupon> coupons) {
FilterChain chain = new FilterChain();
for (Coupon coupon : coupons) {
chain.addHandler(new HandlerFactory().getHandler(coupon.getType()));
}
chain.doFilter(new Context(order));
}
7. 如何实现“近邻券”或基于地理位置的推荐？
考点： GeoHash、Redis GEO。
分析： LBS（Location Based Services）应用。
方案： 使用 Redis 的 GEO 数据结构。
实战代码：
java
复制
// 1. 存入商家位置
redisTemplate.opsForGeo().add("coupon:shops", new Point(116.404, 39.915), "shop1");
// 2. 查找附近 5 公里的优惠券
Circle circle = new Circle(116.404, 39.915, new Distance(5, Metrics.KILOMETERS));
GeoResults<GeoLocation<String>> results = redisTemplate.opsForGeo().radius("coupon:shops", circle);
// 3. 遍历结果进行推荐
results.getContent().forEach(result -> {
System.out.println("附近商家: " + result.getContent().getName());
});
8. 优惠券系统如何分库分表？
考点： ShardingSphere、分片键、数据迁移。
分析： 单表数据量破千万，查询变慢。
方案：
- 垂直分库： 将优惠券基础信息、用户领取记录、核销记录拆分到不同库。
- 水平分表： 针对大表（如
user_coupon），按照user_id进行 Hash 取模分片（如user_coupon_0~user_coupon_9）。保证一个用户的优惠券在同一个分片，方便查询。
9. 如何防止缓存击穿（热点 Key 失效）？
考点： 互斥锁、逻辑过期。
分析： 某张热门优惠券失效瞬间，大量请求直接打到数据库。
方案：
- 互斥锁： 只允许一个线程去查库并回写缓存，其他线程等待。
- 永不过期： Redis 不设置 TTL，在 Value 中包含逻辑过期时间，由后台异步线程负责更新。
实战代码（简单互斥锁）：
java
复制
public Coupon getCached(Long id) {
String key = "coupon:" + id;
Coupon coupon = redisTemplate.opsForValue().get(key);
if (coupon == null) {
// 尝试获取分布式锁
String lockKey = "lock:" + key;
try {
boolean locked = redisTemplate.setIfAbsent(lockKey, "1", 10, TimeUnit.SECONDS);
if (locked) {
// Double Check：防止锁竞争期间已有其他线程写入
coupon = redisTemplate.opsForValue().get(key);
if (coupon == null) {
// 查数据库
coupon = db.queryById(id);
redisTemplate.opsForValue().set(key, coupon, 30, TimeUnit.MINUTES);
}
} else {
// 未获取锁，休眠重试（或降级）
Thread.sleep(100);
return getCached(id);
}
} finally {
redisTemplate.delete(lockKey);
}
}
return coupon;
}
10. 数据库中 stock 字段为什么要定义为 bigint 而不是 int？
考点： 数据库底层优化、行锁。
分析：
- 数据量级：
int最大约 21 亿，如果是通用优惠券，可能不够。 - 面试杀手锏（冷门知识点）： 在 MySQL InnoDB 中，如果库存字段更新频繁，且该字段是主键或索引的一部分，记录可能发生频繁的页分裂。虽然
int和bigint性能差异不大，但更重要的是为了应对超卖补偿（出现负库存回滚）时的数值边界问题。
总结：
这 10 个问题覆盖了从并发控制（Redis/Lua） 、架构一致性（MQ/TCC） 、数据结构到算法策略的全方位知识点。在考试或面试中，能够结合具体代码（如 Lua 脚本、MQ 生产逻辑）进行回答，是区分“初级”和“高级”的关键。
