首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >高并发秒杀系统实战(Redis+Lua分布式锁防超卖与库存扣减优化)

高并发秒杀系统实战(Redis+Lua分布式锁防超卖与库存扣减优化)

作者头像
大熊计算机
发布2025-07-15 09:28:02
发布2025-07-15 09:28:02
34500
代码可运行
举报
文章被收录于专栏:C博文C博文
运行总次数:0
代码可运行

1 秒杀场景

电商秒杀场景具有瞬时高并发资源竞争激烈数据一致性要求高三大特征。当数万用户同时抢购少量商品时(如1000件商品承受10万QPS),系统面临多重挑战:

  1. 超卖风险:多个并发请求同时查询库存并扣减,导致库存扣减数超过实际库存量
  2. 数据库压力:传统数据库难以承受瞬时高并发读写
  3. 用户体验:响应延迟或服务崩溃导致用户请求失败
代码语言:javascript
代码运行次数:0
运行
复制
// 典型超卖代码示例
@GetMapping("/reduce")
public String reduce() {
    int stock = (Integer) redisTemplate.opsForValue().get("stock");
    if (stock > 0) {
        redisTemplate.opsForValue().set("stock", stock - 1);
        return "秒杀成功";
    }
    return "库存不足";
}

上述代码在并发场景下必然出现超卖问题。当多个请求同时通过stock > 0检查后,每个请求都会执行减库存操作,导致库存变为负数。

2 超卖问题根源

2.1 并发冲突的本质

超卖问题的本质是非原子性操作在分布式环境下的并发冲突:

代码语言:javascript
代码运行次数:0
运行
复制
sequenceDiagram
    参与者 用户A as 用户A
    参与者 用户B as 用户B
    参与者 Redis as Redis服务
    
    用户A->>Redis: 查询库存(10)
    用户B->>Redis: 查询库存(10)
    用户A->>Redis: 扣减5个库存(10-5=5)
    用户B->>Redis: 扣减6个库存(5-6=-1)

当用户A和用户B同时查询库存(均为10),用户A先扣减5个库存成功,用户B随后扣减6个库存导致库存变为-1,即发生了超卖。

2.2 传统解决方案的局限
  1. 数据库悲观锁SELECT FOR UPDATE导致性能瓶颈
  2. 应用层锁:仅限单机有效,无法解决分布式问题
  3. 乐观锁:高并发下重试率高,用户体验差

3 Redis分布式锁深度优化

3.1 基础分布式锁实现

基于Redis的SETNX命令实现分布式锁:

代码语言:javascript
代码运行次数:0
运行
复制
public class RedisLock {
    private RedisTemplate<String, String> redisTemplate;
    
    public boolean tryLock(String key, String value, long expireTime) {
        return redisTemplate.opsForValue()
                .setIfAbsent(key, value, expireTime, TimeUnit.SECONDS);
    }
    
    public boolean releaseLock(String key, String value) {
        String luaScript = "if redis.call('get', KEYS[1]) == ARGV[1] then " +
                           "return redis.call('del', KEYS[1]) " +
                           "else return 0 end";
        DefaultRedisScript<Long> redisScript = new DefaultRedisScript<>(luaScript, Long.class);
        Long result = redisTemplate.execute(redisScript, Collections.singletonList(key), value);
        return result != null && result == 1;
    }
}

此实现解决了锁释放安全性问题,确保只有锁持有者才能释放锁。

3.2 锁续命机制

为解决长任务执行时锁过期问题,需实现锁续命机制:

代码语言:javascript
代码运行次数:0
运行
复制
sequenceDiagram
    参与者 Client as 客户端
    参与者 Thread as 守护线程
    参与者 Redis as Redis
    
    Client->>Redis: 获取锁(设置30秒过期)
    Client->>Thread: 启动守护线程
    loop 每10秒执行
        Thread->>Redis: 检查锁是否存在
        Redis-->>Thread: 存在
        Thread->>Redis: 重置过期时间(续命)
    end
    Client->>Redis: 任务完成,释放锁
    Client->>Thread: 停止守护线程

具体实现:

代码语言:javascript
代码运行次数:0
运行
复制
private ScheduledExecutorService scheduler = Executors.newScheduledThreadPool(1);

public void renewLock(String key, String value, long renewInterval) {
    scheduler.scheduleAtFixedRate(() -> {
        String currentValue = redisTemplate.opsForValue().get(key);
        if (value.equals(currentValue)) {
            redisTemplate.expire(key, 30, TimeUnit.SECONDS);
        }
    }, 0, renewInterval, TimeUnit.SECONDS);
}
3.3 集群环境下的RedLock算法

在Redis集群环境下,为避免主从切换导致锁丢失,需采用RedLock算法:

实现要点:

  1. 同时向5个独立Redis实例请求锁
  2. 当获取超过半数的锁(≥3)且总耗时小于锁有效期时视为成功
  3. 锁的实际有效时间 = 初始有效时间 - 获取锁耗时

4 基于Lua的原子库存扣减

4.1 Lua脚本原子性原理

Redis执行Lua脚本具有原子性特性:

  • 脚本作为一个整体执行
  • 执行期间不会插入其他命令
  • 无需显式加锁即可实现事务
4.2 库存扣减Lua脚本
代码语言:javascript
代码运行次数:0
运行
复制
-- KEYS[1]: 商品库存key
-- ARGV[1]: 扣减数量
local key = KEYS[1]
local val = tonumber(ARGV[1])

-- 获取当前库存
local stock = tonumber(redis.call('get', key))

if stock <= 0 then
    return -1 -- 库存不足
end

if stock < val then
    return -2 -- 库存不足指定数量
end

-- 扣减库存
local newStock = redis.call('decrby', key, val)

if newStock >= 0 then
    return newStock -- 扣减成功
else
    -- 回滚操作
    redis.call('incrby', key, val)
    return -3 -- 扣减后库存为负,操作回滚
end

脚本关键点:

  1. 使用tonumber()转换字符串为数字
  2. 在扣减前进行库存充足性检查
  3. 扣减后出现负库存时自动回滚
4.3 Spring Boot集成Lua脚本
代码语言:javascript
代码运行次数:0
运行
复制
@Configuration
public class LuaScriptConfig {
    
    @Bean
    public DefaultRedisScript<Long> stockDeductScript() {
        DefaultRedisScript<Long> script = new DefaultRedisScript<>();
        script.setLocation(new ClassPathResource("lua/stock_deduct.lua"));
        script.setResultType(Long.class);
        return script;
    }
}

@Service
public class SecKillService {
    @Autowired
    private RedisTemplate<String, String> redisTemplate;
    @Autowired
    private DefaultRedisScript<Long> stockDeductScript;
    
    public String handleSecKill(String productId, int quantity) {
        List<String> keys = Collections.singletonList("stock:" + productId);
        Long result = redisTemplate.execute(
                stockDeductScript, 
                keys, 
                String.valueOf(quantity));
        
        if (result == -1 || result == -2) {
            return "库存不足";
        } else if (result == -3) {
            return "扣减失败,库存不足";
        }
        
        // 扣减成功,创建订单
        createOrder(productId, quantity);
        return "秒杀成功";
    }
}

5 库存扣减优化策略

5.1 缓存与数据库双写一致性

操作要点

  1. 先操作缓存再操作数据库
  2. 数据库操作异步化(通过消息队列)
  3. 设置库存操作流水表用于对账
5.2 库存分段策略

借鉴ConcurrentHashMap的分段锁思想,适用于超高并发场景:

代码语言:javascript
代码运行次数:0
运行
复制
// 初始化分段库存
public void initSegmentStock(String productId, int totalStock, int segment) {
    int base = totalStock / segment;
    for (int i = 0; i < segment; i++) {
        int segmentStock = (i == segment - 1) ? 
                base + totalStock % segment : base;
        redisTemplate.opsForValue().set(
                "stock:" + productId + ":" + i, 
                segmentStock);
    }
}

// 分段扣减
public boolean segmentDeduct(String productId, int quantity) {
    int segment = getSegmentCount(productId);
    for (int i = 0; i < segment; i++) {
        String key = "stock:" + productId + ":" + i;
        Long result = redisTemplate.execute(
                stockDeductScript, 
                Collections.singletonList(key), 
                String.valueOf(quantity));
        if (result != null && result >= 0) {
            return true;
        }
    }
    return false;
}

适用场景

  • 库存量较大(≥1000)
  • 允许少量库存碎片(最后一段可能有剩余库存)

6 限流与降级机制

6.1 多级限流策略

网关层限流:基于令牌桶算法控制全局流量

代码语言:javascript
代码运行次数:0
运行
复制
http {
    limit_req_zone $binary_remote_addr zone=secKill:10m rate=100r/s;
    
    server {
        location /seckill {
            limit_req zone=secKill burst=50;
            proxy_pass http://backend_server;
        }
    }
}

服务层限流:基于Redis实现分布式限流

代码语言:javascript
代码运行次数:0
运行
复制
public boolean tryAcquire(String key, int max, int timeout) {
    String luaScript = "local current = redis.call('incr', KEYS[1])\n" +
            "if current == 1 then\n" +
            "    redis.call('expire', KEYS[1], ARGV[1])\n" +
            "end\n" +
            "if current > tonumber(ARGV[2]) then\n" +
            "    return 0\n" +
            "else\n" +
            "    return 1\n" +
            "end";
    
    DefaultRedisScript<Long> script = new DefaultRedisScript<>(luaScript, Long.class);
    Long result = redisTemplate.execute(script, 
            Collections.singletonList(key), 
            String.valueOf(timeout), 
            String.valueOf(max));
    return result != null && result == 1;
}

商品维度限流:针对热点商品设置独立阈值

6.2 服务降级策略

根据系统负载动态调整服务能力:

降级措施

  1. 关闭商品详情页的推荐模块
  2. 简化购物车逻辑
  3. 关闭评论功能
  4. 仅保留核心交易链路

7 性能测试与优化效果

7.1 测试环境配置

组件

配置

应用服务器

4核8G × 3台(负载均衡)

Redis

6核16G 主从哨兵模式

数据库

MySQL 8.0 读写分离

压测工具

JMeter 1000并发线程

7.2 不同方案性能对比

方案

吞吐量(QPS)

平均响应时间(ms)

超卖率

数据库悲观锁

120

450

0%

应用层锁

980

105

单机0%

Redis+Lua原子操作

5,600

18

0%

库存分段+Redis Lua

8,200

12

0%

7.3 资源消耗对比
代码语言:javascript
代码运行次数:0
运行
复制
bar
    title 资源消耗对比
    x-axis 方案
    y-axis CPU利用率(%)
    series 数据库悲观锁: 85
    series 应用层锁: 65
    series Redis+Lua: 42
    series 库存分段: 38

测试结果表明:

  1. Redis+Lua方案相比传统方案吞吐量提升46倍
  2. 响应时间从450ms降至18ms,提升25倍
  3. CPU利用率降低50%以上

8 总结与最佳实践

经过实战验证的秒杀系统最佳实践:

  1. 分层防控
    • 前端:按钮置灰、验证码、请求间隔限制
    • 网关:请求过滤、全局限流
    • 服务:分布式锁、Lua原子操作
    • 数据层:缓存预热、异步写库
  2. 库存扣减黄金法则
  1. 容灾设计
    • Redis宕机时降级到数据库乐观锁
    • 设置库存操作开关
    • 实现自动对账机制
  2. 持续优化方向
    • 库存碎片回收(定期合并分段库存)
    • 基于机器学习的动态限流
    • 区域化库存分配

经验总结:在高并发秒杀系统中,原子性操作分层限流是两大核心支柱。Redis结合Lua脚本提供了高效的原子操作能力,而合理设计的分布式限流策略则是系统稳定的保障。实际生产中,没有银弹解决方案,需要根据业务特性和流量规模灵活组合多种技术手段。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2025-06-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1 秒杀场景
  • 2 超卖问题根源
    • 2.1 并发冲突的本质
    • 2.2 传统解决方案的局限
  • 3 Redis分布式锁深度优化
    • 3.1 基础分布式锁实现
    • 3.2 锁续命机制
    • 3.3 集群环境下的RedLock算法
  • 4 基于Lua的原子库存扣减
    • 4.1 Lua脚本原子性原理
    • 4.2 库存扣减Lua脚本
    • 4.3 Spring Boot集成Lua脚本
  • 5 库存扣减优化策略
    • 5.1 缓存与数据库双写一致性
    • 5.2 库存分段策略
  • 6 限流与降级机制
    • 6.1 多级限流策略
    • 6.2 服务降级策略
  • 7 性能测试与优化效果
    • 7.1 测试环境配置
    • 7.2 不同方案性能对比
    • 7.3 资源消耗对比
  • 8 总结与最佳实践
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档