当前位置：首页 > article >正文

面试基础---如何设计一个高并发的抢购系统（电商）

article 2025/2/22 0:08:26

如何设计一个高并发的抢购系统？

在大型电商平台，抢购系统面临极端的并发挑战，例如“双十一”“秒杀”等场景。为了应对百万级 QPS，我们需要一个 高可用、高并发、低延迟、强一致性 的架构。以下是 实际项目经验，深入拆解设计方案。

1. 业务分析

🔹 场景描述

短时间内大量用户请求，流量峰值可达百万 QPS
库存有限，如 5000 件商品，需确保不超卖
避免数据库崩溃，减少高并发写入

🔹 主要挑战

✅ 如何应对高并发？ 防止流量直接冲击数据库
✅ 如何保证库存一致性？ 避免超卖和库存异常
✅ 如何提升查询效率？ 提高秒杀成功率
✅ 如何削峰填谷？ 平滑流量，保护核心系统

2. 架构设计

[用户] -> [CDN] -> [Nginx 网关] -> [限流 & 降级] -> [缓存层（Redis）] -> [消息队列（MQ）] -> [数据库]

组件	作用
CDN + Nginx 负载均衡	缓存静态资源，减少请求压力
限流层	限制单个用户请求，防止恶意刷单
Redis 预加载库存	99% 读请求在 Redis 层完成
RabbitMQ / Kafka	削峰填谷，异步订单处理
MySQL 分库分表	避免单表超大，影响性能

3. 技术方案

🔹 1. 限流：防止瞬时流量击穿

Nginx 限流（基于 IP/用户）
Redis 滑动窗口限流
Java Guava RateLimiter（令牌桶算法）

Redis 限流 Lua 脚本

local key = "seckill_limit:" .. KEYS[1]
local limit = tonumber(ARGV[1])
local current = tonumber(redis.call("get", key) or "0")

if current + 1 > limit then
    return 0  -- 限流
else
    redis.call("incr", key)
    redis.call("expire", key, 1)
    return 1  -- 通过
end

🔹 2. 预减库存（缓存抗压）

思路：库存放入 Redis，抢购前先减 Redis，减少数据库查询压力。

Redis 预加载库存

SET seckill_stock_1001 5000

Redis 预减库存

Long stock = redisTemplate.decrement("seckill_stock_1001");
if (stock < 0) {
    redisTemplate.increment("seckill_stock_1001");  // 回滚
    return "库存不足";
}

库存回滚（订单超时未支付）

订单 10 分钟未支付，恢复库存
RabbitMQ 死信队列触发库存回滚

🔹 3. 防止超卖（双层校验）

Redis 预减库存
MySQL 行锁最终确认

UPDATE product_stock SET stock = stock - 1 WHERE product_id = 1001 AND stock > 0;

使用 CAS 保证原子性

boolean success = redisTemplate.execute(new DefaultRedisScript<>(luaScript, Boolean.class),
    Collections.singletonList("seckill_stock_1001"), "1");
if (!success) {
    return "抢购失败";
}

🔹 4. 消息队列（异步削峰）

防止订单系统被高并发击穿
RabbitMQ / Kafka 进行削峰，异步写订单

消息生产者

rabbitTemplate.convertAndSend("seckillQueue", new OrderMessage(userId, productId));

消息消费者

@RabbitListener(queues = "seckillQueue")
public void handleSeckillOrder(OrderMessage message) {
    productStockService.reduceStock(message.getProductId());
    orderService.createOrder(message.getUserId(), message.getProductId());
}

🔹 5. 分库分表（数据库优化）

方案	优化效果
按时间分库	`order_202401`，`order_202402`
按用户 ID 分表	`ShardingSphere` 分片
索引优化	`product_id + order_time`

CREATE TABLE seckill_order (
    id BIGINT PRIMARY KEY,
    user_id BIGINT,
    product_id BIGINT,
    order_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    INDEX idx_product_time (product_id, order_time)
);

4. 实战案例

📌 项目背景

某电商平台 秒杀 iPhone 15，5000 件库存，峰值 QPS 100w+，最终订单无超卖。

📌 方案落地

Redis 预热库存：95% 请求在缓存层完成。
限流策略：滑动窗口 + 令牌桶防止刷单。
消息队列削峰：订单落库提升 5 倍吞吐量。
最终一致性：RabbitMQ + 事务确保库存和订单一致。

📌 结果

✅ 系统无宕机，QPS 达 100w+
✅ 库存精准控制，无超卖
✅ 订单延迟 <50ms，用户体验良好

5. 进一步优化

优化点	方案
防止缓存穿透	布隆过滤器
降低 MySQL 压力	Binlog + ES 查询
订单支付超时处理	RabbitMQ 死信队列
系统高可用	Redis 哨兵 + MySQL 主从