1 秒杀场景
电商秒杀场景具有瞬时高并发、资源竞争激烈和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：
- 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
- 数据库压力：传统数据库难以承受瞬时高并发读写
- 用户体验：响应延迟或服务崩溃导致用户请求失败
// 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 超卖问题根源分析
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：
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
- 数据库悲观锁：
SELECT FOR UPDATE导致性能瓶颈 - 应用层锁：仅限单机有效，无法解决分布式问题
- 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：
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：
具体实现：
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：
- 同时向5个独立Redis实例请求锁
- 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
- 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
-- 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：
- 使用
tonumber()转换字符串为数字 - 在扣减前进行库存充足性检查
- 扣减后出现负库存时自动回滚
4.3 Spring Boot集成Lua脚本
@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：
- 先操作缓存再操作数据库
- 数据库操作异步化（通过消息队列）
- 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：
// 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
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
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：
- 关闭商品详情页的推荐模块
- 简化购物车逻辑
- 关闭评论功能
- 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
测试结果表明：
- Redis+Lua方案相比传统方案吞吐量提升46倍
- 响应时间从450ms降至18ms，提升25倍
- 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：
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
库存扣减黄金法则
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
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
总结：在高并发秒杀系统中，原子性操作和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。
