interview/questions/07-系统设计/秒杀系统设计.md

秒杀系统设计

需求分析和数据量评估

需求分析

• 核心功能：商品秒杀、库存管理、下单支付、用户限流
• 业务场景：双十一、618等大促活动，商品短时间内高并发抢购
• QPS评估：假设10万用户同时抢购，QPS可达10万+
• 峰值预期：高峰期QPS可达50万+
• 数据规模：商品10万+，用户1000万+，订单日峰值1亿+

数据量评估

• 商品表：10万条，日均查询100万次
• 库存表：10万条，秒杀期间读写10万+/秒
• 订单表：日峰值1亿条，历史数据10亿+
• 用户表：1000万条，日均查询500万次
• Redis缓存：商品信息100万条，库存信息10万条

核心技术难点

1. 高并发库存管理

• 传统数据库锁无法支撑高并发
• 需要分布式锁配合缓存实现
• 库存扣减的原子性问题

2. 超卖问题

• 库存与订单不一致
• 需要最终一致性保证
• 重复下单处理

3. 限流策略

• 全局限流、用户限流、商品限流
• 限流算法选择（令牌桶、漏桶）
• 限流后的用户体验

4. 数据一致性

• 缓存与数据库的一致性
• 分布式事务处理
• 幂等性保证

系统架构设计

总体架构

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   CDN/Static    │    │   Load Balance   │    │   API Gateway    │
│      Cache      │◄──►│      (Nginx)     │◄──►│      (Gateway)   │
└─────────────────┘    └─────────────────┘    └─────────────────┘
                                                        │
                   ┌───────────────────────────────────┼───────────────────────────────────┐
                   │                                   │                                   │
        ┌─────────────────┐                   ┌─────────────────┐                   ┌─────────────────┐
        │   业务服务      │                   │   业务服务      │                   │   业务服务      │
        │   (微服务)      │                   │   (微服务)      │                   │   (微服务)      │
        └─────────────────┘                   └─────────────────┘                   └─────────────────┘
                   │                                   │                                   │
                   └───────────────────────────────────┼───────────────────────────────────┘
                                                        │
                   ┌───────────────────────────────────┼───────────────────────────────────┐
                   │                                   │                                   │
        ┌─────────────────┐                   ┌─────────────────┐                   ┌─────────────────┐
        │   Redis集群     │                   │   消息队列      │                   │   数据库集群     │
        │   (缓存+分布式锁)│                   │   (Kafka/RocketMQ)│                   │   (MySQL分库分表)│
        └─────────────────┘                   └─────────────────┘                   └─────────────────┘

关键组件

1. 流量层

• CDN：静态资源加速
• Web服务器：Nginx负载均衡
• API网关：限流、路由、认证

2. 服务层

• 秒杀服务：核心业务逻辑
• 订单服务：订单处理
• 库存服务：库存管理
• 支付服务：支付处理

3. 存储层

• Redis集群：缓存和分布式锁
• 数据库集群：MySQL分库分表
• 消息队列：异步处理

4. 监控层

• 监控系统：实时监控
• 告警系统：异常告警
• 日志系统：业务日志

数据库设计

商品表

CREATE TABLE `seckill_product` (
  `id` bigint NOT NULL AUTO_INCREMENT,
  `product_id` bigint NOT NULL COMMENT '商品ID',
  `product_name` varchar(255) NOT NULL COMMENT '商品名称',
  `product_desc` text COMMENT '商品描述',
  `original_price` decimal(10,2) NOT NULL COMMENT '原价',
  `seckill_price` decimal(10,2) NOT NULL COMMENT '秒杀价',
  `stock_count` int NOT NULL COMMENT '库存数量',
  `seckill_count` int NOT NULL DEFAULT 0 COMMENT '已秒杀数量',
  `start_time` datetime NOT NULL COMMENT '开始时间',
  `end_time` datetime NOT NULL COMMENT '结束时间',
  `status` tinyint NOT NULL DEFAULT 1 COMMENT '状态',
  `created_at` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `updated_at` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`),
  UNIQUE KEY `uk_product_id` (`product_id`),
  KEY `idx_start_time` (`start_time`),
  KEY `idx_end_time` (`end_time`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

订单表

CREATE TABLE `seckill_order` (
  `id` bigint NOT NULL AUTO_INCREMENT,
  `order_no` varchar(64) NOT NULL COMMENT '订单号',
  `user_id` bigint NOT NULL COMMENT '用户ID',
  `product_id` bigint NOT NULL COMMENT '商品ID',
  `product_name` varchar(255) NOT NULL COMMENT '商品名称',
  `seckill_price` decimal(10,2) NOT NULL COMMENT '秒杀价',
  `status` tinyint NOT NULL DEFAULT 0 COMMENT '状态',
  `created_at` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `updated_at` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`),
  UNIQUE KEY `uk_order_no` (`order_no`),
  KEY `idx_user_id` (`user_id`),
  KEY `idx_product_id` (`product_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

用户表

CREATE TABLE `seckill_user` (
  `id` bigint NOT NULL AUTO_INCREMENT,
  `user_id` bigint NOT NULL COMMENT '用户ID',
  `username` varchar(50) NOT NULL COMMENT '用户名',
  `email` varchar(100) NOT NULL COMMENT '邮箱',
  `phone` varchar(20) NOT NULL COMMENT '手机号',
  `status` tinyint NOT NULL DEFAULT 1 COMMENT '状态',
  `created_at` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `updated_at` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`),
  UNIQUE KEY `uk_user_id` (`user_id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

缓存策略

Redis缓存设计

// 商品信息缓存
const PRODUCT_CACHE_PREFIX = 'product:';
const PRODUCT_CACHE_TTL = 3600; // 1小时

// 库存缓存
const STOCK_CACHE_PREFIX = 'stock:';
const STOCK_CACHE_TTL = 300; // 5分钟

// 分布式锁
const LOCK_PREFIX = 'lock:';
const LOCK_TTL = 10; // 10秒

// 用户限流
const RATE_LIMIT_PREFIX = 'rate_limit:';
const RATE_LIMIT_TTL = 1; // 1秒

缓存策略

1. 多级缓存：

   • CDN缓存静态资源
   • Redis缓存热点数据
   • 本地缓存减少网络IO

2. 缓存更新策略：

   • 主动更新：秒杀开始前预加载
   • 异步更新：异步刷新数据库
   • 失效策略：设置合理的TTL

3. 缓存预热：

   • 秒杀开始前加载商品信息
   • 预热库存信息到Redis
   • 预加载热门商品

分布式锁实现

public boolean acquireDistributedLock(String lockKey, String requestId, long expireTime) {
    String result = redisTemplate.opsForValue().set(
        lockKey,
        requestId,
        expireTime,
        TimeUnit.MILLISECONDS
    );
    return "OK".equals(result);
}

public boolean releaseDistributedLock(String lockKey, String requestId) {
    String script = "if redis.call('get', KEYS[1]) == ARGV[1] then " +
                   "return redis.call('del', KEYS[1]) " +
                   "else " +
                   "return 0 " +
                   "end";
    Long result = redisTemplate.execute(new DefaultRedisScript<>(script, Long.class),
                                     Collections.singletonList(lockKey),
                                     requestId);
    return result != null && result > 0;
}

扩展性考虑

1. 水平扩展

• 无状态服务：服务实例可以水平扩展
• 数据分片：按商品ID分片
• 读写分离：主库写入，从库读取

2. 垂直扩展

• 服务拆分：按业务域拆分微服务
• 数据分层：热数据、温数据、冷数据分离
• 缓存层扩展：Redis集群扩容

3. 异步处理

• 消息队列：订单处理异步化
• 事件驱动：使用事件总线
• 最终一致性：保证数据最终一致

4. 容灾备份

• 多活架构：多机房部署
• 故障转移：自动故障检测和转移
• 数据备份：定时备份和实时同步

实际项目经验

1. 技术栈选择

• 前端：Vue.js + React
• 后端：Spring Boot + Node.js
• 数据库：MySQL + Redis
• 缓存：Redis Cluster
• 消息队列：Kafka
• 监控：Prometheus + Grafana

2. 性能优化

• JVM调优：调整堆大小和GC策略
• MySQL优化：索引优化、慢SQL优化
• Redis优化：集群扩容、内存优化
• 网络优化：连接池配置、超时设置

3. 运维部署

• 容器化：Docker + Kubernetes
• CI/CD：Jenkins + GitLab
• 监控告警：ELK Stack + AlertManager
• 压测工具：JMeter + Locust

4. 灰度发布

• 蓝绿部署：无缝切换
• 金丝雀发布：逐步放量
• 流量控制：按比例分配流量

阿里P7加分项

1. 架构设计能力

• 高可用架构：设计99.99%可用性的系统
• 高性能架构：支持百万级QPS
• 高扩展架构：支持弹性扩缩容

2. 技术深度

• 分布式事务：Seata、TCC、Saga
• 分布式缓存：Redis集群、一致性哈希
• 分布式锁：Redis、Zookeeper、Etcd

3. 业务理解

• 电商业务：理解秒杀业务场景
• 用户行为：分析用户抢购习惯
• 风控系统：防刷、防作弊机制

4. 团队管理

• 技术团队：带领10人+技术团队
• 项目管控：管理千万级用户项目
• 技术方案评审：评审核心技术方案

5. 前沿技术

• Serverless：秒杀函数化
• 云原生：K8s微服务架构
• AI应用：智能推荐、风控

面试常见问题

1. 秒杀系统如何防止超卖？

• 使用Redis预减库存
• 分布式锁控制并发
• 数据库唯一约束
• 消息队列异步处理

2. 如何实现限流策略？

• 令牌桶算法
• 漏桶算法
• Redis计数器
• Nginx限流模块

3. 分布式锁的实现方式？

• Redis RedLock
• Zookeeper
• Etcd
• 数据库悲观锁

4. 如何保证数据一致性？

• 最终一致性
• 消息队列补偿
• 定时任务对账
• 幂等性设计

5. 秒杀系统的瓶颈在哪里？

• 库存查询
• 下单逻辑
• 支付处理
• 库存同步