秒杀库存扣减可以用redis原子自增么

答案是：可以，但仅靠简单的 INCR/DECR 指令是不够的，必须配合逻辑判断或 Lua 脚本，并解决"数据库一致性"问题。

使用 Redis 处理库存扣减是高并发场景（如秒杀）中最通用的方案。以下是详细的分析、实现方式以及必须注意的坑。

一、为什么可以用 Redis？

Redis 的 INCR（自增）、DECR（自减）、INCRBY 等操作是**原子性（Atomic）**的。

这意味着在同一时刻，无论有多少个并发请求，Redis 都会一个个排队执行，不会出现"读取到库存是1，两个线程同时减1，结果还是0"这种竞态条件（Race Condition）。

二、实现方案

方案 1：直接使用 DECR（最简单，但有小缺陷）

通常库存是减少，所以用 DECR（或者 INCRBY key -1）。

逻辑：

初始化库存：SET stock:1001 10
请求进来执行：DECR stock:1001
判断返回值：
- 如果返回值 ≥\ge≥ 0：扣减成功，允许下单。
- 如果返回值 < 0：库存不足，扣减失败。

缺陷：

如果库存是 0，瞬间涌入 1000 个请求，库存会变成 -1000。虽然业务逻辑上你可以判断返回值 < 0 就拒绝，但 Redis 里的数据很难看，且如果后续有"回滚库存"的操作，逻辑会变得复杂（比如你是要加回 1 变成 -999 还是怎样？）。

方案 2：使用 Lua 脚本（推荐方案）

为了避免库存变成负数，并保证"读取库存"和"扣减库存"这两个动作的原子性，推荐使用 Lua 脚本。

Lua 脚本逻辑：

lua 复制代码

-- keys[1] 是商品库存 key
local key = KEYS[1]
-- 获取当前库存
local stock = tonumber(redis.call('get', key))

-- 判断库存是否充足
if (stock and stock > 0) then
    -- 扣减库存
    redis.call('decr', key)
    return 1 -- 成功
else
    return 0 -- 失败
end

优势：

原子性： Redis 执行 Lua 脚本时是原子的，中间不会插入其他命令。
数据干净： 库存减到 0 后就不会再减了，不会出现负数。

三、必须解决的核心问题

仅在 Redis 里扣减库存是不够的，你还必须考虑整个交易流程的闭环：

1. 数据库与 Redis 的一致性（最重要）

Redis 只是抗并发的"挡箭牌"，最终数据必须落到 MySQL/Oracle 等数据库中。

问题： Redis 扣减成功了，但后续代码写数据库（创建订单）失败了，或者服务崩了，怎么办？
解决方案：
- 同步写入（简单场景）： Redis 扣减成功 -> 开启数据库事务 -> 写入订单 -> 扣减数据库库存 -> 提交事务。如果数据库操作失败，需要Catch异常并回滚 Redis 库存 （INCR 回去）。
- 异步写入（高并发场景）： Redis 扣减成功 -> 发送消息到 MQ（RabbitMQ/Kafka/RocketMQ） -> 消费者慢慢消费消息并写入数据库。这能最大程度抗压，但逻辑最复杂（需要处理消息丢失、重复消费等问题）。

2. 库存回滚（超时/取消）

用户抢到了库存（Redis 减了），但是：

用户一直不付款（超时）。
用户主动取消订单。
支付失败。

解决方案：

必须有一个机制监听这些事件（如订单超时延迟队列），一旦发生，必须调用 Redis 的 INCR 把库存加回去，否则会导致"少卖"。

3. 缓存预热

秒杀开始前，必须先把数据库里的库存数量同步加载到 Redis 中（预热）。如果 Redis 里没有 key，直接 DECR 会报错或变成 -1。

4. Redis 宕机风险

如果 Redis 挂了，整个秒杀功能就不可用了，且 Redis 里的库存数据可能丢失（取决于持久化策略 AOF/RDB）。
解决方案： 使用 Redis Sentinel 或 Cluster 高可用架构；在代码层面做降级处理（比如 Redis 挂了直接查数据库，但要做好数据库限流）。

四、总结建议

可以直接用 INCR/DECR 操作吗？

可以，但建议用 Lua 脚本 代替简单的指令。

完整的架构建议：

预热： 活动开始前将库存写入 Redis。
扣减： 请求到达 -> 运行 Redis Lua 脚本扣减库存。
- 失败 -> 返回"已售罄"。
- 成功 -> 进入下一步。
下单：
- 方案 A（强一致）： 写入数据库订单，如果失败则回滚 Redis。
- 方案 B（高性能）： 发送 MQ 消息，异步创建订单。
回滚： 监听未支付订单，超时后触发 Redis INCR 回补库存。

这种方案能抗住上万甚至十万级的 QPS，是业界标准的抗超卖方案。