高并发下的抢优惠券如何设计

高并发下的抢优惠券如何设计

整体架构流程图 📊

flowchart LR A[用户请求] --> B[前端限流/防重] B --> C[网关层限流/风控] C --> D[Redis库存预校验] D -->|库存不足| Z[返回抢券失败] D -->|库存充足| E[MQ异步削峰] E --> F[消费者Lua原子扣减] F -->|扣减失败| Z F -->|扣减成功| G[生成用户券记录] G --> H[异步同步数据库] H --> I[返回抢券成功] J[库存预热] --> D K[降级熔断] --> Z L[监控告警] --> K

核心模块拆解（技术关键点）

1. 前置：库存预热与隔离 ✅

• 预热时机 ：活动开始前 10-30 分钟，将优惠券总库存批量加载到独立 Redis 集群（与业务 Redis 隔离，避免雪崩）
• 存储结构 ：使用Hash结构 key=coupon:{activityId}, field={batchId}, value={stock}，支持多批次库存管理
• 过期策略 ：设置活动时长+1小时的过期时间，活动结束自动清理无效数据

2. 第一层：全链路流量削峰 🚀

层级	技术方案	核心作用
前端	按钮置灰 + 倒计时 + 图形验证码	挡住 90% 无效点击和机器刷量
网关	Sentinel 令牌桶限流（按 IP / 用户）	限制单用户 / IP 每秒请求≤5 次
服务	随机延迟 100-300ms	打散集中请求，削平峰值
消息队列	RocketMQ/Kafka 异步化	将同步请求转为异步，削峰填谷

3. 第二层：原子性库存扣减 ⚠️（最核心）

绝对禁止 使用Redis decr()单独扣减（会出现超卖且无法控制负数），必须使用Lua 脚本保证原子性：

-- 原子性库存扣减脚本
local key = KEYS[1]
local field = ARGV[1]
local num = tonumber(ARGV[2])

local stock = tonumber(redis.call('HGET', key, field))
if not stock or stock < num then
    return 0  -- 库存不足
end
redis.call('HINCRBY', key, field, -num)
return 1  -- 扣减成功

• 优势：一次网络往返完成 "查→判→扣" 三个操作，无并发间隙
• 注意：Lua 脚本长度控制在 1KB 以内，避免 Redis 阻塞

4. 第三层：防刷防重与风控 🛡️

• 防重领取 ：扣减前用Redis SETNX存储user:{userId}:coupon:{activityId}，过期时间 = 活动时长
• 恶意拦截：风控系统实时拦截高频 IP、黑名单用户、设备指纹异常请求
• 次数限制：Redis 记录单用户领取次数，超过上限直接拒绝

5. 第四层：兜底降级与数据一致性 🔒

• 熔断降级：Sentinel 监控 Redis 和 MQ 状态，异常时直接返回 "活动火爆，请稍后再试"
• 最终一致性：Redis 扣减成功后，异步通过 MQ 同步到 MySQL，定时任务校验 Redis 与数据库库存差异
• 紧急开关：配置中心动态调整限流阈值、活动上下线开关，出现问题秒级切流

常见坑与避坑指南 ❌

常见问题	根本原因	解决方案
超卖	库存扣减非原子性	强制使用 Lua 脚本，禁止分步骤操作
少卖	扣减成功但生成券失败	本地事务 + 消息重试，保证最终一致性
缓存击穿	热点 key 失效	热点 key 永不过期，后台定时更新
Redis 雪崩	单集群承载所有流量	活动 Redis 独立部署，主从 + 哨兵架构

进阶优化方向 💡

1. 分段库存：将总库存分成 10-20 段，每段单独扣减，大幅提升并发量
2. 本地缓存：网关层缓存 "库存为 0" 的活动，避免无效请求穿透到 Redis
3. 热点探测：实时监控 Redis 热点 key，自动迁移到专用节点
4. 预生成券码：活动前预生成所有券码，抢券时直接分配，减少生成耗时

举个例子 🎯

某电商平台，双11整点秒杀，10万张优惠券，瞬时流量可能是平常的100倍。

面试官想听的不是你背方案，而是你如何把大问题拆小，一层层解决。我们假定场景：

🧠 核心痛点拆解

整个抢券链路，有四个要害：

1. 超高并发：大量请求瞬间打到服务器。
2. 库存超卖：券只有10万张，绝不能多发。
3. 数据库击穿：直接读写MySQL必挂。
4. 公平性与体验：黄牛脚本、用户反复刷新。

我们用一张架构全景图来梳理：

flowchart LR A[用户点击抢券] --> B[前端防重 & 验证码] B --> C[API 网关<br/>限流/鉴权] C --> D[优惠券服务<br/>Redis 库存扣减] D --> E{扣减成功?} E -- 是 --> F[发送 MQ 消息] E -- 否 --> G[返回已抢光/失败] F --> H[消费者写库<br/>生成用户券] H --> I[(MySQL 持久化)]

🔧 逐层落地实现

1️⃣ 前端：第一时间拦住无效请求

• 按钮置灰 & 防重：点击后立刻变灰，避免用户狂点，减少80%的无效流量。
• 验证码/滑块 ：在真正高并发场景下，弹出简单滑块，拉长用户请求时间，削峰填谷，还能防机器脚本。

👉 "同学你记着，能用前端拦住的流量，千万别让它进后端，这是最经济的削峰。"

2️⃣ 网关层：令牌桶限流，保护系统

使用 Nginx + Lua 或 Spring Cloud Gateway + Redis 实现令牌桶算法：

• 对整个抢券接口设置 QPS 上限，比如 50000 QPS。
• 超过的请求直接返回"活动太火爆，请稍后再试"，不进入业务层。

令牌桶像一个水库，每秒放入固定令牌，请求取不到令牌就直接拒绝，
保证下游压力恒定。

3️⃣ 核心：Redis 原子扣减库存，防超卖

这是整个方案的灵魂。

预热库存到 Redis ：活动开始前，把10万张券的数量 SET 进 Redis：

SET coupon:stock:12345 100000

扣减逻辑必须用 Lua 脚本，保证"判断+扣减"是原子操作，一次网络往返完成。

-- 原子扣减库存的 Lua 脚本
local key = KEYS[1]
local stock = tonumber(redis.call('get', key))
if stock and stock > 0 then
    redis.call('decr', key)
    return 1  -- 抢券成功
else
    return 0  -- 库存不足
end

Java 侧调用：

Long result = redisTemplate.execute(
    luaScript, 
    Collections.singletonList("coupon:stock:12345"));
if (result == 1) {
    // 扣减成功，发消息异步发券
}

✨ 亮点：单机 Redis 可轻松抗住 10w+ QPS 的扣减操作，完全无锁，无超卖。

4️⃣ 异步发券 & 削峰填谷

Redis 扣减成功后，不直接操作数据库 ，而是发送一条消息到 RocketMQ / Kafka：

sequenceDiagram participant U as 用户 participant S as 抢券服务 participant R as Redis participant MQ as 消息队列 participant C as 消费者 participant DB as MySQL U->>S: 发起抢券请求 S->>R: 执行 Lua 脚本扣减库存 R-->>S: 返回成功 S->>MQ: 发送"发券"消息（userId + couponId） S-->>U: 返回"抢券成功，稍后到账" MQ->>C: 消费消息 C->>DB: 写入用户优惠券记录

• 削峰：MQ 积压几千条消息毫无压力，消费者匀速写入数据库。
• 用户体验：用户立即得到反馈（"抢到啦！🔥"），真正的券几秒内到账，体验丝滑。

5️⃣ 数据库层防丢失 & 最终一致性

• 消费端做好幂等 ：根据 userId + couponId + 活动ID 建唯一索引，即使消息重复消费也不会多发。
• 如果写库失败，进行重试或记录异常日志，人工兜底，保证最终一致。

📊 额外加分项：热 Key 问题怎么破？

如果一张券的 Redis key 成为热点，打到了一台 Redis 分片上，可以用以下手段：

• 库存分片 ：把 coupon:stock:12345 拆成 10 个 key：coupon:stock:12345:0 ~ 9，每个存 1/10 的库存。请求随机取一个 key 扣减，压力散开。
• 本地缓存预减：JVM 内用 AtomicLong 先预减一部分库存，减完再从 Redis 拉取新额度。（需注意一致性，稍复杂）

👔 面试官总结

"同学你看，整个设计从 前端→网关→Redis原子扣减→MQ异步写库 ，每一层都在干自己最擅长的事，没有单点瓶颈，也不会超卖。你能把这套逻辑流利讲出来，并且提到 Lua 原子性、最终一致性、热 Key 方案，在大多数大厂面试里就已经是 Strong Yes 了 🎉。"

核心代码和技术难点

面试官您好，我再补充一下核心可运行代码 和本场景专属技术难点及解决方案，这两部分是实际落地和面试考察的重中之重。

核心代码实现（带技术亮点）

1. 原子性库存扣减 Lua 脚本（最核心亮点 ✨）

技术亮点：一次网络往返完成 "校验→扣减" 全流程，无任何并发间隙；支持多批次库存；自带参数校验，防止非法请求。

-- 文件名：coupon_stock_deduct.lua
-- KEYS[1]: 优惠券库存HashKey coupon:{activityId}
-- ARGV[1]: 批次ID batchId
-- ARGV[2]: 扣减数量（通常为1）
-- ARGV[3]: 用户ID（用于日志追踪）
-- 返回值：1=扣减成功 0=库存不足 -1=参数错误

-- 1. 参数校验
if #KEYS ~= 1 or #ARGV ~= 3 then
    return -1
end

local key = KEYS[1]
local batchId = ARGV[1]
local deductNum = tonumber(ARGV[2])
local userId = ARGV[3]

if deductNum <= 0 then
    return -1
end

-- 2. 原子性库存校验与扣减
local currentStock = tonumber(redis.call('HGET', key, batchId))
if not currentStock or currentStock < deductNum then
    return 0
end

redis.call('HINCRBY', key, batchId, -deductNum)
-- 可选：记录扣减日志，用于事后对账
redis.call('LPUSH', 'coupon:deduct:log:'..key, userId..':'..batchId..':'..deductNum..':'..redis.call('TIME')[1])
return 1

2. Spring Boot 抢券核心接口

技术亮点：分层限流 + 防重 + 异步化；使用 RedisTemplate 执行 Lua 脚本；统一异常处理；快速失败机制。

@RestController
@RequestMapping("/coupon")
public class CouponController {

    @Autowired
    private StringRedisTemplate redisTemplate;
    @Autowired
    private RocketMQTemplate rocketMQTemplate;
    // 预加载Lua脚本，避免每次编译
    private final DefaultRedisScript<Long> deductScript;

    // 构造器初始化Lua脚本（启动时只编译一次）
    public CouponController() {
        deductScript = new DefaultRedisScript<>();
        deductScript.setScriptSource(new ResourceScriptSource(new ClassPathResource("lua/coupon_stock_deduct.lua")));
        deductScript.setResultType(Long.class);
    }

    @SentinelResource(value = "grabCoupon", blockHandler = "grabCouponBlockHandler")
    @PostMapping("/grab/{activityId}")
    public ResponseEntity<String> grabCoupon(@PathVariable Long activityId, @RequestParam Long userId) {
        // 1. 快速失败：活动状态校验（本地缓存，避免查DB）
        if (!ActivityCache.isActivityActive(activityId)) {
            return ResponseEntity.ok("活动已结束");
        }

        // 2. 防重领取：SETNX原子锁，过期时间=活动时长
        String userLockKey = "user:" + userId + ":coupon:" + activityId;
        Boolean isFirstGrab = redisTemplate.opsForValue().setIfAbsent(userLockKey, "1", Duration.ofHours(2));
        if (Boolean.FALSE.equals(isFirstGrab)) {
            return ResponseEntity.ok("您已参与过本次活动");
        }

        try {
            // 3. 执行Lua脚本原子扣减库存
            String stockKey = "coupon:" + activityId;
            Long result = redisTemplate.execute(
                deductScript,
                Collections.singletonList(stockKey),
                "batch_001", // 这里简化为单批次，实际可做负载均衡选择批次
                "1",
                userId.toString()
            );

            if (result == null || result == 0) {
                // 库存不足，删除防重锁，允许用户重试
                redisTemplate.delete(userLockKey);
                return ResponseEntity.ok("优惠券已抢完");
            } else if (result == -1) {
                return ResponseEntity.badRequest().body("参数错误");
            }

            // 4. 扣减成功，发送MQ异步生成用户券
            CouponMessage message = new CouponMessage(activityId, userId, "batch_001");
            rocketMQTemplate.convertAndSend("coupon-create-topic", message);

            return ResponseEntity.ok("抢券成功，优惠券将在1-2分钟内到账");
        } catch (Exception e) {
            // 异常回滚：删除防重锁，允许用户重试
            redisTemplate.delete(userLockKey);
            log.error("抢券异常，userId:{}, activityId:{}", userId, activityId, e);
            return ResponseEntity.ok("系统繁忙，请稍后再试");
        }
    }

    // Sentinel限流降级方法
    public ResponseEntity<String> grabCouponBlockHandler(Long activityId, Long userId, BlockException ex) {
        return ResponseEntity.ok("活动太火爆了，请稍后再试");
    }
}

3. MQ 消费者幂等处理（关键兜底 🔒）

技术亮点：数据库唯一索引 + Redis 幂等记录双重保证；死信队列处理失败消息；定时任务对账。

@Component
@RocketMQMessageListener(topic = "coupon-create-topic", consumerGroup = "coupon-create-consumer-group")
public class CouponCreateConsumer implements RocketMQListener<CouponMessage> {

    @Autowired
    private UserCouponService userCouponService;
    @Autowired
    private StringRedisTemplate redisTemplate;

    @Override
    public void onMessage(CouponMessage message) {
        String idempotentKey = "coupon:idempotent:" + message.getUserId() + ":" + message.getActivityId();
        
        // 1. Redis幂等校验
        if (Boolean.TRUE.equals(redisTemplate.hasKey(idempotentKey))) {
            log.info("重复消息，已处理：{}", message);
            return;
        }

        try {
            // 2. 数据库唯一索引兜底（防止Redis失效）
            userCouponService.createUserCoupon(message);
            
            // 3. 记录幂等标记，过期时间7天
            redisTemplate.opsForValue().set(idempotentKey, "1", Duration.ofDays(7));
        } catch (DuplicateKeyException e) {
            // 唯一索引冲突，说明已处理过
            log.info("重复创建用户券，已跳过：{}", message);
            redisTemplate.opsForValue().set(idempotentKey, "1", Duration.ofDays(7));
        } catch (Exception e) {
            // 其他异常，抛出让MQ重试，超过重试次数进入死信队列
            log.error("创建用户券失败：{}", message, e);
            throw new RuntimeException("创建用户券失败", e);
        }
    }
}

4. Sentinel 热点参数限流配置

技术亮点：针对活动 ID 进行热点限流，保护热点活动不拖垮整个系统；支持动态调整阈值。

@Configuration
public class SentinelConfig {

    @PostConstruct
    public void initHotParamRules() {
        List<ParamFlowRule> rules = new ArrayList<>();
        ParamFlowRule rule = new ParamFlowRule("grabCoupon")
            .setGrade(RuleConstant.FLOW_GRADE_QPS)
            .setCount(1000) // 全局QPS阈值
            .setParamIdx(0) // 限流第一个参数（activityId）
            .setDurationInSec(1); // 统计窗口1秒

        // 针对超级热点活动单独设置更高阈值
        ParamFlowItem item = new ParamFlowItem()
            .setObject(String.valueOf(10001)) // 活动ID
            .setClassType(String.class.getName())
            .setCount(5000);
        rule.setParamFlowItemList(Collections.singletonList(item));

        rules.add(rule);
        ParamFlowRuleManager.loadRules(rules);
    }
}

5. 热点库存分片------对抗热 Key

// 初始化：把总库存均分到 10 个分片
int totalStock = 100000;
int shardCount = 10;
for (int i = 0; i < shardCount; i++) {
    redisTemplate.opsForValue().set("coupon:stock:12345:" + i, totalStock / shardCount);
}

// 抢券时随机选片扣减
public Long deductWithShard(String couponId, Long userId) {
    int shard = ThreadLocalRandom.current().nextInt(10);
    String key = "coupon:stock:" + couponId + ":" + shard;
    return redisTemplate.execute(luaScript, Collections.singletonList(key), 1, userId.toString());
}

✨ 亮点：随机分片让 Redis 集群压力均匀分散，避免单 key 热点打爆单分片，且 Lua 原子性依然生效。

本场景专属技术难点与解决方案

技术难点	问题本质	影响	最优解决方案	技术亮点
绝对防止超卖	库存 "查 - 判 - 扣" 三个操作非原子性，存在并发间隙	优惠券多发，造成资损	强制使用 Lua 脚本原子执行；禁止任何分步骤操作；数据库最终校验兜底	Lua 脚本原子性；无锁设计，性能极高
避免少卖与数据不一致	Redis 扣减成功但生成券失败；MQ 消息丢失 / 重复	用户抢到券但未到账，体验差；库存浪费	本地事务 + MQ 事务消息；幂等表 + 数据库唯一索引；定时任务每日对账	最终一致性保证；失败自动重试；人工兜底
热点 Key 导致 Redis 集群雪崩	单个活动 Key 流量集中，打垮 Redis 单节点	整个抢券系统瘫痪	1. 分段库存：将总库存分成 N 段，每段独立扣减2. 本地缓存：网关层缓存 "库存为 0" 状态3. 热点探测：自动迁移热点 Key 到专用节点	分段库存可将并发量提升 10-20 倍；无侵入式热点治理
大流量下的系统稳定性	瞬时流量超过系统承载能力，导致服务雪崩	所有请求超时，系统不可用	全链路限流（前端→网关→服务→Redis）；熔断降级；随机延迟打散请求；队列削峰	分层防护；快速失败；保护核心系统
恶意刷量与羊毛党攻击	机器批量刷券，真实用户抢不到	活动效果差；品牌受损	1. 图形验证码 / 滑块验证2. IP / 设备 / 用户多维度限流3. 风控系统实时拦截异常行为4. 实名制限制	多层风控；动态调整策略；黑白名单机制
缓存击穿与穿透	活动开始瞬间缓存未预热；无效活动 ID 大量请求	数据库压力骤增	1. 活动前 10-30 分钟预热库存2. 布隆过滤器过滤无效活动 ID3. 热点 Key 永不过期	预热机制；布隆过滤器零成本过滤无效请求
活动结束后数据清理	大量过期数据占用 Redis 内存	Redis 性能下降	1. 设置合理的过期时间2. 活动结束后异步批量清理3. 冷数据归档到数据库	自动过期；批量清理；内存优化

额外加分项（面试拔高）

1. 分段库存进阶：支持动态调整各段库存，避免某段先卖完导致总库存剩余
2. 预生成券码：活动前预生成所有券码并存储在 Redis，抢券时直接分配，减少数据库压力
3. 灰度发布：活动分批次放量，逐步验证系统稳定性
4. 全链路压测：活动前进行压测，提前发现系统瓶颈
5. 实时监控：监控库存消耗速度、QPS、成功率、异常率等指标，及时告警

Java 架构师，专注后端技术进阶与生产实战分享。 公众号：Rain的Java大神之路 | 回复「资料」领 Java 架构大礼包