秒杀业务

在电商领域，助力存在着典型的高并秒杀业务场景，那何谓秒杀场景呢。发秒简单的杀系来说就是一件商品的购买人数远远大于这件商品的库存，而且这件商品在很短的完篇时间内就会被抢购一空。比如每年的彻底618、双11大促，助力小米新品促销等业务场景，高并就是发秒典型的秒杀业务场景。

秒杀业务最大的杀系特点就是瞬时并发流量高，在电商系统中，完篇库存数量往往会远远小于并发流量，彻底比如：天猫的助力秒杀活动，可能库存只有几百、高并几千件，发秒而瞬间涌入的抢购并发流量可能会达到几十到几百万。

所以，我们可以将秒杀系统的业务特点总结如下。

图片

（1）限时、限量、免费源码下载限价

在规定的时间内进行；秒杀活动中商品的数量有限；商品的价格会远远低于原来的价格，也就是说，在秒杀活动中，商品会以远远低于原来的价格出售。

例如，秒杀活动的时间仅限于某天上午10点到10点半，商品数量只有10万件，售完为止，而且商品的价格非常低，例如：1元购等业务场景。

限时、限量和限价可以单独存在，也可以组合存在。

（2）活动预热

需要提前配置活动；活动还未开始时，用户可以查看活动的相关信息；秒杀活动开始前，对活动进行大力宣传。

（3）持续时间短

购买的人数数量庞大；商品会迅速售完。

在系统流量呈现上，就会出现一个突刺现象，此时的并发访问量是非常高的，亿华云大部分秒杀场景下，商品会在极短的时间内售完。

秒杀三阶段

通常，从秒杀开始到结束，往往会经历三个阶段：

准备阶段：这个阶段也叫作系统预热阶段，此时会提前预热秒杀系统的业务数据，往往这个时候，用户会不断刷新秒杀页面，来查看秒杀活动是否已经开始。在一定程度上，通过用户不断刷新页面的操作，可以将一些数据存储到Redis中进行预热。秒杀阶段：这个阶段主要是秒杀活动的过程，会产生瞬时的高并发流量，对系统资源会造成巨大的冲击，所以，在秒杀阶段一定要做好系统防护。结算阶段：完成秒杀后的数据处理工作，比如数据的一致性问题处理，异常情况处理，商品的回仓处理等。

Redis助力秒杀系统

我们可以在Redis中设计一个Hash数据结构，站群服务器来支持商品库存的扣减操作，如下所示。

复制seckill:goodsStock:${goodsId}{ totalCount:200, initStatus:0, seckillCount:0 }1.2.3.4.5.

在我们设计的Hash数据结构中，有三个非常主要的属性。

totalCount：表示参与秒杀的商品的总数量，在秒杀活动开始前，我们就需要提前将此值加载到Redis缓存中。initStatus：我们把这个值设计成一个布尔值。秒杀开始前，这个值为0，表示秒杀未开始。可以通过定时任务或者后台操作，将此值修改为1，则表示秒杀开始。seckillCount：表示秒杀的商品数量，在秒杀过程中，此值的上限为totalCount，当此值达到totalCount时，表示商品已经秒杀完毕。

我们可以通过下面的代码片段在秒杀预热阶段，将要参与秒杀的商品数据加载的缓存。

复制/** * @author binghe * @description 秒杀前构建商品缓存代码示例 */ public class SeckillCacheBuilder{ private static final String GOODS_CACHE = "seckill:goodsStock:"; private String getCacheKey(String id) { return GOODS_CACHE.concat(id); } public void prepare(String id, int totalCount) { String key = getCacheKey(id); Map<String, Integer> goods = new HashMap<>(); goods.put("totalCount", totalCount); goods.put("initStatus", 0); goods.put("seckillCount", 0); redisTemplate.opsForHash().putAll(key, goods); } }1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.

秒杀开始的时候，我们需要在代码中首先判断缓存中的seckillCount值是否小于totalCount值，如果seckillCount值确实小于totalCount值，我们才能够对库存进行锁定。在我们的程序中，这两步其实并不是原子性的。如果在分布式环境中，我们通过多台机器同时操作Redis缓存，就会发生同步问题，进而引起“超卖”的严重后果。

在电商领域，有一个专业名词叫作“超卖”。顾名思义：“超卖”就是说卖出的商品数量比商品的库存数量多，这在电商领域是一个非常严重的问题。那么，我们如何解决“超卖”问题呢？

Lua脚本完美解决超卖问题

我们如何解决多台机器同时操作Redis出现的同步问题呢？一个比较好的方案就是使用Lua脚本。我们可以使用Lua脚本将Redis中扣减库存的操作封装成一个原子操作，这样就能够保证操作的原子性，从而解决高并发环境下的同步问题。

例如，我们可以编写如下的Lua脚本代码，来执行Redis中的库存扣减操作。

复制local resultFlag = "0" local n = tonumber(ARGV[1]) local key = KEYS[1] local goodsInfo = redis.call("HMGET",key,"totalCount","seckillCount") local total = tonumber(goodsInfo[1]) local alloc = tonumber(goodsInfo[2]) if not total then return resultFlag end if total >= alloc + n then local ret = redis.call("HINCRBY",key,"seckillCount",n) return tostring(ret) end return resultFlag1.2.3.4.5.6.7.8.9.10.11.12.13.14.

我们可以使用如下的Java代码来调用上述Lua脚本。

复制public int secKill(String id, int number) { String key = getCacheKey(id); Object seckillCount = redisTemplate.execute(script, Arrays.asList(key), String.valueOf(number)); return Integer.valueOf(seckillCount.toString()); }1.2.3.4.5.

这样，我们在执行秒杀活动时，就能够保证操作的原子性，从而有效的避免数据的同步问题，进而有效的解决了“超卖”问题。