如何设计秒杀系统？

秒杀系统是我在面试中问得比较多的，如果说程序 = 算法 +数据结构的话，那么系统 = 服务 + 数据存储。所以系统设计中，我们更多的是围绕服务和数据存储来讨论。

举个简单例子：某年双 11，商家以 4499 的价格上架了某 iphone，比官网价格便宜了 1000 员，库存总数 10 台，运营设置 11/11 00:00 活动生效，一人只能购买 1 台，商品售完为止。

首先梳理下用户端的流程图：

根据九章算法**系统设计 4S 分析法**，**第一步 Scenario 场景。**需要确定设计哪些功能，承受多大的访问量？

这里要知道秒杀系统的常见概念 QPS （ Queries Per Second ），即一秒内可以处理的请求数量。

假如一个服务的 RT （ Response time ）是 20ms，则 QPS 为 50 （这里计算的是单机单线程 QPS，如果要计算集群的话，需要考虑集群数量和线程数量）。

QPS = 100，用你的笔记本做 Web 服务器足矣。 QPS = 1k，用一台好点的 Web 服务器也差不多了。 QPS = 1m，则需要建设一个 1000 台 Web 服务器的集群。

QPS 和服务器 /数据库之间的关系：

一台服务器承受量约 1k 的 QPS （考虑到逻辑处理时间以及数据库查询的瓶颈） 一台 SQL Database 承受量约 1k 的 QPS(如果 JOIN 和 INDEX query 比较多的话，这个值会更小） 一台 NoSQL Database （ Casscandra ）承受量约 10k 的 QPS 一台 NoSQL Database （ Memcached ）承受量约 1M 的 QPS

第二步，Service 服务。

服务可以认为是逻辑处理的整合。对于同一类问题的逻辑处理归并在一个服务中，整个系统可以细分为若干个小的服务。

这里秒杀系统服务设计大致如下：

第三步，Storage 存储，数据是如何存储和访问的。为每个服务选择合适的存储结构，然后细化数据表结构。这个例子中，秒杀系统数据库设计如下

于是我们可以得到秒杀活动中，数据库之间的关系如图所示

好了，接下来是重点。我们先基于数据库 Mysql 来扣库存

update stock set count = count - 1 where product_id = xxxx and count > 0

那么问题来了，秒杀系统一定会有并发（ concurrent ）问题，怎么办？

这里一般有两种解决方案：乐观锁（ Optimistic Lock ）和悲观锁（ Pessimistic Lock ）。

悲观锁的流程如下：

在对于数据一致性要求非常高的场景中，一般用悲观锁。

乐观锁流程如下：

可以看到悲观锁的问题是会占用大量的线程资源，可能导致 mysql 的线程耗尽。而乐观锁在 version 变动频繁的情况下则不适用，所以秒杀系统就不太适合用乐观锁，因为 version （库存）变化太快了。

另外可以再看下 Redis 下的秒杀系统数据库设计。

几个关于秒杀系统中 Redis 的常见问题：

什么时候把库存写入到 Redis ？ 秒杀活动创建 /维护时写入 Redis 。 如何保证活动数据库和库存数据一致？ 可以使用分布式事务或消息队列。

**分布式事务：**保证多个数据库的操作同时成功或者同时失败。对强一致性有要求的业务场景可以考虑使用分布式事务，比如银行转账

**消息队列：**基于生产者 /消费者模型的组件，一般实现异步任务（非实时处理）时会引入消息队列。消息队列的好处是任务可以慢慢处理，不必同步处理等着响应结果。目前主流的消息队列有 RocketMQ 、Kafka 等。使用场景除了异步任务之外，一般还用于失败的情况下重试处理，重复消费直到消费成功。

下单减库存 /支付减库存？ 下单锁定库存，支付减库存。

如何防止商品被超卖？ 把库存数据放入到缓存中，利用缓存的原子特性保证同时只有一个线程操作库存。

库存写回数据库的时机？ 采用定时任务同步 Redis 的数据写回数据库。

最后，4S 分析法的第四步，Scale 扩展。对于秒杀系统来说，就是高并发场景下如何优化系统。

另外关于 4S 分析法以及系统设计面试的各种问题，在《系统架构设计 System Design 2020 版》中也都有讲到，同时新版课程中我们邀请了 3 位一线 IT 大厂面试官，讲解当前国内热门系统设计问题，**前两节限免开放**中，有兴趣的同学可以来看看。

首节免费试听课随时可试听，第二节免费试听课明天早上 9:30-11:30 惊喜开播，戳我即可免费报名试听

免费试听内容如下：