如何解决高并发下的库存抢购超卖少买问题？（持续更新中）

原创已于 2025-08-01 14:41:20 修改 · 327 阅读

CC 4.0 BY-SA版权

文章标签：

于 2025-07-30 09:28:42 首次发布

10 篇文章

订阅专栏

一键三连，让算法推荐更多类似干货 ~
你最近面试被问到的最难的题是什么？评论区交流，我来解答
突然发现自己欠了一屁股 技术债 ？别薅头发了 —— 关注本专栏，带你清债～

库存防超卖，锁和版本带；
Redis 先扣减，异步同步快；
限流加队列，拆分监控在。

锁、缓存、流量削峰、监控：

例如：

SELECT inventory FROM goods WHERE id = 1 FOR UPDATE;  
UPDATE goods SET inventory = inventory - 1 WHERE id = 1 AND inventory > 0;

乐观锁：通过版本号或库存条件控制，例如在更新时校验库存是否足够，避免超卖：

UPDATE goods SET inventory = inventory - 1, version = version + 1 WHERE id = 1 AND inventory > 0 AND version = 1;

锁的选择核心是匹配冲突频率：
冲突多（秒杀）→ 悲观锁（避免重试浪费资源）。
冲突少（优惠券）→ 乐观锁（提升吞吐量）。

Redis 预存库存：将库存提前加载到 Redis，抢购时先在 Redis 中扣减库存（如使用DECR命令），成功后再异步同步到数据库。通过 Lua 脚本保证扣减的原子性，避免并发问题：
lua
```
-- 若库存>0则扣减，返回1；否则返回0  
if redis.call('get', KEYS[1]) > 0 then  
  return redis.call('decr', KEYS[1])  
else  
  return 0  
end  
```
库存拆分：将热点商品的库存拆分为多个子库存（如 10 万库存拆成 20 份），随机轮询扣减子库存，分散 Redis 单分片压力，避免单点瓶颈。

情境（S）：电商秒杀活动中，某商品库存 1000 件，预计峰值 QPS 达 10 万，需避免超卖或少买，确保数据准确。
任务（T）：设计方案解决高并发下的库存一致性问题，保证抢购过程中库存不超发、不遗漏。
行动（A）：
1. 数据库层：使用乐观锁（版本号）控制库存更新，确保只有库存 > 0 时才能扣减；
2. 缓存层：将库存预存到 Redis，用 Lua 脚本原子性扣减，热点库存拆分为 10 个子库存分散压力；
3. 流量控制：通过令牌桶限流每秒 10 万请求，用 RocketMQ 异步处理订单，避免直接冲击数据库；
4. 兜底措施：实时监控库存数据，定时核对 Redis 与数据库一致性，异常时自动补偿。
结果（R）：活动期间成功处理 12 万 QPS，库存准确扣减至 0，无超卖少买，响应时间 < 200ms，活动顺利完成。
四、生活例子

类比 “热门餐厅抢座位”：
数据库锁就像 “服务员一次只接待一位顾客登记座位”，避免多人同时抢同一座位；
Redis 缓存好比 “门口电子屏实时显示余位”，顾客先看屏再进店，减少对服务员的询问；
库存拆分类似 “将 10 个座位分成多个区域，每个区域单独叫号”，避免拥挤；
限流如同 “餐厅规定每分钟最多放 5 人进店”，防止内部混乱。