2026/11/11 2:17:33
商城秒杀超卖的那一夜,库存扣减改成了四步
商城秒杀超卖的那一夜,库存扣减改成了四步
去年十一月大促,凌晨零点那场“99 元秒杀”把我们的商城打穿了。活动库存 800 件,最后成交 1100 多单,超卖三百单。第二天客服电话被打爆,运营坐在会议室里不说话。
复盘的时候发现,代码里根本没有任何一行“扣库存”是原子的。这篇把那次改造记下来,四步扣减,不是多高深的东西,但以前就是没人愿意改。

## 一、超卖是怎么发生的
原来的链路是这样:用户点“立即购买”,后端先 `SELECT` 查库存,判断大于 0,再 `UPDATE` 减一。中间隔了几十毫秒。
零点那一下,两千多个请求同时进来,都查到了同一个库存 1,都判断通过,都减了。典型的 check-then-act。
还有三个叠加因素:
- 小程序端网络超时自动重试,同一个用户下了四单;
- 限购按用户 ID 控制,但用户换了个手机号就绕过了;
- Redis 里存了一份库存做展示,数据库里是另一份,两边各自减,永远对不上。
## 二、第一步:把判断和扣减合成一个原子操作
换成 Redis 加 Lua 脚本。库存预热到 Redis,扣减逻辑整个写在脚本里,读到扣到是一个原子动作:
```
local stock = tonumber(redis.call('get', KEYS[1]))
if stock == nil or stock <= 0 then return -1 end
redis.call('decr', KEYS[1])
return stock - 1
```
关键在于“读”和“减”在同一段脚本里执行,Redis 单线程,中间不会被插队。这一步做完,理论上就不会再出现两个人同时拿到最后一件。
## 三、第二步:库存分片,别让一个 key 打满
第一版上线就碰到另一个问题:单个 SKU 的热点 key 把 Redis 某个节点的 CPU 打到了 90%。
改法是把活动库存拆成 N 份,请求按用户 ID 哈希落到其中一个分片,某个分片扣完了再去下一个。代价是要多写几行“跨分片扣减”的逻辑,好处是压力均摊。
我们最后是 20 个分片,单个 SKU 撑住了大约每秒一万两千次扣减。
## 四、第三步:异步落库加幂等
Redis 扣成功不代表订单成功。用户可能支付超时,也可能直接关掉页面。
所以链路改成:Redis 预扣 → 生成订单(带幂等键)→ 写消息队列 → 消费者落库并扣减数据库库存。
幂等键的组成是“用户 ID + 活动 ID + SKU”,重复请求直接返回第一次的结果。这一条同时解决了重试导致的重复单。
风险点在“预扣了但订单没生成”:比如下单接口超时。我们的做法是给每次预扣记一个流水号,定时任务扫超过 15 分钟未成单的流水,把库存加回去。回补脚本本身也要幂等,否则跑两遍就多出库存。
## 五、第四步:对账兜底
不管前面做得多好,Redis 和数据库一定会漂。所以每天跑一次对账:
- 活动维度:总数对比,差异超过阈值就告警;
- 订单维度:已支付订单的 SKU 总和对比起始库存减剩余库存;
- 异常单单独拉出来人工处理,不自动补,避免越补越乱。
这套对账开发花了两天,但它是我们后来敢在大促前关掉监控去睡觉的原因。
## 六、压测和降级
上线前做了三轮压测,发现两个真问题:
1. 连接池太小,QPS 到三千就开始排队超时,调到 200 后稳定;
2. Lua 脚本里写了循环遍历分片,单个请求耗时从 0.5 毫秒涨到 6 毫秒。后来改成外部先算好分片再传参。
降级方案也得提前定:Redis 不可用时,直接限流并关闭秒杀入口,而不是回退到数据库行锁。后一种降级在秒杀场景下等于自杀,数据库会被瞬间打穿。
## 七、结果与代价
改完之后第二场活动,峰值 QPS 一万多,零超卖,库存回补平均耗时两分钟以内。
代价也挺真实:
- 链路变长了,从下单到落库有延迟,运营看后台数据会觉得“卖得慢”;
- 多了一套流水记录和回补任务,运维多了一份盯盘工作;
- 对账脚本本身也会出错,第一版就把退款单算进去了,虚报了两百多件差异。
## 最后
很多人把库存扣减当成一道面试题,实际上它就是个简化版的分布式事务:要原子、要幂等、要回补、要对账。四样缺一样,大促就会教你做人。
如果你们也在做商城,我的建议是别等出事再改。秒杀功能上线前,把“扣减是不是原子”和“重试会不会重复”这两个问题各问一遍,能省很多麻烦。




