黑马点评-超卖问题
什么是超卖问题？
想象一个场景：
黑马点评搞秒杀活动，某商品库存 100 件。活动开始后，15 个用户同时下单，最后系统显示卖出了 101 件，库存变成了 - 1 —— 这就是超卖。
超卖本质：多线程环境下，库存扣减操作未正确同步，导致 实际销量 > 库存量的严重业务错误。针对这一问题常见解决方案就是加锁
为什么会超卖？
用代码模拟一下问题：
// 错误的扣减库存方式
public boolean seckill(Long voucherId) {// 1. 查询库存SeckillVoucher voucher = seckillVoucherService.getById(voucherId);int stock = voucher.getStock();// 2. 判断库存是否充足if (stock > 0) {// 3. 扣减库存（stock=stock-1）voucher.setStock(stock - 1);seckillVoucherService.updateById(voucher);}
}
问题出在 “查询→判断→扣减” 这三步不是原子操作：
- 线程 1 查询到库存 = 1，还没扣减；
- 线程 2 也查询到库存 = 1，也进入扣减逻辑；
- 最后库存变成 - 1，超卖了。
解决方案
解决方案对比：悲观锁 vs 乐观锁
| 方案 | 实现原理 | 适用场景 | 性能影响 | 实现复杂度 |
|---|---|---|---|---|
| 悲观锁 | “先锁定再操作”（如synchronized） | 高冲突场景，数据强一致性要求高 | 较高（串行执行） | 低 |
| 乐观锁 | “先操作再验证”（版本号/条件判断） | 低冲突场景，读多写少 | 低（并行执行） | 中 |
| 分布式锁 | Redis/ZooKeeper，全局锁控制 | 分布式系统，高并发秒杀 | 中（网络开销） | 高 |
悲观锁实战
public synchronized boolean seckill(Long voucherId) {// 同上：查询→判断→扣减
}
优点：简单，绝对不会超卖。
缺点：并发高时，大家都在等锁，响应慢，像排队结账排成长龙。
乐观锁实战：黑马点评解决方案
核心代码实现
public boolean seckill(Long voucherId) {// 1. 查询优惠券库存SeckillVoucher voucher = seckillVoucherService.getById(voucherId);// 2. 判断秒杀是否开始/结束if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {throw new RuntimeException("秒杀尚未开始！");}if (voucher.getEndTime().isBefore(LocalDateTime.now())) {throw new RuntimeException("秒杀已结束！");}// 3. 库存不足直接返回if (voucher.getStock() < 1) {return false;}// 4. 乐观锁扣减库存boolean success = seckillVoucherService.update().setSql("stock = stock - 1") // SET stock = stock - 1.eq("voucher_id", voucherId) // WHERE voucher_id = #{voucherId}.gt("stock", 0) // AND stock > 0.update();return success;
}
方案优势
- 无锁竞争：避免线程阻塞，提高并发能力
- 轻量级：数据库级别实现，无需额外组件
- 简单有效：SQL条件天然保证库存安全
潜在问题：高并发下的低成功率
当100线程同时抢10个商品时：
- 乐观锁成功率 ≈ 10%
- 90%请求失败需重试或放弃
进阶方案：Redis分布式锁
实现原理
核心代码：
public boolean seckillWithRedisLock(Long voucherId) {// 1. 获取分布式锁String lockKey = "lock:voucher:" + voucherId;String clientId = UUID.randomUUID().toString();try {// 尝试获取锁（设置10秒超时）Boolean locked = redisTemplate.opsForValue().setIfAbsent(lockKey, clientId, 10, TimeUnit.SECONDS);if (!Boolean.TRUE.equals(locked)) {return false; // 获取锁失败}// 2. 执行库存扣减return doSeckill(voucherId);} finally {// 3. 释放锁（Lua脚本保证原子性）String script = "if redis.call('get', KEYS[1]) == ARGV[1] " +"then return redis.call('del', KEYS[1]) " +"else return 0 end";redisTemplate.execute(new DefaultRedisScript<>(script, Long.class),Collections.singletonList(lockKey),clientId);}
}
性能优化：库存预减方案
架构设计
实现步骤
1. 预热库存到Redis：
redisTemplate.opsForValue().set("stock:voucher:"+voucherId, 100);
2. 预减库存：
Long stock = redisTemplate.opsForValue().decrement("stock:voucher:"+voucherId);
if (stock < 0) {// 库存不足，回滚redisTemplate.opsForValue().increment("stock:voucher:"+voucherId);return false;
}
3. 异步落库：
@Async
public void asyncUpdateStock(Long voucherId) {seckillVoucherService.update().setSql("stock = stock - 1").eq("voucher_id", voucherId).update();
}
方案选型指南
| 场景 | 推荐方案 | QPS支持 | 注意事项 |
|---|---|---|---|
| 低并发(<1000QPS) | 乐观锁 | 1k-5k | 控制重试次数 |
| 中并发(5k-10kQPS) | Redis分布式锁 | 5k-10k | 设置锁超时 |
| 高并发(>10kQPS) | 库存预减+异步 | 10k+ | 保证最终一致性 |
| 超高并发 | Redis+Lua脚本 | 50k+ | 监控Redis负载 |
最佳实践总结
1. 多层防护：
- 前端：按钮防重、验证码
- 网关：请求限流
- 服务：库存预减
- 数据库：最终一致性
2. 监控指标：
// 监控关键指标
meterRegistry.counter("seckill.requests").increment();
meterRegistry.counter("seckill.success").increment();
meterRegistry.counter("seckill.failures").increment();
3. 回退机制：
// 库存回补
if (updateFailed) {redisTemplate.opsForValue().increment("stock:voucher:"+voucherId);
}
超卖问题本质是并发控制的艺术，选择合适方案需平衡性能、一致性和复杂度。建议从乐观锁起步，随业务增长逐步升级到分布式方案！