秒杀系统的数据库架构设计热点隔离、库存扣减与异步排队的铁三角一、100万人抢1000台手机数据库连接池瞬间打满秒杀是对数据库最极端的压力测试。当100万用户在同一秒钟点击抢购按钮时1000台手机的库存要在这100万请求中原子扣减且不能超卖。传统做法是直接在MySQL中UPDATE stock SET countcount-1 WHERE id12345 AND count0——在1000QPS下工作良好但在10万QPS下连接池迅速耗尽大量请求排队等待锁释放最终超时告终。秒杀场景的独特挑战在于热点集中——100%的请求都打在同一个SKU的同一行库存记录上。在InnoDB中这行数据被频繁加锁和修改行锁争抢导致大量线程在等待CPU花在锁调度上而非实际处理业务。当等待队列超过innodb_thread_concurrency限制时新请求被拒绝——这就是秒杀期间大量用户看到系统繁忙的根因。二、秒杀数据库的三层解耦热点缓存、事务排队与最终一致第一层网关限流。前端的100万并发本质上不可能也不需要在数据库层处理。网关层使用令牌桶算法将流入量控制在10万QPS以内——即使Redis处理能力远超这个值也不能让更多的请求进入内层因为后端MySQL的消费能力是固定的约1000 QPS。第二层Redis原子库存扣减。使用Lua脚本实现检查库存扣减的原子操作单分片Redis轻松支持10万QPS。扣减成功后生成一个唯一Token返回给用户同时将扣减事件推入Redis List作为排队队列。用户拿到Token后进入排队中状态。第三层异步消费落库。后端消费者以固定速率如1000/s从Redis队列中消费扣减事件逐个写入MySQL并创建订单。这个消费速率由MySQL的写入能力决定不能超过它。消费者单线程处理消除了MySQL行锁争抢。三、基于Redis Lua的原子库存扣减实现-- lua/stock_deduct.lua -- Redis Lua脚本原子库存扣减生成排队Token -- KEYS[1]: stock_key (库存Key) -- KEYS[2]: queue_key (排队队列Key) -- ARGV[1]: user_id -- ARGV[2]: request_id (幂等Key) -- ARGV[3]: max_per_user (每用户限购数量) local stock_key KEYS[1] local queue_key KEYS[2] local user_id ARGV[1] local request_id ARGV[2] local max_per_user tonumber(ARGV[3]) or 1 -- 幂等性检查 local idempotent_key seckill:idempotent: .. request_id if redis.call(EXISTS, idempotent_key) 1 then return {0, duplicate_request, request_id} end -- 用户限购检查 local user_bought_key seckill:user_bought: .. user_id local user_bought tonumber(redis.call(GET, user_bought_key)) or 0 if user_bought max_per_user then return {0, user_limit_exceeded, user_id} end -- 库存检查与扣减 local stock tonumber(redis.call(GET, stock_key)) or 0 if stock 0 then return {0, sold_out, 0} end -- 扣减库存 local remaining redis.call(DECR, stock_key) if remaining 0 then -- 超卖回滚 redis.call(INCR, stock_key) return {0, sold_out, 0} end -- 标记幂等60秒过期防止重复请求 redis.call(SETEX, idempotent_key, 60, 1) -- 更新用户购买计数 redis.call(INCR, user_bought_key) redis.call(EXPIRE, user_bought_key, 86400) -- 24h过期 -- 生成Token并入队 local token user_id .. _ .. request_id .. _ .. redis.call(TIME)[1] redis.call(LPUSH, queue_key, token) return {1, queued, token}# consumer/mysql_writer.py import redis import pymysql import logging import time logger logging.getLogger(__name__) class SeckillConsumer: 秒杀异步消费者从Redis队列消费到MySQL def __init__(self, redis_client, mysql_conn, batch_size: int 10): self.redis redis_client self.mysql mysql_conn self.batch_size batch_size def consume(self, queue_key: str, stock_table: str): 消费秒杀队列 while True: tokens [] # 批量获取Token for _ in range(self.batch_size): token self.redis.rpop(queue_key) if token: tokens.append(token.decode()) if not tokens: logger.debug(Queue empty, sleeping...) time.sleep(0.1) continue # 批量写入MySQL try: cursor self.mysql.cursor() for token in tokens: user_id, request_id, _ token.split(_) # 实际扣减库存创建订单 cursor.execute(f UPDATE {stock_table} SET stock stock - 1 WHERE sku_id 12345 AND stock 0 ) if cursor.rowcount 0: logger.error(fMySQL stock deduction failed for {token}) # 补偿回滚Redis库存 self.redis.incr(seckill:stock:12345) continue self.mysql.commit() logger.info(fBatch processed: {len(tokens)} orders) except Exception as e: self.mysql.rollback() logger.error(fConsumer batch failed: {e}) # 重新入队或写入死信队列 for token in tokens: self.redis.lpush(queue_key :dlq, token)四、超卖0容忍 vs 少卖可接受不同业务的库存一致性策略不同业务对库存一致性的要求是天差地别的。手机秒杀要求0超卖——多卖一台就要赔一台赔偿用户或重新生产但少卖几台完全可以接受库存可以下次活动继续卖。机票超售则可以容忍一定比例的超卖因为总有用户退票改签——这个比例通过历史数据模型来优化。金融理财产品则要求精确一致——卖出的份额必须严格等于实际库存少卖和多卖都是合规问题。一致性策略的选择直接决定了架构复杂度。0超卖场景使用Redis原子扣减串行消费到MySQL能够满足要求。容忍少卖的场景甚至不需要Redis——直接MySQL行锁扣减简单可靠。精确一致的金融场景则需要TCC两阶段提交日终对账的完整保障。五、总结秒杀数据库架构的核心思路是在数据库之前截流通过网关限流→Redis原子库存→异步持久化三层解耦将数据库压力从10万QPS降低到1000QPS。Redis Lua原子扣减是防止超卖的关键实现幂等性检查是防止重复扣减的安全网。最重要的工程经验是不要试图让数据库承受秒杀级的并发——即使硬件上可行成本也是惊人的。将数据库定位为最终的持久化存储而非实时的事务处理引擎用缓存和消息队列在中间做缓冲。