抢票系统设计

1. 抢票系统核心挑战：

• 瞬时高并发：百万级别用户同时请求
• 数据强一致性：扣除库存保证准确，防止超卖
• 系统稳定性：防止雪崩
• 涉及多方系统：查询系统、订单系统、支付系统、通知系统等
• 公平性：防止黄牛恶意刷票，保证用户公平抢票

2. 架构设计

• 客户端请求API网关
• 网关做限流（RateLimter）、防刷、路由（Apigee/Nginx）操作
• 订单服务：订单服务收到请求，先检查用户状态、余额等
• 订单服务调用库存服务，尝试扣减库存（库存服务是核心，必须高性能、高可用）
• 库存服务：扣减库存成功——》创建订单——》返回“抢票成功，请支付”
• 用户服务：抢票成功后发送消息到MQ：通知用户/超时支付任务
• 支付服务：用户支付——》支付服务回调——》订单服务更新状态——》通知库存服务确认库存扣减

 

 3. 核心模块设计

3.1 库存模块（核心模块）

 库存模块必须满足：

• 高并发读写
• 强一致性
• 防超卖
• 高性能

方案流程：Redis+MySQL+分布式锁

1.  库存预热

　　　　系统启动时或者定时任务将库存从DB加载到redis。redis中存储总库存、已售库存、版本号（乐观锁用）

　　 2. 扣减库存与库存回滚流程

　　　　使用Redis原子操作(INCR/DECR或者LUA脚本）；

　　　　如下代码逻辑：首先初始化当前航班总库存到redis中，key是当前航班号，value是当前航班所有库存；

　　　　　　　　　　然后进行库存扣除：通过redis lua脚本判断当前库存和要扣除数量对比，如果扣除数量<当前库存则允许扣除库存 redis.call('decrby', key, quantity);　　　　　　　　　　　　　　　　

// 基于Redis的分布式库存管理
@Component
public class TicketInventoryService {@Autowiredprivate RedisTemplate<String, String> redisTemplate;// 初始化库存；flightId：被抢机票系统对应航班号；totalSeat：总库存public void initInventory(String flightId, int totalSeats) {String key = "inventory:flight:" + flightId;redisTemplate.opsForValue().set(key, String.valueOf(totalSeats));// 设置库存预热缓存String stockKey = "stock:hot:" + flightId;redisTemplate.opsForHash().putAll(stockKey, Map.of("total", String.valueOf(totalSeats),"available", String.valueOf(totalSeats)));}// 扣减库存（使用Lua脚本保证原子性）；flightId:航班号；quantity：扣减库存数量public boolean deductInventory(String flightId, int quantity) {String luaScript = """
            local key = KEYS[1]local quantity = tonumber(ARGV[1])local current = tonumber(redis.call('get', key) or 0) //current当前总库存if current >= quantity thenredis.call('decrby', key, quantity)return 1elsereturn 0end""";
        RedisScript<Long> script = RedisScript.of(luaScript, Long.class);Long result = redisTemplate.execute(script, Collections.singletonList("inventory:flight:" + flightId), String.valueOf(quantity));return result == 1;}// 库存回滚--订单取消或者支付超时后恢复库存public void rollbackInventory(String flightId, int quantity) {redisTemplate.opsForValue().increment("inventory:flight:" + flightId, quantity);}
}

 

　　3. 最终一致性

　　redis扣减库存成功后，异步写入MySQL中，如果写入失败，则通过重试+补偿机制保证最终一致性

 　 4. 分布式锁

　　为了防止并发问题，使用redis lock来保证

　 5. 库存回滚

　　订单超时未支付——》释放缓存

　　通过MQ延迟消息实现

3.2 订单抢票模块

方案流程：Redis分布式锁+雪花算法+异步MQ

基于航班号为key的redis分布式锁——》调用库存模块库存检验判断当前库存——》基于雪花算法生成订单号——》调用库存模块进行库存扣除——》使用MQ异步处理订单

@Service
public class TicketGrabService {@Autowiredprivate RedissonClient redissonClient;@Autowiredprivate TicketInventoryService inventoryService;@Autowiredprivate TicketOrderService orderService;@Autowiredprivate KafkaTemplate kafkaTemplate;// 分布式锁实现抢票public GrabResult grabTicket(GrabRequest request) {String lockKey = "ticket:lock:" + request.getFlightNo(); //航班号作为keyRLock lock = redissonClient.getLock(lockKey);try {// 尝试获取锁，等待3秒，锁有效期10秒if (lock.tryLock(3, 10, TimeUnit.SECONDS)) {// 1. 检查库存if (!inventoryService.checkInventory(request)) {return GrabResult.fail("票已售罄");}// 2. 雪花算法生成订单号；雪花算法是生成分布式唯一ID的核心方案，能高效生成有序、唯一的Long型IDString orderNo = generateOrderNo();// 3. 扣减库存if (inventoryService.reduceInventory(request.getFlightNo(), 1)) {// 4. 异步处理订单Order order=buildOrder(request,orderNo); //创建订单kafkaTemplate.send(order); //订单异步落库；之后通过kafka消费者接收到消息后进行异步落库处理return GrabResult.success(orderNo);}}} catch (InterruptedException e) {Thread.currentThread().interrupt();} finally {if (lock.isHeldByCurrentThread()) {lock.unlock();}}return GrabResult.fail("抢票失败");}// 生成订单号（雪花算法）private String generateOrderNo() {Snowflake snowflake = IdUtil.getSnowflake(1, 1);return "TKT" + DateUtil.format(new Date(), "yyyyMMdd") + snowflake.nextIdStr().substring(0, 10);}
}

 

 

总结抢票系统关键技术解决方案

1.高并发解决方案：

1.1 缓存预热--抢票前预热数据到redis

1.2令牌桶限流--（基于Guava/Redis RateLimiter限流策略）

@Component
public class RateLimitService {private final RateLimiter rateLimiter = RateLimiter.create(1000); // 每秒1000个请求public boolean tryAcquire() {return rateLimiter.tryAcquire();}// 分布式限流（基于Redis）public boolean distributedRateLimit(String key, int limit, int timeout) {String luaScript = "local current = redis.call('incr', KEYS[1]) " +"if current == 1 then " +"    redis.call('expire', KEYS[1], ARGV[1]) " +"end " +"return current <= tonumber(ARGV[2])";return (Boolean) redisTemplate.execute(new DefaultRedisScript<>(luaScript, Boolean.class),Collections.singletonList(key),timeout, limit);}
}

 

2 防超卖解决方案

2.1 Redis Lua脚本原子操作

public class AtomicInventoryService {private static final String REDUCE_INVENTORY_SCRIPT = "local key = KEYS[1] " +"local quantity = tonumber(ARGV[1]) " +"local available = tonumber(redis.call('get', key) or '0') " +"if available >= quantity then " +"    redis.call('decrby', key, quantity) " +"    return 1 " +"else " +"    return 0 " +"end";public boolean atomicReduce(String key, int quantity) {Long result = (Long) redisTemplate.execute(new DefaultRedisScript<>(REDUCE_INVENTORY_SCRIPT, Long.class),Collections.singletonList(key),String.valueOf(quantity));return result == 1;}
}

 

2.2 数据库乐观锁

@Repository
public class TicketOrderRepository {@Transactionalpublic boolean createOrderWithOptimisticLock(Order order) {// 版本号控制String sql = "UPDATE flight_seats SET " +"available = available - 1, " +"version = version + 1 " +"WHERE flight_no = ? " +"AND available > 0 " +"AND version = ?";int rows = jdbcTemplate.update(sql, order.getFlightNo(),order.getVersion());return rows > 0;}
}

 

3 可靠性保证 -- 重试 降级

@Component
public class ReliabilityService {// 1. 重试机制@Retryable(value = Exception.class, maxAttempts = 3,backoff = @Backoff(delay = 1000, multiplier = 2))public OrderResult createOrderWithRetry(OrderRequest request) {return ticketService.createOrder(request);}// 2. 降级策略@HystrixCommand(fallbackMethod = "fallbackGrabTicket",commandProperties = {@HystrixProperty(name = "execution.isolation.thread.timeoutInMilliseconds", value = "5000"),@HystrixProperty(name = "circuitBreaker.requestVolumeThreshold", value = "20")})public GrabResult grabTicketWithFallback(GrabRequest request) {return grabService.grabTicket(request);}public GrabResult fallbackGrabTicket(GrabRequest request) {// 返回友好提示或加入异步队列return GrabResult.fail("系统繁忙，请稍后重试");}
}

 

4 防刷策略 -- 验证码 分析用户抢票频率

@Component
public class AntiBrushService {// IP限流public boolean checkIpLimit(String ip) {String key = "limit:ip:" + ip + ":" + LocalDate.now();return rateLimitService.distributedRateLimit(key, 100, 86400);}// 用户行为分析public boolean isMaliciousUser(String userId) {String patternKey = "user:pattern:" + userId;// 分析用户抢票频率、成功率等特征// 使用机器学习模型判断return false;}// 验证码验证public boolean verifyCaptcha(String sessionId, String captcha) {String key = "captcha:" + sessionId;String storedCaptcha = (String) redisTemplate.opsForValue().get(key);return captcha != null && captcha.equalsIgnoreCase(storedCaptcha);}
}

 

5 监控与日志  grafana(数据可视化分析平台)和prometheus（数据采集存储时序数据库）