库存系统难破题？且看京东到家如何破

京东到家库存系统架构设计

目前，京东到家库存系统经历两年多的线上考验与技术迭代，现服务着万级商家十万级店铺的规模，需求的变更与技术演进，我们是如何做到系统的稳定性与高可用呢，下面将会给你揭晓答案

库存系统技术架构图

上图如果进行总结下，主要体现出以下几个方面

1. 完善的基础设施
   强大的基础服务平台让应用、JVM、Docker、物理机所有健康指标一目了然，7*24小时智能监控告警让开发无须一直盯着监控；
2. 数据驱动
   数据与业务相辅相成，用数据验证业务需求，迭代业务需求，让业务需求都尽可能的收益最大化，库存系统的开发同学只需要关注业务需求；
3. 健全的测试团队
   大版本上线前相应的测试同学会跟进帮你压测，防止上线后潜在的性能瓶颈。

库存系统技术架构图解释说明

Portal

通过提供商家PC端、App端解决大部分中小商家的日常运营需求，另外提供开放平台满足大中型商家系统对接与数据共享互通的问题。

Service

这个板块涵盖了整个库存最核心的C&B数据业务。

1.业务类

• C正常流程：用户下单-商家拣货-快递员妥投
• C异常流程-缺货：用户下单-商家缺货-用户协商-调整订单缺货商品-商家拣货-快递员妥投
• C异常流程-取消：用户下单-用户反悔-订单取消
• C异常流程-风控：用户下单-风控拦截-订单锁定-客服审核-订单取消/继续生产
• B正常流程：商家维护可售库存数量，即时或者定时生效

2.数据类

除了业务类需求外，京东到家还提供了大量有商业价值的数据供商家作业务决策，比如

• 商品销量Top榜-支持分城市分类目筛选
• 热销商品库存不足预警-商家App版本Push通知及待办事项中可以醒目识别这部分商品并进行维护
• 红黄线自动下架-近七日订单量大于5单，并且被踩率大于等于20%的商品，进行下架操作，每日执行。
• 库存交易流水

3.中间件类

古人行军打仗，兵马未动，粮草先行，对于系统来说亦是如此，编码未动架构先行，架构的技术选型非常重要，在这里给大家分享京东技术体系上万码农都在使用的几个中间件。

• JSF，类似于DUBBO,是一款非常优秀的RPC层框架，可以解决应用间的数据通信问题，它最主要的优势是长连接的实现以及高效的序列化组件。
• JMQ，JMQ是京东自主研发的一款消息中间件系统，具有高可用、数据高可靠等特性。广泛应用于公司内部系统，包括订单、支付、库房、交易等场景。在库存系统中会优先更新Redis缓存数据，并发送变更MQ，供MySQL及ES异步更新。
• O2OWORKER，早期淘宝开源的一款产品TBSCHEDULE，不这个只适用于单项目管理，多个系统使用的话权限无法隔离，另外参数配置过于繁琐，结合这两点进行了重构，从而形成了现在的整个京东到家都在使用的任务管理平台。

DB

1.MYSQL

京东到家库存系统使用的关系型数据库是MYSQL，低成本、低耦合、轻量级，总之优势多多。

2.REDIS

丰富的数据结构&众多的原子性命令支持，非常适合库存系统进行缓存查询及扣减操作。

3.ES

库存系统的数据量非常大，首先MYSQL数据库通过水平扩容来解决单表数据量过大的问题，水平扩容的规则采取的是按门店维度进行分表（1.目前京东到家还没有到分库的阶段，2.按门店维度进行分表数据量会相对均衡一些，所以没有按照商家维度进行划分）。那么在商家PC端上查询所有商品库存及维护库存时带来了难度，比如查询该商家下所有的商品有多少条，同时处于上架状态的商品有哪些……，为了解决这一难题，引入了ES，将数据统一存储在ES集群中，解决一些涉及到聚合查询的场景。

库存系统数据流转图

库存系统数据流转图解释说明：

• 库存系统的数据流转，指的都是销售库存的数据流转，在京东到家还有自营类业务板块，即上图中提到的城市仓，由于它涉及到采购入库及盘盈盘亏等问题所以会由一套WMS系统来支撑。
• 京东到家设计初衷就是希望商家下的商品各门店共享，带来的问题就是商家新建一个商品时，需要推送到商家下所有的门店中，即所有的门店均可以看到这个商品， 或者商家新建一个门店时，需要将商家下所有的商品均推送到这个新建的门店中，所以这采用了MQ技术进行异步化批量处理。

---

写到这里，相信对大家对库存系统有了初步的了解，从上图来看功能上其实并不复杂，但是他面临的技术复杂度却是相当高的，比如秒杀品在高并发的情况下如何防止超卖，另外库存系统还不是一个纯技术的系统，需要结合用户的行为特点来考虑，比如下文中提到什么时间进行库存的扣减最合适，我们先抛出几个问题和大家一起探讨下，如有有妥不处，欢迎大家拍砖。

---

库存什么时候进行预占(或者扣减)呢

商家销售的商品数量是有限的，用户下单后商品会被扣减，我们可以怎么实现呢？

举个例子：
一件商品有1000个库存，现在有1000个用户，每个用户计划同时购买1000个。

• （实现方案1）如果用户加入购物车时进行库存预占，那么将只能有1个用户将1000个商品加入购物车。
• （实现方案2）如果用户提交订单时进行库存预占，那么将也只能有1个用户将1000个商品提单成功，其它的人均提示“库存不足，提单失败”。
• （实现方案3）如果用户提交订单&支付成功时进行库存预占，那么这1000个人都能生成订单，但是只有1个人可以支付成功，其它的订单均会被自动取消。

京东到家目前采用的是方案2，理由：

• 用户可能只是暂时加入购物车，并不表示用户最终会提单并支付。
• 所以在购物车进行库存校验并预占，会造成其它真正想买的用户不能加入购物车的情况，但是之前加车的用户一直不付款，最终损失的是公司。
• 方案3会造成生成1000个订单，无论是在支付前校验库存还是在支付成功后再检验库存，都会造成用户准备好支付条件后却会出现99.9%的系统取消订单的概率，也就是说会给99.9%的用户体验到不爽的感觉。
• 数据表明用户提交订单不支付的占比是非常小的（相对于加入购物车不购买的行为），目前京东到家给用户预留的最长支付时间是30分钟，超过30分钟订单自动取消，预占的库存自动释放

综上所述，方案2也可能由于用户下单预占库存但最终未支付，造成库存30分钟后才能被其它用户使用的情况，但是相较于方案1，方案3无疑是折中的最好方案。

重复提交订单的问题？

重复提交订单造成的库存重复扣减的后果是比较严重的。比如商家设置有1000件商品，而实际情况可能卖了900件就提示用户无货了，给商家造成无形的损失

可能出现重复提交订单的情况：

• （1、用户善意行为）app上用户单击“提交订单”按钮后由于后端接口没有返回，用户以为没有操作成功会再次单击“提交订单”按钮
• （2、用户恶意行为）黑客直接刷提单接口，绕过App端防重提交功能
• （3、提单系统重试）比如提单系统为了提高系统的可用性，在第一次调用库存系统扣减接口超时后会重试再次提交扣减请求

好了，既然问题根源缕清楚了，我们一一对症下药

• （1、用户善意行为）app侧在用户第一次单击“提交订单”按钮后对按钮进行置灰，禁止再次提交订单
• （2、用户恶意行为）采用令牌机制，用户每次进入结算页，提单系统会颁发一个令牌ID（全局唯一），当用户点击“提交订单”按钮时发起的网络请求中会带上这个令牌ID,这个时候提单系统会优先进行令牌ID验证，令牌ID存在&令牌ID访问次数=1的话才会放行处理后续逻辑，否则直接返回
• （3、提单系统重试）这种情况则需要后端系统（比如库存系统）来保证接口的幂等性，每次调用库存系统时均带上订单号，库存系统会基于订单号增加一个分布式事务锁，伪代码如下：

    int ret=redis.incr(orderId);
    redis.expire(orderId,5,TimeUnit.MINUTES);
    if(ret==1){
        //添加成功，说明之前没有处理过这个订单号或者5分钟之前处理过了
        boolean alreadySuccess=alreadySuccessDoOrder(orderProductRequest);
        if(!alreadySuccess){
            doOrder(orderProductRequest);
        }else{
            return "操作失败，原因：重复提交";
        }
    }else{
        return "操作失败，原因：重复提交";
    }

库存数据的回滚机制如何做

需要库存回滚的场景也是比较多的，比如：

• （1、用户未支付）用户下单后后悔了
• （2、用户支付后取消）用户下单&支付后后悔了
• （3、风控取消）风控识别到异常行为，强制取消订单
• （4、耦合系统故障）比如提交订单时提单系统T1同时会调用积分扣减系统X1、库存扣减系统X2、优惠券系统X3，假如X1,X2成功后，调用X3失败，需要回滚用户积分与商家库存。

其中场景1，2，3比较类似，都会造成订单取消，订单中心取消后会发送mq出来，各个系统保证自己能够正确消费订单取消MQ即可。而场景4订单其实尚未生成，相对来说要复杂些，如上面提到的，提单系统T1需要主动发起库存系统X2、优惠券系统X3的回滚请求（入参必须带上订单号），X2、X3回滚接口需要支持幂等性。

其实针对场景4，还存在一种极端情况，如果提单系统T1准备回滚时自身也宕机了，那么库存系统X2、优惠券系统X3就必须依靠自己为完成回滚操作了，也就是说具备自我数据健康检查的能力，具体来说怎么实现呢？

可以利用当前订单号所属的订单尚未生成的特点，可以通过worker机制，每次捞取40分钟（这里的40一定要大于容忍用户的支付时间）前的订单，调用订单中心查询订单的状态，确保不是已取消的，否则进行自我数据的回滚。

多人同时购买1件商品，如何安全地库存扣减

现实中同一件商品可能会出现多人同时购买的情况，我们可以如何做到并发安全呢？

伪代码片段1：

synchronized(this){
    long stockNum = getProductStockNum(productId);
    if(stockNum>requestBuyNum)  {
      String sql=" update stock_main "+
                 " set stockNum=stockNum-"+requestBuyNum +
                 " where productId="+productId;
      int ret=updateSQL(sql);
        if(ret==1){
            return "扣减成功";
        }else {
            return "扣减失败";
        }
    }
}   

伪代码片段1的设计思想是所有的请求过来之后首先加锁，强制其串行化处理，可见其效率一定不高，

伪代码片段2：

String sql=" update stock_main "+
           " set stockNum=stockNum-"+requestBuyNum +
           " where productId="+productId+
           " and stockNum>="+requestBuyNum;
int ret=updateSQL(sql);
if(ret==1){
   return "扣减成功";
}else {
   return "扣减失败";
}

这段代码只是在where条件里增加了and stockNum>=”+requestBuyNum即可防止超卖的行为，达到了与上述伪代码1的功能

如果商品是促销品（比如参与了秒杀的商品）并发扣减的机率会更高，那么数据库的压力会更高，这个时候还可以怎么做呢
海量的用户秒杀请求,本质上是一个排序,先到先得.但是如此之多的请求，注定了有些人是抢不到的，可以在进入上述伪代码Dao层之前增加一个计数器进行控制，比如有50%的流量将直接告诉其抢购失败，伪代码如下：

public class SeckillServiceImpl{
    private long count=0;

    public BuyResult buy(User user,int productId,int productNum){
        count++;
        if(count%2=1){
            Thread.sleep(1000);
            return new BuyResult("抢购失败");
        }else{
            return doBuy(user,productId,productNum);
        }
    }
}

另外同一个用户，不允许多次抢购同一件商品，我们又该如何做呢

public String doBuy(user,productId,productNum){
    //用户除了第一次进入值为1，其它时候均大于1
    int tmp=redis.incr(user.getUid()+productId); 
    if(tmp==1){
        //1小时后key自动销毁
        redis.expire(user.getUid()+productId,3600); 
        return doBuy1(user,productId,productNum);
    }else{
        return new BuyResult("抢购失败");
    }
}

如果同一个用户拥有不同的帐号，来抢购同一件商品，上面的策略就失效了
一些公司在发展早期几乎是没有限制的，很容易就可以注册很多个账号。也即是网络所谓的“僵尸账号”，数量庞大，如果我们使用几万个“僵尸号”去混进去抢购，这样就可以大大提升我们中奖的概率，那我们如何应对呢

public String doBuy1(user,productId,productNum){
    String minuteKey=DateTimeUtil.getDateTimeStr("yyyyMMddHHmm");
    String minuteIpCount=redis.incr(minuteKey+user.getClientIp());

    // threshold为允许每分钟允许单个ip的最大访问次数
    if(minuteIpCount>threshold){
        //识别到这部分潜在风险用户时，会让这部分用户强制跳转到验证码页面进行校验
        //校验通过后才能继续抢购商品
        return getAndSendVerificationCode(user);
    }else{
        return doBuy2(user,productId,productNum);
    }
}

库存系统的核心表结构设计

下面列出了库存系统的核心表结构，提供出来供大家在工作中能够有所参考

库存主表，命名规则：stock_center_00~99

库存流水表，命名规则：stock_center_flow_00~99

库存批量操作日志表，命名规则：batch_upload_log

作者介绍

柳志崇，2008 年计算机专业毕业，一直从事于移动互联网及 O2O 新零售业务领域的工作，参与过京东到家多个亿级 PV 系统的研发与架构，对高并发有着丰富的实战经验。

如下是聊聊架构社群分享的内容。如果你也有好内容，欢迎你也来社群分享。

Q&A

Q：
亿级 PV 系统的架构能否介绍下，怎么做到高并发的?
A：
高并发这个词业内外使用得很泛滥，因为并没有一个统一的定义，比如 qps、tps 达到多少就是高并发了。
一个系统设计的早期更多地关注功能迭代，随着平台的发展，用户、商家、商品数据的持续增长，直到有一天有人告诉你，说你的系统太慢了，或者程序处理上的数据不对时，表明你是时候该重视高并发了。
接下来我谈谈关于库存系统这块高并发的思路，供参考。
服务接口的无状态化设计，方便随时随地可以水平扩容
服务接口的幂等性设计，防止重复提交造成的重复扣减
服务接口的限流与截流设计，应对异常流量造成整个系统瘫痪
针对读多写少的场景进行数据缓存，缓存时还应该注意缓存击穿的问题
库存数据持续增多时势必会考虑数据库分库分表，分库分表路由规则设计：1、一定要紧贴业务，否则在一些聚合查询上非常麻烦；2、避免短期内出现二次扩容的可能性
关于库存分库或分表使用什么策略，京东到家接入的商家多半是优质商家，通常一个商家会有多个门店，目前库存系统采用的门店维度进行分表：
1、目前的体量还没有进行分库；
2、分表路由算法是门店编号取模 + 大门店定向路由组合，来避免简单的取模算法造成表数据分布可能出现的严重不平衡问题

Q：
为什么京东到家的库存和京东商城的库存要单独的呢？
A：
京东商城与京东到家是两款 App，两款有着各自独立的消费场景与目标人群，系统设计上是有些差异化的，如果我们从架构的角度来说，他们之间是解耦的，带来显而易见的好处就是其中一个挂了不会影响到另外一个。
京东到家比京东商城起步晚了整整 12 年，所以设计之初是借鉴了京东商城的库存系统的，但是京东到家中涵盖的服务类商品 (比如上门美甲按摩库存是具体的人，而一个人是不能同时被预约提供服务的)、外卖类商品 (库存相对更加简单，通常只有货品充足、货品紧张、无货几种状态) 是京东商城中没有的。
另外京东到家处于一个产品高速迭代期，可能一周就一个版本，由于与京东商城相互独立，有问题了影响也可以控制到很小。

Q：
1、定时 40 分捞取，万一 39 分那时候服务重启了，错过这个定时任务捞取，怎么办？
2、同一局域网中，如果对外 IP 都是同一个，受到限制那怎么办？
3、取模限制一部分流量抢购失败，万一流量在促销库存量之内，那是不是最多只能卖出一半？从取模看，也就是 userID 被模为 1 的用户，总是抢不到了？
A：
1、这个问题很好，问得很仔细，这一块就考验定时任务的调度机制了，首先调度策略是每分钟执行，检测前 40 分钟到前 50 分钟之间订单
2、看 doBuy1 方法，这里其实提到了，当同一个公网 IP 访问请求量超过了预设阈值，就会增加一个验证码环节
3、京东到家 App 目前 DAU 过百万了，取模机制造成的只能卖出一半这个问题还没有遇到过，不过有这个担心是好的，实际开发过程中可以设这个取模的值为动态放行流量即可；另外你提到的 userId 被模 1，这个问题是不存在的，因为我不是用 userId 来取模的，请重新读 buy 方法。

Q：
请问一下在高峰期每秒以下这个表会有多少的 tps？“库存主表，命名规则：stock_center_00~99”
A：
首先这个表是异步更新的，不会阻塞主流程，目前观察 tps 可以达到 800

Q：
如果是异步的话，就会有可能出现查库存和实际库存有差异。你是先把库存都放 redis 然后再用 mq 扣减吗？或者还是有其它解决方案？
A：
对外提供的 curd 都是基于 redis 的，所以不会出现不一致的问题，mysql 异步更新只是为了数据的持久化。

Q：
异地多活，用户维度单元化下库存是怎么处理的？
A：
异地多活，目前我们做到了服务的扩机房部署，数据的扩机房准实时备份，还没有进行用户维度的单元化。我也没有实战过，不过我觉得异地多活，架构设计有几点需要关注：
1、避免冷备，即如果一个机房不出意外，另外一个机房永远就是一个 backup，对于大型互联网公司这个成本是非常高的；
2、机房同源策略，一个网络请求可能涉及到几个几十个系统的协同，应当将这部分处理控制到同一个机房处理；
3、就近访问策略，通过智能 DNS，路由到离用户最近的机房机房。