业务场景题——秒杀系统如何避免库存超卖？

先看问题

首先上一串代码

public String buy(Long goodsId, Integer goodsNum) {
    //查询商品库存
    Goods goods = goodsMapper.selectById(goodsId);
    //如果当前库存为0，提示商品已经卖光了
    if (goods.getGoodsInventory() <= 0) {
        return "商品已经卖光了！";
    }
    //如果当前购买数量大于库存，提示库存不足
    if (goodsNum > goods.getGoodsInventory()) {
        return "库存不足！";
    }
    //更新库存
    goods.setGoodsInventory(goods.getGoodsInventory() - goodsNum);
    goodsMapper.updateById(goods);
    return "购买成功！";
}

我们看一下这串代码，逻辑用流程图表示如下：

从图上看，逻辑还是很清晰明了的，而且单测的话，也测试不出来什么bug。但是在秒杀场景下，问题可就大发了，100件商品可能卖出1000单，出现严重资损，这下就真的需要杀个程序员祭天了。

问题分析

正常情况下，如果请求是一个一个接着来的话，这串代码也不会有问题，如下图：

不同的时刻不同的请求，每次拿到的商品库存都是更新过之后的，逻辑是ok的。

那为啥会出现超卖问题呢？ 首先我们给这串代码增加一个场景：商品秒杀（非秒杀场景难以复现超卖问题）。 秒杀场景的特点如下：

• 高并发处理：秒杀场景下，可能会有大量的购物者同时涌入系统，因此需要具备高并发处理能力，保证系统能够承受高并发访问，并提供快速的响应。
• 快速响应：秒杀场景下，由于时间限制和竞争激烈，需要系统能够快速响应购物者的请求，否则可能会导致购买失败，影响购物者的购物体验。
• 分布式系统： 秒杀场景下，单台服务器扛不住请求高峰，分布式系统可以提高系统的容错能力和抗压能力，非常适合秒杀场景。

在这种场景下，请求不可能是一个接一个这种，而是成千上万个请求同时打过来，那么就会出现多个请求在同一时刻查询库存，如下图：

如果在同一时刻查询商品库存表，那么得到的商品库存也肯定是相同的，判断的逻辑也是相同的。

举个例子，现在商品的库存是10件，请求1买6件，请求2买5件，由于两次请求查询到的库存都是10，肯定是可以卖的。 但是真实情况是5+6=11>10，明显有问题！这两笔请求必然有一笔失败才是对的！

那么，这种问题怎么解决呢？

解决方案

从上面例子来看，问题好像是由于我们每次拿到的库存都是一样的，才导致库存超卖问题，那是不是只要保证每次拿到的库存都是最新的话，这个问题不就迎刃而解了吗！

在说方案前，先把我的测试表结构贴出来：

CREATE TABLE `t_goods` (
  `id` bigint NOT NULL COMMENT '物理主键',
  `goods_name` varchar(64) DEFAULT NULL COMMENT '商品名称',
  `goods_pic` varchar(255) DEFAULT NULL COMMENT '商品图片',
  `goods_desc` varchar(255) DEFAULT NULL COMMENT '商品描述信息',
  `goods_inventory` int DEFAULT NULL COMMENT '商品库存',
  `goods_price` decimal(10,2) DEFAULT NULL COMMENT '商品价格',
  `create_time` datetime DEFAULT NULL COMMENT '创建时间',
  `update_time` datetime DEFAULT NULL COMMENT '更新时间',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

方法一、redis分布式锁

Redisson介绍

官方介绍：Redisson是一个基于Redis的Java驻留内存数据网格（In-Memory Data Grid）。它封装了Redis客户端API，并提供了一个分布式锁、分布式集合、分布式对象、分布式Map等常用的数据结构和服务。Redisson支持Java 6以上版本和Redis 2.6以上版本，并且采用编解码器和序列化器来支持任何对象类型。 Redisson还提供了一些高级功能，比如异步API和响应式流式API。它可以在分布式系统中被用来实现高可用性、高性能、高可扩展性的数据处理。

Redisson使用

    org.redisson
    redisson
    3.16.8

注入对象

RedissonConfig.java

import org.redisson.Redisson;
import org.redisson.api.RedissonClient;
import org.redisson.config.Config;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class RedissonConfig {
    /**
     * 所有对Redisson的使用都是通过RedissonClient对象
     *
     * @return
     */
    @Bean(destroyMethod = "shutdown")
    public RedissonClient redissonClient() {
        // 创建配置 指定redis地址及节点信息
        Config config = new Config();
        config.useSingleServer().setAddress("redis://127.0.0.1:6379").setPassword("123456");

        // 根据config创建出RedissonClient实例
        RedissonClient redissonClient = Redisson.create(config);
        return redissonClient;

    }
}

代码优化

public String buyRedisLock(Long goodsId, Integer goodsNum) {
    RLock lock = redissonClient.getLock("goods_buy");
    try {
        //加分布式锁
        lock.lock();
        //查询商品库存
        Goods goods = goodsMapper.selectById(goodsId);
        //如果当前库存为0，提示商品已经卖光了
        if (goods.getGoodsInventory() <= 0) {
                return "商品已经卖光了！";
        }
        //如果当前购买数量大于库存，提示库存不足
        if (goodsNum > goods.getGoodsInventory()) {
                return "库存不足！";
        }
        //更新库存
        goods.setGoodsInventory(goods.getGoodsInventory() - goodsNum);
        goodsMapper.updateById(goods);
        return "购买成功！";
    } catch (Exception e) {
        log.error("秒杀失败");
    } finally {
        lock.unlock();
    }
    return "购买失败";
}

加上Redisson分布式锁之后，使得请求由异步变为同步，让购买操作一个一个进行，解决了库存超卖问题，但是会让用户等待的时间加长，影响了用户体验。

方法二、MySQL的行锁

行锁介绍

MySQL的行锁是一种针对行级别数据的锁，它可以锁定某个表中的某一行数据，以保证在锁定期间，其他事务无法修改该行数据，从而保证数据的一致性和完整性。 特点如下：

• MySQL的行锁只能在InnoDB存储引擎中使用。
• 行锁需要有索引才能实现，否则会自动锁定整张表。
• 可以通过使用“SELECT ... FOR UPDATE”和“SELECT ... LOCK IN SHARE MODE”语句来显式地使用行锁。

总之，行锁可以有效地保证数据的一致性和完整性，但是过多的行锁也会导致性能问题，因此在使用行锁时需要谨慎考虑，避免出现性能瓶颈。

那么回到库存超卖这个问题上来，我们可以在一开始查询商品库存的时候增加一个行锁，实现非常简单，也就是将

 //查询商品库存
Goods goods = goodsMapper.selectById(goodsId);

原始查询SQL
SELECT *
  FROM t_goods
  WHERE id = #{goodsId}

改写为
 SELECT *
  FROM t_goods
  WHERE id = #{goodsId} for update

那么被查询到的这行商品库存信息就会被锁住，其他请求想要读取这行数据时就需要等待当前请求结束了，这样就做到了每次查询库存都是最新的。不过同Redisson分布式锁一样，会让用户等待的时间加长，影响用户体验。

方法三、乐观锁

乐观锁机制类似java中的cas机制，在查询数据的时候不加锁，只有更新数据的时候才比对数据是否已经发生过改变，没有改变则执行更新操作，已经改变了则进行重试。

商品表增加version字段并初始化数据为0

`version` int(11) DEFAULT NULL COMMENT '版本'

将更新SQL修改如下

update t_goods
set goods_inventory = goods_inventory - #{goodsNum},
     version         = version + 1
where id = #{goodsId}
and version = #{version}

Java代码修改如下

public String buyVersion(Long goodsId, Integer goodsNum) {
    //查询商品库存(该语句使用了行锁)
    Goods goods = goodsMapper.selectById(goodsId);
    //如果当前库存为0，提示商品已经卖光了
    if (goods.getGoodsInventory() <= 0) {
        return "商品已经卖光了！";
    }
    if (goodsMapper.updateInventoryAndVersion(goodsId, goodsNum, goods.getVersion()) > 0) {
      return "购买成功！";
    }
    return "库存不足！";
}

通过增加了版本号的控制，在扣减库存的时候在where条件进行版本号的比对。实现查询的是哪一条记录，那么就要求更新的是哪一条记录，在查询到更新的过程中版本号不能变动，否则更新失败。

方法四、where条件和unsigned 非负字段限制

前面的Redisson分布式锁和行锁都是通过每次都拿到最新的库存从而解决超卖问题，那换一种思路：保证在扣除库存的时候，库存一定大于购买量是不是也可以解决这个问题呢？ 答案是可以的。回到上面的代码：

//更新库存
goods.setGoodsInventory(goods.getGoodsInventory() - goodsNum);
goodsMapper.updateById(goods);

我们把库存的扣减写在了代码中，这样肯定是不行的，因为在分布式系统中我们获取到的库存可能都是一样的，应该把库存的扣减逻辑放到SQL中，即：

 update t_goods
 set goods_inventory = goods_inventory - #{goodsNum}
 where id = #{goodsId}

上面的SQL保证了每次获取的库存都是取数据库的库存，不过我们还需要加一个判断：保证库存大于购买量，即：

update t_goods
set goods_inventory = goods_inventory - #{goodsNum}
where id = #{goodsId}
AND (goods_inventory - #{goodsNum}) >= 0

那么上面那段Java代码也需修改一下：

public String buySqlUpdate(Long goodsId, Integer goodsNum) {
    //查询商品库存(该语句使用了行锁)
    Goods goods = goodsMapper.queryById(goodsId);
    //如果当前库存为0，提示商品已经卖光了
    if (goods.getGoodsInventory() <= 0) {
        return "商品已经卖光了！";
    }
    //此处需要判断更新操作是否成功
    if (goodsMapper.updateInventory(goodsId, goodsNum) > 0) {
        return "购买成功！";
     }
    return "库存不足！";
}

还有一种办法和where条件一样，就是unsigned 非负字段限制，把库存字段设置为unsigned 非负字段类型，那么在扣减时也不会出现扣成负数的情况。

总结一下

解决方案	优点	缺点
redis分布式锁	Redis分布式锁可以解决分布式场景下的锁问题，保证多个节点对同一资源的访问顺序和安全性，性能较高。	单点故障问题，如果Redis节点宕机，会导致锁失效。
MySQL的行锁	可以保证事务的隔离性，能够避免并发情况下的数据冲突问题。	性能较低，对数据库的性能影响较大，同时也存在死锁问题。
乐观锁	相对于悲观锁，乐观锁不会阻塞线程，性能较高。	需要额外的版本控制字段，且在高并发情况下容易出现并发冲突问题。
where条件和unsigned 非负字段限制	可以通过where条件和unsigned非负字段限制来保证库存不会超卖，简单易实现。	可能存在一定的安全隐患，如果某些操作没有正确限制，仍有可能导致库存超卖问题。同时，如果某些场景需要对库存进行多次更新操作，限制条件可能会导致操作失败，需要再次查询数据，对性能会产生影响。

方案有很多，用法结合实际业务来看，没有最优，只有更优，甚至可以几种方案组合起来解决问题。

全文至此结束，再会！

结尾
金九银十快到了很多朋友对面试不够了解，不知道如何准备，对面试环节的设置以及目的不了解，尤其是面试题还很难，自己看解析都有点不明白。这里也推荐一个前京东架构师讲解的：

《2小时精讲最新Java高频面试题》（文末免费领）

教程中除了框架、数据库、中间件、场景解析等Java高频面试题的详细讲解，还有老师结合自身经历让你如何更好的面试：评论区点赞关注评论免费领取！！！！

面试的流程
什么样的简历受欢迎？
针对不同的岗位面试官主要考察什么？
如何回答面试官的问题比较好？
自己做的项目如何讲才能体现出自己的实力？
教程里配的全套资料我也都打包好了，可以直接免费领取。就算你没有面试的打算，这套资料也能帮你查漏补缺，完善自己的 Java 技术体系，好好提升一下自己的核心竞争力！
评论区点赞关注评论免费领取！！！！