整体思路:秒杀系统的整体设计思路

场景:如何设计一个秒杀系统?

前两节我们了解了秒杀业务的独特特点和技术挑战。现在让我们站在更高的角度,从宏观层面设计秒杀系统的整体架构。

设计目标:

输入:
- 秒杀QPS:50万
- 库存:100件
- 持续时间:3秒
- 用户:50万人参与

输出:
- 系统架构图
- 核心技术选型
- 关键设计决策

整体架构设计

三层架构概览

秒杀系统采用分层架构,每一层解决特定问题:

┌─────────────────────────────────────────┐
│          用户层 (Client Layer)          │
│  • 浏览器/APP                           │
│  • 静态资源 CDN                         │
│  • 本地缓存                             │
└─────────────────────────────────────────┘
                   ↓
┌─────────────────────────────────────────┐
│         网关层 (Gateway Layer)           │
│  • 负载均衡                             │
│  • 限流熔断                             │
│  • 防刷风控                             │
└─────────────────────────────────────────┘
                   ↓
┌─────────────────────────────────────────┐
│         服务层 (Service Layer)          │
│  • 秒杀服务                             │
│  • 库存服务                             │
│  • 订单服务                             │
└─────────────────────────────────────────┘
                   ↓
┌─────────────────────────────────────────┐
│         数据层 (Data Layer)              │
│  • Redis (库存缓存)                     │
│  • MQ (消息队列)                        │
│  • MySQL (持久化)                       │
└─────────────────────────────────────────┘

各层职责详解

分层不是为了好看,而是为了让每一层只解决自己那一类问题。四层各自的职责、关键技术,以及”这一层挂了会怎样”:

层职责关键技术失效时的表现与降级
用户层把静态资源成本和交互成本降到最低CDN、页面缓存、答题/验证码、前端埋点静态资源走 CDN 兜底;页面降级为静态”已售罄”页
网关层决定”谁可以进入系统”Nginx 负载均衡、令牌桶限流、黑名单校验、JWT 鉴权限流自动收紧到最小阈值,保住秒杀服务
服务层真正执行秒杀业务秒杀服务(Lua 扣减)、订单服务、商品/用户服务秒杀服务不降级(非核心功能先关);订单服务失败进重试队列
数据层存放状态,扛住并发Redis 集群(库存/限流/黑名单)、Kafka(削峰缓冲)、MySQL 主从(事实)Redis 故障 → 查数据库 + 更严限流;MySQL 主库故障 → 只读从库 + 暂停下单

几层之间有一条隐含规则:上层可以拒绝,下层不能放行。网关层可以”拒绝大部分人”,但绝不能”多放行一个人”;下层变慢时,上层所有请求都会跟着排队。这就是为什么限流必须放在最前面——它是唯一一个能主动减少下游压力的手段。

另外,跨层调用是延迟和故障的主要来源。不要在网关里查数据库,也不要在秒杀服务里算用户画像。每层只做自己该做的事,需要别人的数据就通过缓存或 RPC 拿,不要顺手把别人的活也干了。

核心设计思路

思路一:流量削峰 🏔️

核心理念:不要让流量洪峰直接打到数据库

思路二:缓存优先 ⚡

核心理念:能走缓存就走缓存,别打数据库

思路三:异步处理 📨

核心理念:快速响应,异步处理,别让用户等

思路四:可降级 ⬇️

核心理念:系统压力过大时,优雅降级,保核心功能

核心技术选型

数据层选型

数据层不是”选一个数据库”,而是按数据的性质分开存放:

数据存放位置理由
库存余量Redis高频读写、允许短暂不一致,内存操作
扣减流水Redis(带 TTL)需要被幂等地消费和追溯
限流计数 / 黑名单Redis高频读写、共享状态
下单请求Kafka顺序写、削峰、可重放
订单 / 成交记录MySQL持久化、事务、需要可审计
用户 / 商品信息MySQL + 本地缓存读多写少,变化不频繁

判断依据是三个问题:

1. 这份数据允许"暂时不一致"吗?
   → 允许(如库存余量):放 Redis,用最终一致换性能
   → 不允许(如订单):放 MySQL,用事务换正确性

2. 这份数据的读写比例和 QPS 是多少?
   → 高频读写 → 内存(Redis)
   → 低频写、复杂查询 → 磁盘(MySQL)

3. 这份数据需要在请求链路里同步读到吗?
   → 需要 → 必须在 Redis / 内存层准备好
   → 不需要(可以异步)→ 丢进 Kafka 慢慢处理

按这个标准,库存余量放 Redis、成交事实放 MySQL、下单请求放 Kafka 就成了唯一合理的选择。扣减的具体实现见 4.1 节,一致性方案见 6.1 节,对账机制见 6.2 节。

一个常见的错误是把所有东西都塞进 Redis。Redis 内存昂贵、宕机丢数据、集群下按分片单线程执行——它适合放”热数据”,不适合放”唯一副本”。

系统架构图

架构演进

秒杀系统架构演进

V1.0 - 基础架构

最简单的三层架构,直接访问数据库

用户层

用户请求用户

Web / App / 小程序

应用层

应用服务器服务

处理业务逻辑

数据层

MySQL存储

订单、库存数据

这张图是整门课的最终形态,把前面每一章的模块都放进了对应的位置:

用户层       Web / APP / H5 → CDN 分发静态资源
接入层       Nginx LB(4 台)→ API Gateway(9 台,限流 + 鉴权 + 黑名单)
服务层       秒杀服务(10 台)、商品服务(5 台)、用户服务(5 台)
数据层       Redis 集群(6 节点)、Kafka(3 Broker)、MySQL 主从(6 台)
辅助系统     反欺诈系统、Prometheus 监控、ELK 日志

读这张图时注意三个信息:节点数量告诉你每个模块扛多少流量(秒杀服务 10 台是流量大头,商品服务 5 台因为走缓存);描述文字告诉你这个模块在链路里承担什么职责(Redis 是”库存缓存、分布式锁”,Kafka 是”异步下单、日志”);分层顺序告诉你数据流动的方向——请求自上而下,响应自下而上。

第 8.1 节会把这张图和容量规划、性能指标放在一起讲。

关键设计原则

把上面四条思路(削峰、缓存优先、异步处理、可降级)翻译成可以拿来对照代码的原则,一共六条:

  1. 流量要整形,不要硬抗——50 万 QPS 打到 10 万 QPS 承载能力的系统,结果一定是雪崩。手段是 CDN、限流、排队、令牌、异步队列。
  2. 判断前置,写入后置——“还有没有货”这种必须在请求链路内完成的判断放到 Redis;“订单行落库”这种可以稍后完成的动作交给队列。
  3. 让无效请求的成本尽可能低——99.98% 的请求注定失败,它们应该被最便宜的一层挡掉,而不是穿过全链路。
  4. 每一道防线都要独立成立——Redis 原子扣减、MySQL 条件更新、对账止损,三道防线互不依赖(见 6.3 节)。
  5. 为失败设计,而不只是为成功设计——幂等、重试退避、死信告警、降级开关、对账补偿,这些路径必须在写第一行代码时就想清楚。
  6. 可观测才能可运维——没有监控的系统,出事时只能靠猜;限流、扣减成功率、消息积压、对账差异都要有大盘和告警。

这六条原则背后是同一个判断标准:在秒杀场景里,“大部分请求注定失败”是默认前提,所有设计都要围绕这一点展开。

第 8.3 节会把这些原则做一次完整展开,并给出每条原则的量化效果。

想一想

在继续学习之前,请思考以下问题:

问题 1:为什么要把库存放在Redis?

为什么不能用数据库直接扣库存?

提示:

  • Redis是内存操作,速度快
  • Redis单线程,无锁竞争
  • Redis支持原子操作

问题 2:为什么要用消息队列?

为什么不能直接下单?

提示:

  • 削峰填谷
  • 异步处理
  • 解耦

问题 3:如何保证Redis和MySQL数据一致?

Redis扣减了库存,MySQL还没同步,怎么办?

提示:

  • 最终一致性
  • 对账机制
  • 补偿机制

发现内容有问题?

告诉我们哪里需要改进。