引言

每年都有各种大型促销活动，如“年度超级秒杀”，在这类活动中，优惠券的发放往往成为用户体验的关键一环。然而，在高并发场景下，如何确保优惠券秒杀系统的稳定性和公平性，却是一个亟待解决的问题。

背景场景

以“年度超级秒杀”活动为例，活动限量100张高价值优惠券，活动上线首秒吸引大量用户同时涌入，瞬时峰值QPS达10万次/秒。面对如此高的并发量，系统必须确保在高并发下不崩溃、不超卖，并且保证先到先得的原则。

核心诉求

1. 服务器稳定性：确保系统在超高并发下不崩溃、不超卖。
2. 业务公平性保障：保证先到、先点击的用户抢购成功。

高并发扣款指南

在高并发场景下，如何避免超卖和少卖呢？这里分享一些实战经验：

1. 使用 Redis + Lua 进行库存扣减

Redis 是一个高性能的内存数据库，可以用来存储库存信息。通过 Lua 脚本，我们可以保证命令执行的先后顺序。具体操作如下：

-- 库存扣减脚本
local stock = tonumber(redis.call("get", KEYS[1]))
if stock > 0 then
    redis.call("decr", KEYS[1])
    return 1
else
    return 0
end

当库存为0之后，后续的请求在 Redis 中操作会失败，因为库存已经没有了，无法扣减。

2. 使用分布式锁+限流

虽然 Redis + Lua 可以保证库存扣减的顺序，但在分布式环境下，仍然需要考虑分布式锁和限流的问题。可以使用 Redis 的 SETNX 命令来实现分布式锁，并结合令牌桶算法进行限流。

import time
import redis

r = redis.Redis(host='localhost', port=6379, db=0)

def acquire_lock(lock_name, acquire_timeout=10):
    identifier = str(uuid.uuid4())
    end = time.time() + acquire_timeout
    while time.time() < end:
        if r.setnx(lock_name, identifier):
            return identifier
        time.sleep(0.001)
    return False

def release_lock(lock_name, identifier):
    with r.pipeline() as pipe:
        while True:
            try:
                pipe.watch(lock_name)
                if pipe.get(lock_name) == identifier:
                    pipe.multi()
                    pipe.delete(lock_name)
                    pipe.execute()
                    return True
                pipe.unwatch()
                break
            except redis.WatchError:
                pass
    return False

# 获取锁
lock_name = "coupon_lock"
identifier = acquire_lock(lock_name)

if identifier:
    try:
        # 执行库存扣减操作
        stock = int(r.decr("coupon_stock"))
        if stock >= 0:
            print("优惠券已成功扣减")
        else:
            print("库存不足")
    finally:
        # 释放锁
        release_lock(lock_name, identifier)
else:
    print("获取锁失败")

如何保证前面的人能抢到？

在高并发场景下，确保先到先得的原则至关重要。除了使用 Redis + Lua 进行库存扣减外，还可以结合消息队列（如 Kafka）来实现请求的有序处理。具体做法是将用户的请求放入消息队列中，然后按照消息的顺序依次处理库存扣减操作。

结语

高并发秒杀系统的稳定性和公平性保障是一个复杂的问题，需要综合考虑服务器稳定性、业务公平性以及分布式环境下的锁和限流等问题。通过合理的设计和优化，可以确保在高并发场景下，优惠券秒杀系统能够稳定运行，为用户提供良好的购物体验。