家政预约系统开发复盘:小程序H5预约并发请求处理方案
在家政预约业务高峰期,周末、节假日会出现大量用户同时在小程序、H5端提交预约请求,集中争抢同一时段的服务资源。如果并发控制方案缺失,容易出现超约、重复下单、数据库锁冲突、接口超时等问题。本文结合项目复盘,介绍一套适配小程序+H5双端的预约并发控制方案,通过限流、幂等、分布式锁、队列削峰等手段,保障时段资源的原子性抢占,同时提升接口在高并发场景下的稳定性。
一、并发场景下暴露的线上问题复盘
项目前期没有做完善的并发防护,上线后遇到几类典型问题。
第一是超约,同一个家政时段被多个用户同时下单,超出技师承接上限,引发履约纠纷;第二是重复下单,用户网络卡顿连续点击提交,前端防抖失效,小程序和H5都产生多条重复订单;第三是数据库行锁竞争,大量请求同时操作同一条时段记录,出现数据库超时;第四是高峰期接口响应缓慢,大量请求直接打满数据库连接池,影响其他业务接口。
单纯依靠前端防抖无法解决问题,H5不同浏览器、小程序端的防抖逻辑存在差异,用户多次点击、网络重试都可以绕过前端限制,必须在后端构建完整的并发防护体系。
二、整体并发处理架构设计
整体架构分为四层:网关层限流、请求层幂等校验、资源层分布式锁、业务层异步削峰。
小程序、H5的请求统一接入网关,网关基于IP、用户ID做初步限流;请求进入业务服务后,优先通过幂等号判断是否重复提交;针对时段资源抢占,使用Redis分布式锁保证同一时段的串行判定;校验通过后,将订单写入消息队列异步落库,缓解数据库瞬时压力。
Redis同时承担锁存储、时段库存缓存、幂等记录存储,MySQL作为最终数据持久化载体。双端复用同一套并发控制逻辑,不区分小程序与H5渠道。
三、幂等设计,拦截重复提交
前端提交预约时,生成唯一的幂等号,随表单参数一起传给后端。小程序和H5生成规则保持一致,基于用户ID+时间戳+随机串生成。后端以幂等号作为key存入Redis,设置较短过期时间。
核心Java代码示例:
@Service
public class AppointConcurrentService {
@Autowired
private StringRedisTemplate redisTemplate;
@Autowired
private RedisLockService redisLockService;
@Autowired
private RocketMQTemplate rocketMQTemplate;
private static final String IDEM_KEY = "house:idempotent:";
private static final String SLOT_LOCK_KEY = "house:slot:lock:";
public ResultDTO<String> submitAppoint(AppointSubmitDTO dto) {
String idempotentKey = IDEM_KEY + dto.getReqId();
// 幂等校验
Boolean exist = redisTemplate.hasKey(idempotentKey);
if (Boolean.TRUE.equals(exist)) {
return ResultDTO.fail("请勿重复提交预约");
}
// 抢占时段分布式锁
String lockKey = SLOT_LOCK_KEY + dto.getServiceId() + ":" + dto.getAppointTime();
boolean lockSuccess = redisLockService.tryLock(lockKey, 5, TimeUnit.SECONDS);
if (!lockSuccess) {
return ResultDTO.fail("当前时段预约繁忙,请稍后重试");
}
try {
// 查询时段剩余可预约名额
SlotStockDTO stock = slotStockMapper.selectStock(dto.getServiceId(), dto.getAppointTime());
if (stock.getRemainCount() <= 0) {
return ResultDTO.fail("该时段已约满");
}
// 扣减缓存库存,投递消息异步创建订单
rocketMQTemplate.convertAndSend("appoint-order-topic", dto);
redisTemplate.opsForValue().set(idempotentKey, "1", 2, TimeUnit.MINUTES);
return ResultDTO.success("预约提交成功");
} finally {
redisLockService.unLock(lockKey);
}
}
}
幂等校验放在锁逻辑之前,过滤掉绝大多数重复点击请求,减少锁竞争。
四、分布式锁控制时段资源争抢
家政预约的竞争维度是【服务ID+预约时间】,而不是用户维度。同一时段名额有限,需要保证库存查询、扣减操作是原子操作。
采用Redis Redisson分布式锁,避免手写SETNX带来的锁超时、释放异常问题。锁的持有时间设置合理,防止业务处理超时导致锁提前释放。
同时缓存时段库存数据,优先读取Redis缓存,只有缓存库存变更时同步更新数据库,减少数据库查询压力。缓存库存和数据库库存做定时对账,修正缓存和数据库不一致的数据。
五、网关限流与分级保护策略
网关配置两级限流:
- 用户级限流:同一个用户短时间内最多发起N次预约提交,防止用户高频刷接口;
- 接口级限流:预约接口设置全局QPS上限,达到阈值后直接返回繁忙提示,保护下游服务。
限流返回统一提示文案,小程序和H5前端收到返回码后,展示相同的重试引导,避免两端交互不一致。限流不做渠道区分,小程序、H5使用同一套限流阈值。
六、消息队列异步削峰,异步落库
校验和锁抢占成功之后,不直接同步写订单,而是投递消息到MQ,由消费线程异步创建订单、更新数据库时段库存。
这种方式可以把瞬时并发流量抹平,即使短时间大量预约请求涌入,数据库压力平稳。消费端同样做重试、死信处理,消息消费失败进入死信队列,后台可以人工核查补偿。
异步方案需要给用户明确提示:预约提交成功,后台正在处理,同时提供订单查询入口,避免用户以为下单失败重复提交。
七、监控、告警与兜底方案
监控指标包含:预约接口QPS、分布式锁等待次数、锁获取失败率、MQ消息堆积量、数据库慢查询。锁失败率持续走高、消息堆积超过阈值触发告警。
兜底方案:Redis故障时,降级为数据库行锁,牺牲一部分性能保证业务正确性;定时任务执行库存对账,修复缓存与数据库不一致的时段数据;记录所有预约请求日志,方便排查超约、并发异常问题。
八、测试验证要点
并发压测场景:模拟多用户从小程序、H5同时预约同一个时段,验证不会出现超约;同一个用户连续多次点击提交,幂等拦截生效;压测超过接口QPS上限,请求被限流;锁超时、消息消费失败场景,验证死信和补偿机制。同时验证锁误释放、缓存击穿等极端场景。
总结
这套并发处理方案,是从线上故障复盘后迭代成型的,核心思路是幂等防重复、分布式锁控资源、网关限流做前置防护、消息队列削峰异步落库,统一支撑小程序和H5的预约请求。前端防抖仅作为体验优化,所有并发控制逻辑收敛在后端,从根源解决超约、重复下单、数据库压力过大等问题。家政预约属于资源抢占型业务,时段资源是核心竞争点,方案可以适配保洁、家电清洗、上门维修等多类家政服务。落地时需要重点关注锁超时时间配置、缓存库存对账、消息消费幂等,在高并发可用性和数据一致性之间做好平衡。