第十一部分：高并发实战案例 —— 秒杀系统设计

将前面各部分知识点综合运用，设计一个高并发秒杀系统。

11.1 需求
商品库存有限，例如 100 件。

瞬时洪峰流量（例如 10 万人同时抢购）。

要求不超卖，不重复下单，系统不崩溃。

11.2 核心思路
流量层层削峰：

页面静态化 + CDN。

客户端随机延时发起请求（防集中冲击）。

API 网关限流（令牌桶）。

库存预热与扣减：

秒杀开始前将库存加载到 Redis 中。

使用 Redis 的 DECR 原子操作扣减库存，扣减成功才进入后续流程。

请求排队异步化：

扣减成功后，将下单请求写入消息队列，立即返回“排队中”。

后端 worker 串行或小并发消费队列创建订单，避免数据库死锁。

订单防重：

用户 ID + 商品 ID 作为唯一键，保证同一用户只能秒杀一次。

兜底降级：

若 Redis 或 MQ 压力过大，直接返回“活动火爆，请重试”。

11.3 伪代码实现

@RestController
public class SeckillController {
    @Autowired
    private RedisTemplate redis;
    @Autowired
    private RocketMQTemplate mq;

    @PostMapping("/seckill")
    public String seckill(Long userId, Long productId) {
        // 1. 限流（使用 Sentinel）
        // 2. 校验是否已秒杀过（Redis Set）
        Boolean already = redis.opsForSet().isMember("seckill:user:"+productId, userId);
        if (Boolean.TRUE.equals(already)) {
            return "您已参与过该活动";
        }
        // 3. 原子扣减库存
        Long stock = redis.opsForValue().decrement("seckill:stock:"+productId);
        if (stock == null || stock < 0) {
            // 库存不足，恢复库存（decrement 后为负，需加回）
            redis.opsForValue().increment("seckill:stock:"+productId);
            return "已抢光";
        }
        // 4. 记录用户参与（避免重复扣减）
        redis.opsForSet().add("seckill:user:"+productId, userId);
        // 5. 发送消息异步创建订单
        SeckillOrderMsg msg = new SeckillOrderMsg(userId, productId);
        mq.syncSend("seckill_order_topic", msg);
        return "排队中，请稍后查询结果";
    }
}

@RocketMQMessageListener(topic = "seckill_order_topic", consumerGroup = "order-group")
public class OrderConsumer implements RocketMQListener<SeckillOrderMsg> {
    @Autowired
    private OrderService orderService;

    @Override
    public void onMessage(SeckillOrderMsg msg) {
        // 幂等：使用唯一键约束（userId+productId）
        orderService.createSeckillOrder(msg.getUserId(), msg.getProductId());
    }
}

11.4 数据库设计

CREATE TABLE `seckill_order` (
    `id` bigint NOT NULL AUTO_INCREMENT,
    `user_id` bigint NOT NULL,
    `product_id` bigint NOT NULL,
    `status` tinyint DEFAULT 0,
    PRIMARY KEY (`id`),
    UNIQUE KEY `uk_user_product` (`user_id`,`product_id`)  -- 防重
);

第十二部分：高并发系统的可观测性 —— 监控、追踪、日志

分布式系统出了故障，如何快速定位？需要构建可观测性（Observability）三大支柱：指标（Metrics）、链路追踪（Tracing）、日志（Logging）。

12.1 指标监控（Prometheus + Grafana）
每个微服务暴露 /metrics 端点，Prometheus 定期拉取，存储时序数据，Grafana 可视化。

常用指标：QPS、延迟（P99）、错误率、CPU/内存/GC、线程池活跃数、MQ 积压量。

12.2 分布式链路追踪（SkyWalking、Jaeger）
通过为每个请求生成全局唯一的 Trace ID，记录调用链（Span）。可以查看请求经过哪些服务、耗时多久、在哪一步失败。

Spring Cloud Sleuth 集成示例：

spring:
  zipkin:
    base-url: http://zipkin:9411
  sleuth:
    sampler:
      probability: 1.0  # 采样率

在日志中自动注入 Trace ID，方便聚合查询。

12.3 日志收集（ELK Stack）
Filebeat 采集日志 → Logstash 过滤 → Elasticsearch 存储 → Kibana 搜索分析。

告警：基于 Prometheus Alertmanager 或 Kibana 的 Watcher，当错误率飙升或队列积压超过阈值时发送钉钉/邮件。
来源：
https://yvyus.cn/