目前，京东到家库存系统经历两年多的线上考验与技术迭代，现服务着万级商家十万级店铺的规模，需求的变更与技术演进，我们是如何做到系统的稳定性与高可用呢，下图会给你揭晓答案(通过强大的基础服务平台让应用、JVM、Docker、物理机所有健康指标一目了然，7*24小时智能监控告警让开发无须一直盯着监控，另外数据与业务相辅相成，用数据验证业务需求，迭代业务需求，让业务需求都尽可能的收益***化，库存系统的开发同学只需要关注业务需求，大版本上线前相应的测试同学会跟进帮你压测，防止上线后潜在的性能瓶颈)。
附1：库存系统技术架构图
附2：库存系统数据流转图
库存系统的架构很有意思，从上图来看功能上其实并不复杂，但是他面临的技术复杂度却是相当高的，比如秒杀品在高并发的情况下如何防止超卖，另外库存系统还不是一个纯技术的系统，需要结合用户的行为特点来考虑，比如下文中提到什么时间进行库存的扣减最合适，我们先抛出几个问题和大家一起探讨下，如有有妥不处，欢迎大家拍砖。
库存什么时候进行预占(或者扣减)呢
商家销售的商品数量是有限的，用户下单后商品会被扣减，我们可以怎么实现呢?
举个例子：
一件商品有1000个库存，现在有1000个用户，每个用户计划同时购买1000个。
- (实现方案1)如果用户加入购物车时进行库存预占，那么将只能有1个用户将1000个商品加入购物车。
- (实现方案2)如果用户提交订单时进行库存预占，那么将也只能有1个用户将1000个商品提单成功，其它的人均提示“库存不足，提单失败”。
- (实现方案3)如果用户提交订单&支付成功时进行库存预占，那么这1000个人都能生成订单，但是只有1个人可以支付成功，其它的订单均会被自动取消。
京东到家目前采用的是方案2，理由：
- 用户可能只是暂时加入购物车，并不表示用户最终会提单并支付。
- 所以在购物车进行库存校验并预占，会造成其它真正想买的用户不能加入购物车的情况，但是之前加车的用户一直不付款，最终损失的是公司。
- 方案3会造成生成1000个订单，无论是在支付前校验库存还是在支付成功后再检验库存，都会造成用户准备好支付条件后却会出现99.9%的系统取消订单的概率，也就是说会给99.9%的用户体验到不爽的感觉。
- 数据表明用户提交订单不支付的占比是非常小的(相对于加入购物车不购买的行为)，目前京东到家给用户预留的最长支付时间是30分钟，超过30分钟订单自动取消，预占的库存自动释放
综上所述，方案2也可能由于用户下单预占库存但最终未支付，造成库存30分钟后才能被其它用户使用的情况，但是相较于方案1，方案3无疑是折中的***方案。
重复提交订单的问题?
重复提交订单造成的库存重复扣减的后果是比较严重的。比如商家设置有1000件商品，而实际情况可能卖了900件就提示用户无货了，给商家造成无形的损失
可能出现重复提交订单的情况：
- 用户善意行为)app上用户单击“提交订单”按钮后由于后端接口没有返回，用户以为没有操作成功会再次单击“提交订单”按钮
- 用户恶意行为)黑客直接刷提单接口，绕过App端防重提交功能
- 提单系统重试)比如提单系统为了提高系统的可用性，在***次调用库存系统扣减接口超时后会重试再次提交扣减请求
好了，既然问题根源捋清楚了，我们一一对症下药
- 用户善意行为)app侧在用户***次单击“提交订单”按钮后对按钮进行置灰，禁止再次提交订单
- 用户恶意行为)采用令牌机制，用户每次进入结算页，提单系统会颁发一个令牌ID(全局唯一)，当用户点击“提交订单”按钮时发起的网络请求中会带上这个令牌ID,这个时候提单系统会优先进行令牌ID验证，令牌ID存在&令牌ID访问次数=1的话才会放行处理后续逻辑，否则直接返回
- 提单系统重试)这种情况则需要后端系统(比如库存系统)来保证接口的幂等性，每次调用库存系统时均带上订单号，库存系统会基于订单号增加一个分布式事务锁，伪代码如下：
- int ret=redis.incr(orderId);
- redis.expire(orderId,5,TimeUnit.MINUTES);
- if(ret==1){
- //添加成功，说明之前没有处理过这个订单号或者5分钟之前处理过了
- boolean alreadySuccess=alreadySuccessDoOrder(orderProductRequest);
- if(!alreadySuccess){
- doOrder(orderProductRequest);
- }else{
- return "操作失败，原因：重复提交";
- }
- }else{
- return "操作失败，原因：重复提交";
- }
库存数据的回滚机制如何做
需要库存回滚的场景也是比较多的，比如：
- 用户未支付)用户下单后后悔了
- 用户支付后取消)用户下单&支付后后悔了
- 风控取消)风控识别到异常行为，强制取消订单
- (耦合系统故障)比如提交订单时提单系统T1同时会调用积分扣减系统X1、库存扣减系统X2、优惠券系统X3，假如X1,X2成功后，调用X3失败，需要回滚用户积分与商家库存。
其中场景1，2，3比较类似，都会造成订单取消，订单中心取消后会发送mq出来，各个系统保证自己能够正确消费订单取消MQ即可。而场景4订单其实尚未生成，相对来说要复杂些，如上面提到的，提单系统T1需要主动发起库存系统X2、优惠券系统X3的回滚请求(入参必须带上订单号)，X2、X3回滚接口需要支持幂等性。
其实针对场景4，还存在一种极端情况，如果提单系统T1准备回滚时自身也宕机了，那么库存系统X2、优惠券系统X3就必须依靠自己为完成回滚操作了，也就是说具备自我数据健康检查的能力，具体来说怎么实现呢?
可以利用当前订单号所属的订单尚未生成的特点，可以通过worker机制，每次捞取40分钟(这里的40一定要大于容忍用户的支付时间)前的订单，调用订单中心查询订单的状态，确保不是已取消的，否则进行自我数据的回滚。
多人同时购买1件商品，如何安全地库存扣减
现实中同一件商品可能会出现多人同时购买的情况，我们可以如何做到并发安全呢?
伪代码片段1：
- synchronized(this){
- long stockNum = getProductStockNum(productId);
- if(stockNum>requestBuyNum) {
- String sql=" update stock_main "+
- " set stockNumstockNum=stockNum-"+requestBuyNum +
- " where productId="+productId;
- int ret=updateSQL(sql);
- if(ret==1){
- return "扣减成功";
- }else {
- return "扣减失败";
- }
- }
- }
伪代码片段1的设计思想是所有的请求过来之后首先加锁，强制其串行化处理，可见其效率一定不高，
伪代码片段2：
- String sql=" update stock_main "+
- " set stockNumstockNum=stockNum-"+requestBuyNum +
- " where productId="+productId+
- " and stockNum>="+requestBuyNum;
- int ret=updateSQL(sql);
- if(ret==1){
- return "扣减成功";
- }else {
- return "扣减失败";
- }
这段代码只是在where条件里增加了and stockNum>="+requestBuyNum即可防止超卖的行为，达到了与上述伪代码1的功能
如果商品是促销品(比如参与了秒杀的商品)并发扣减的机率会更高，那么数据库的压力会更高，这个时候还可以怎么做呢
海量的用户秒杀请求,本质上是一个排序,先到先得.但是如此之多的请求，注定了有些人是抢不到的，可以在进入上述伪代码Dao层之前增加一个计数器进行控制，比如有50%的流量将直接告诉其抢购失败，伪代码如下：
- public class SeckillServiceImpl{
- private long count=0;
- public BuyResult buy(User user,int productId,int productNum){
- count++;
- if(count%2=1){
- Thread.sleep(1000);
- return new BuyResult("抢购失败");
- }else{
- return doBuy(user,productId,productNum);
- }
- }
- }
另外同一个用户，不允许多次抢购同一件商品，我们又该如何做呢
- public String doBuy(user,productId,productNum){
- //用户除了***次进入值为1，其它时候均大于1
- int tmp=redis.incr(user.getUid()+productId);
- if(tmp==1){
- //1小时后key自动销毁
- redis.expire(user.getUid()+productId,3600);
- return doBuy1(user,productId,productNum);
- }else{
- return new BuyResult("抢购失败");
- }
- }
如果同一个用户拥有不同的帐号，来抢购同一件商品，上面的策略就失效了。
一些公司在发展早期几乎是没有限制的，很容易就可以注册很多个账号。也即是网络所谓的“僵尸账号”，数量庞大，如果我们使用几万个“僵尸号”去混进去抢购，这样就可以大大提升我们中奖的概率，那我们如何应对呢？
- public String doBuy1(user,productId,productNum){
- String minuteKey=DateTimeUtil.getDateTimeStr("yyyyMMddHHmm");
- String minuteIpCount=redis.incr(minuteKey+user.getClientIp());
- // threshold为允许每分钟允许单个ip的***访问次数
- if(minuteIpCount>threshold){
- //识别到这部分潜在风险用户时，会让这部分用户强制跳转到验证码页面进行校验
- //校验通过后才能继续抢购商品
- return getAndSendVerificationCode(user);
- }else{
- return doBuy2(user,productId,productNum);
- }
- }
另外将库存系统的核心表结构设计提供出来供大家参考
库存主表，命名规则：stock_center_00~99
库存流水表，命名规则：stock_center_flow_00~99
库存批量操作日志表，命名规则：batch_upload_log
【本文是51CTO专栏作者张开涛的原创文章，作者微信公众号：开涛的博客( kaitao-1234567)】
