高并发场景下，如何设计订单库存架构，一共9个关键性问题

库存系统可以分为实物库存和虚拟库存两种类型。实物库存的管理涉及到采购、存储、销售和库存轮换等复杂的活动，需要进行供应链管理和仓库管理等工作。相比之下，虚拟库存的管理相对简单，主要适用于线上资源的数量管理，包括各类虚拟商品权益，例如线上课程、付费优惠券包和活动库存等。五阳哥长期从事虚拟电商领域，在今天的分享中将主要介绍虚拟库存的管理。

假设产品需求中要求设置商品库存，限制售卖数量。我们应该如何设计技术方案？有哪些设计重点？

一共9个关键问题，全文目录如下

1. 记录库存余额还是记录售卖数量？

方案1：记录库存余额的方案是，每次购买时库存余额都减去购买数量。一旦库存余额小于等于 0，则无法再减少库存数量，商品则不可再售卖，直至库存得到补充。示例SQL如下

update inventory set cnt = cnt - #{buyCnt} WHERE productId = #{productId} AND cnt - #{buyCnt} >= 0

方案2：记录售卖数量的方案是，每次购买时，已售卖数量 + 当前购买数量。加和以后，一旦已购买数量大于库存总数时，则库存不足，商品则不可再对外售卖，直至库存得到补充。

update inventory set cnt = cnt + #{buyCnt} WHERE productId = #{productId} AND cnt + #{buyCnt} <= totalCnt

这两个方案都可以实现库存功能。但是在库存不足后，需要补充库存的场景，两个方案存在差异，存在优劣。

例如当前总库存为100，已售卖了51个，剩余库存为49个。按照方案1（库存余额）的要求，当库存从100增加到200时，除了库存总数需要增加，剩余库存数量也需要增加100个，变为149个。

然而，减少库存总数这一场景，方案1的实现方案更加复杂。当库存从100减少到50时，由于库存余额为49个，库存余额减掉50后，则为-1。因为库存余额为负数属于异常场景，所以需要将剩余库存设置为0。然而，这会引起数据的一致性问题。

因为库存余额不准确，所以已售卖数量 = 库存总数 - 库存余额，这个等式也不再正确，如果商品需要展示已售数量，使用这个公式就无法保证已售数量的准确性。

在方案1中，每次调整库存总数都需要调整库存余额，增加了操作复杂度。因为C端交易流程需要操作库存余额，B端调整库存总数也会涉及调整库存余额，BC端的库存操作需要互斥，否则会出现数据不一致的问题。

相比之下，方案2（记录售卖数量）则没有方案1的困境。增加或减少库存总数只需要调整相应的库存总数即可。当前售卖数量只有C端交易流程会修改，库存总数只有B端库存管理场景会修改。查询商品的已售卖数量只需要查库存的已售数量即可，而商品的库存余额可以通过库存总数减去已售数量得到。商品库存余额 = 库存总数 - 已售数量，BC端的操作不会影响这个等式的正确性。

综上所述，方案1使用库存余额更加复杂，并且没有明显的收益。而方案2记录售卖数量的方案更加简单，调整库存更加简洁优雅，而且不会出现数据一致性问题。通过记录售卖数量，很容易就可以知道当前商品的已售卖数量。

2. 是否需要预占库存？

在我所看到的大部分库存系统设计中，都提到了预占库存。仿佛必须要有预占库存，这里五哥甩一句话：虚拟商品库存无需预占库存。

预占库存是实物商品库存领域的设计，用户下单完成库存预占，仓储系统发货后释放预占库存，预占库存可以监控已下单未发货库存量。由于实物商品下单完成到发货完成有一段较长的时间窗口，并且为了更好的监控未发货库存数量，设计出预占库存这样一个概念。虚拟商品领域库存不存在发货这个动作，库存直接扣减就完事，整预占库存完全是增加系统理解难度，完全脱ku zi放X 的设计。

假如有预占库存

如果引入预占库存，库存充足的计算公式更加复杂，库存交互场景也更加复杂。

库存是否充足的公式则变为：总库存 > 已售卖数量+预占数量+当前购买数量。这个方案跟更加复杂。

下单阶段需要增加预占库存，支付阶段需要扣减预付库存，订单取消还需要回补库存，订单超时未支付也需要扣减预占库存。需要4个场景交互。

且每一个环节工作内容不同：分别包括增加预占库存、扣减预占库存、扣减预占库存+扣减实际库存、回补库存。这4步，每一步的内容都不同，非常复杂。

每一个写操作都需要保证幂等性，这4个接口，就需要设计4种幂等方案。例如如何保证“ 扣减预占库存” 的幂等，如何保证 “扣减预占库存+扣减实际库存的幂等”

预占库存的数据准确性、预占库存和总库存的一致性也很难保证。

引入预占库存概念，大大增加了系统的复杂度。

假如没有预占库存

如果没有预占库存，库存充足计算公式更简单，库存交互也更加简单

下单阶段扣减库存，订单取消回补库存，订单超时未支付回补库存。只需要3个场景交互，相比预占库存方案，支付完成后，减少了 “扣减实际库存+扣减预占库存” 这一步。

更重要的是没有了预占库存这个概念，库存操作只有扣减库存和回补库存这两个动作，系统设计会更加简洁。保证这两个写接口的幂等，只需要库存扣减流水和库存回补流水就能做到。

由此可见，虚拟商品库存设计时增加预占库存，属于画蛇添足的设计，得不偿失。

3. 下单扣减库存还是支付扣减库存？

下单扣库存

下单前扣减库存，当订单取消和退款时回补库存。这个方案可以保证用户下单成功就一定能购买成功，下单阶段就占用库存的坏处是，如果大量用户虚假下单，但是不支付订单，就会有大量库存被占用，影响正常用户下单。

支付前扣库存

为了避免下单扣库存带来的问题，可以引入了一种新的方案：支付前扣减库存，当订单退款时，回补库存。这样，用户下单时不再占用库存，避免了大量库存被占用但未支付的情况。

然而，这种方案也存在一些问题。如果用户下单成功后在支付时库存不足，系统会向其提示 "库存已售罄"，这对用户体验造成了极大的影响。

我曾经在京东抢茅台的过程中遇到过这个问题，我认为只要下单成功，就应该能购买到商品，但在支付时被告知库存不足，我感觉自己被耍了，我非常气愤，从此以后我就再也不参与这个平台的秒杀抢购了。（后来也不用京东了，基本只用拼多多了）。

最好使用下单扣减库存

以上两个方案各有优劣，因为方案2（支付扣库存）的用户体验太差。所以尽量避免使用方案2（支付扣库存），优先使用方案1（下单扣库存）。

对于方案1（下单扣库存）的弊端，也有解决办法。

通常情况下，业界会限制订单支付时长，要求用户在15-30分钟内完成支付，以避免订单长时间处于待支付状态。如果订单未在规定时间内支付，订单会被取消，库存也会被还原，因此不会一直占用库存的情况发生。

大量正常用户下单后不支付而导致订单取消率过高，说明系统存在问题阻碍用户支付。这种情况下，大量占用库存属于异常场景，可以忽略不计。

只有黑产用户才会故意使用大量账号占用库存，以影响售卖。然而仔细思考一下，占用库存、影响售卖对黑产并没有好处。所以实际发生的概率非常低。只需要让订单提单接口接入风控，风控接口识别并封杀黑产用户，让风控团队和黑产斗智斗勇就能解决方案1（下单扣库存）的弊端。

在系统设计时，我们必须进行正确的权衡。方案1的缺陷是：容易受到黑产用户的攻击，但黑产动力有限，概率较低。方案2的缺陷是：用户体验极差，可能导致用户流失。

两害相权取其轻，我认为用户体验更为重要，应该选择方案1（下单扣库存）。这也是和大多数公司的选择相同。

4. 秒杀等高并发场景的库存系统难点

在高并发和低并发场景下，我们需要考虑不同的实现方法。

对于高并发场景，要求一秒钟能够支持一万次库存扣减操作。这种情况下，我们可以选择Redis作为库存系统的存储模型。Redis具有高性能和高并发的特点，能够满足这种高并发的秒杀场景。

相比MySQL 版库存方案，基于Redis版本的库存系统要更加的笨重和复杂，数据可靠性更低、库存功能的丰富度更低，可维护性也要更差。如果在低并发业务场景使用 Redis实现库存能力，想要实现同样的功能除牺牲数据可靠性，也牺牲了数据一致性，不光如此，Redis版库存也难以实现多商品库存扣减、分时库存扣减等场景。

接下来我们优先探讨使用MySQL实现秒杀库存的瓶颈点

秒杀场景问题

在秒杀场景中，当大量用户同时抢购同一件商品时，需要同时更新商品库存。在使用InnoDB数据库时，通过行锁和死锁检测机制来确保数据并发的一致性。然而，由于大量的竞争和并发操作，行锁和死锁检测机制会导致数据库的CPU资源被短时间内占满，使得整个数据库几乎无法响应其他请求。

如何简单优化秒杀问题

秒杀的性能瓶颈并非完全因为，"大量请求集中更新一条库存很慢"，而是因为MySQL 开启死锁检测。当大量扣减库存请求到MySQL，MySQL会根据深度优先遍历整个图是否有环，有环说明死锁，这个环是事务和锁构建的环。由于请求量巨大，这个图是巨大的，这将导致遍历过程CPU负载极高。那么如果MySQL 关闭死锁检测，这个问题是否会不复存在呢？

MySQL 在其官方文档中，提到了高并发场景，建议可关闭死锁检测

在高并发系统上，当大量线程等待同一锁时，死锁检测可能会导致速度减慢。有时，禁用死锁检测，在发生死锁时依赖事务回滚的设置可能会更有效。可以使用该变量禁用死锁检测 innodb_deadlock_detect 。

默认情况下，innodb_deadlock_detect 死锁检测是开启的。需要注意禁用死锁检测后，当真出现死锁时，只能依赖事务超时机制结束死锁。超时时间通过 innodb_lock_wait_timeout 参数配置，默认50秒，比较长，建议调整到10s以下。

下图是并发场景修改同一条库存记录时，开启和关闭死锁检测的性能对比。

从图中可得知，当512个客户端线程执行扣减SQL时，响应时间超过了1秒以上，系统接近于不可用。而同样并发度，关闭死锁检测，响应时间在129毫秒，系统还可用。由此可见，关闭死锁检测确实能提高秒杀场景的库存扣减性能。但是这并不是最优的思路，因为关闭死锁检测，也无法解决行锁争抢问题带来的性能下降。

AliSQL 秒杀场景MySQL

除关闭死锁检测外，AliSQL 也提供了排队的思路解决 MySQL 热点记录更新问题。

AliSQL是基于MySQL官方版本的一个分支，由阿里云数据库团队维护。宣称“在通用基准测试场景下，AliSQL版本比MySQL官方版本有着 70% 的性能提升。在秒杀场景下，性能提升 100倍”。

AliSQL解决热点记录更新问题的方法是通过排队，以解决死锁检测和行锁争抢的问题。需要你在SQL中明确指定更新记录的ID，以让AliSQL知道在哪个记录上排队，同时AliSQL在这个场景禁用了死锁检测。并且由于采用了排队执行的方式，也避免了行锁的争抢问题。

我没有找到秒杀场景，AliSQL和MySQL的性能对比报告。但我了解到，美团MTSQL的性能报告。MTSQL也使用排队思路解决热点记录更新问题。MTSQL的性能评测结果显示，基于MySQL，单条记录每秒2500次库存扣减时，系统接近不可用，而使用MTSQL，单条记录每秒超过10000次库存扣减，响应时间仍然很快。

因此，使用MySQL端的排队解决方案能够显著提升高并发场景下库存扣减的性能，相较于原生MySQL至少提升了5倍以上的性能。

使用AliSQL、MTSQL的好处

相比基于Redis，使用MySQL 服务端排队技术，对于业务方更加简单。Redis需要复杂的机制保证Redis和数据库的数据一致。Redis难以保证库存扣减和库存流水的一致性，难以保证多个商品库存扣减的一致性。

使用AliSQL，可以继续使用数据库的事务机制，没有数据一致性的困扰，技术方案更加简洁和可靠。

有强大的底层存储系统，可以极大降低业务系统设计的复杂度！提高系统的健壮性！

底层越强大，上层越轻松！

5. 多商品库存扣减如何保证一致性?

如果一笔订单购买多个商品，如何保证多商品扣减一致性呢？在低并发场景，完全可使用MySQL事务保证库存操作的一致性。

update inventory set cnt = cnt + #{buyCnt} WHERE productId = #{productId1} AND cnt + #{buyCnt} <= totalCnt

update inventory set cnt = cnt + #{buyCnt} WHERE productId = #{productId2} AND cnt + #{buyCnt} <= totalCnt

例如同时操作productId1，productId2 两个商品的库存，可以使用以上两个SQL，在同一个事务中执行。任何一个SQL更新失败，则抛出异常，回滚事务。

高并发场景如何实现一致性呢？分别聊聊使用Redis、AliMq如何保证一致性？

如果Redis 使用Redis Cluster？

Redis中同时修改多个库存，可以使用Lua脚本，一次性检查多个库存是否充足，然后扣减库存。因为Redis是单线程模型，所以Lua脚本执行中，不会被打断，不会存在并发问题，所以每个Lua脚本可近似看成同时成功、同时失败。

但是当Redis使用集群模式时，无法使用修改多个Key的Lua脚本。

因为Redis-Cluster结构无法保证Lua脚本中多个Key的操作路由到一个节点，自然无法保证多Key操作的一致性。

所以使用Lua脚本实现多商品库存修改，必须确保Redis不得使用Cluster集群模式。

如果使用 AliSQL

使用AliSQL 和正常使用MySQL几乎一样，所以推荐高并发场景使用AliSQl实现库存方案，不推荐使用Redis。

6. 如何保证库存扣减的幂等

以上库存操作的SQL，如果重复执行会导致库存重复扣减。可以考虑在库存操作事务中，新增库存扣减流水，使用订单ID作为流水幂等键，当流水新增冲突时，则说明库存重复扣减，回滚事务即可。

SQL代码示例如下

先扣减库存，还是先新增流水

可以考虑先增加库存流水，后修改库存。

在使用AliSQL 优化秒杀场景的库存修改时，可以设置库存修改SQL在MySQL服务端执行完成后，立即提交事务，无需等待客户端提交事务，减少网络交互，提高性能。

ClientAliSQL开启事务（Spring托管事务，Spring帮忙开启事务）发起新增库存流水 SQL发起库存扣减 SQL提交事务ClientAliSQL

AliSQL 支持在第三步，扣减库存时，自动提交事务，省却了一次网络开销。

同时，先扣减库存再增加流水，会导致行锁持有的时间更长，降低了库存扣减并发度。新增库存流水在前，新增流水时，还未锁定库存行锁，其他事务可扣减库存，这样并发度更高。

（MySQL 新增记录默认是并发的 # 真丢人，工作六七年了，没搞明白MySQL插入是并发还是串行？）

回补库存也需要流水吗？

回补库存也需要流水。避免回补库存操作，重复执行，出现库存不准确现象。

库存流水表的唯一键应该包括 orderId + productId + opType。加上库存操作方向，库存扣减和回补各自对应一条流水记录。

多个商品扣减库存，需要多条流水吗？

如果多个商品的库存扣减是在同一个事务中进行的，可以考虑只记录一条库存流水。

那么，对于库存回补操作，是否也应该对应一条流水呢？库存回补操作需要对应多条流水。这是因为订单可能会进行部分退款，也就是说，部分商品会退款，而部分商品不会退款。在这种情况下，就会出现部分商品的库存回滚，而另一部分商品则不会回滚。因此，一个订单的库存回补操作可能会执行多次，相应地，库存流水也应该有多条。

刚才提到的库存流水表的唯一键orderId + productId + opType。当进行库存扣减时，由于多个商品共享同一条库存流水，可以指定 productId=0 即可。

7. 日库存、周库存等分时库存如何实现？

以日库存为例，每日库存均生成一条库存记录，扣减库存时，需指定订单的提单时间，扣减库存模块，需根据提单时间，生成对应的日库存 key。扣减对应的库存。

存储模型如下

当扣减库存时，从商品的库存配置中获取到，该商品有哪类库存。如果包含日库存、周库存，构建库存扣减上下文，计算要扣减库存的Key。

在未来可以使用inventoryType进行扩展其他库存。例如月库存、年库存等也可以这样扩展。

值得一提的是，如果库存不限制时间，而是总库存，可设定 inventoryType = 1，inventoryKey = "Total" 表示总库存。

8. 除商品库存外，还有其他库存吗？

在电商环境中，并非只有商品具备库存，很多资源实体都有库存。

例如用户领券时，当库存不足时，则无法领券，需要设置发券的库存。

例如售卖商品时，不同的渠道共用一个库存，此时库存的维度并非商品，而是渠道。

例如某个营销活动需要控制预算，需要配置活动库存，此时的库存维度并非商品，而是活动。

所以在原有的库存模型上，需要增加维度。

targetType 表示库存资源实体的类型
targetId 表示库存资源实体的 ID。

在查询和扣减库存时，我们需要额外指定所需库存资源的类型。如果客户端是商品库存场景，就需要指定资源类型为商品；如果客户端是活动库存场景，就需要指定资源类型为活动。通过新增资源类型，我们可以实现多种业务场景共用一个库存系统。

9. 如何设计库存接口的语义

通过问题2的讨论，可以得出一个结论：不需要设置预占库存。没有预占库存后，库存接口只有两个，扣减库存和回滚库存。这两个接口如何设计接口语义呢？换句话说，上游调用这两个接口何时为成功，何时为失败呢？

库存接口的各种场景

接下来，讨论这两个接口的返回值场景

库存扣减返回值处理

库存扣减的返回场景和对应处理如下

扣减成功和库存不足失败的场景，上游分别认定为成功和失败处理即可，无需赘言。

值得说明的是，如果上游调用扣减库存超时，应如何处理？重新扣减库存还是直接认定失败。我认为两者都可以，但是要区分场景。

对时间不敏感的场景

当调用扣减库存超时，如果是时间不敏感的场景，例如异步发券等，可以考虑通过重试接口，获取准确的结果。一般情况下，库存都是充足的，接口超时的时候，大多数重试扣减都是可以扣减成功的。

对时间敏感的场景

当调用扣减库存超时，如果库存接口上游对时间比较敏感，调用库存扣减超时，则认定为失败。

例如提单扣减库存接口对耗时极为敏感。因为提单接口调用链路非常复杂，往往需要很多次下游接口调用和数据库调用，所以提单接口的耗时较长。同时提单时间太长，对用户影响非常大。当提单阶段扣减库存超时了，就应该认定为库存扣减失败，终止提单即可。因为库存接口超时，说明提单接口耗时已经很长了，再次重试，则会雪上加霜，不如选择抛出异常，由用户发起重试提单。

调用库存扣减超时，认定为失败，还需要调用库存回滚接口，尝试回滚库存。因为接口超时时，无法确定库存是否扣减成功。上游应该发消息，尝试异步回滚库存。