电商库存系统设计案例详解（上）

1 库存扣减

多人同时买一件商品时（假设库存充足），每个人几乎同时下单成功，给人一种并行感觉。但真实情况， 库存只是一个数值，无论是存在mysql数据库还是redis缓存，减值时都要控制顺序，只能串行来扣减，当然为保证安全性，会设计一些锁控制。

1.1 关键技术点

• 同一个SKU，库存数量是共享

• 剩余库存要大于等于本次扣减的数量，否则超卖

• 对同一个数量多用户并发扣减时，要注意并发安全，保证数据的一致性

• 类似于秒杀这样高QPS的扣减场景，要保证性能与高可用

• 对于购物车下单场景，多个商品库存批量扣减，要保证事务

• 如果有 交易退款 ，保证库存扣减可返还

•

• 返还的数据总量不能大于扣减的总量

• 返还要保证幂等

• 可以分多次返还

1.2 数据库扣减

主要依赖数据库特性，保证扣减的一致性，逻辑简单，开发部署成本低。

1.2.1 依赖的数据库特性

• 依赖数据库的乐观锁（如版本号或者库存数量）保证数据并发扣减的强一致性

• 事务，针对购物车下单批量扣减时，部分扣减失败，数据回滚

最上面会查询当前的剩余库存（可能不准确，但没关系，这里只是第一步粗略校验），前置校验，如果已经没有库存，前置拦截生效，减少数据库写。毕竟读操作不涉及加锁，并发性能高。

2 数据库表

2.1 库存表

create table t_inventory
(
    sku_id        bigint null comment '商品规格 id',
    leaved_amount int    null comment '剩余可购买数量'
);

• 当用户取消订单，申请退货、退款，需将数量加回来

• 若商家补库存，需在此基础额外加上增量库存

2.2 流水表

create table t_inventory_flow
(
    id              bigint auto_increment comment '主键 id'
        primary key,
    sku_id          int        null comment '商品规格 id',
    order_detail_id mediumtext null comment '订单明细 id',
    quantity_trade  int        null comment '本次购买扣减的数量'
);

• 用于查看明细、对账、盘货、排查问题

• 扣减后，某些场景下做返还，也还依赖流水

2.3 单条商品的扣减SQL

update inventory 
set leaved_amount = leaved_amount - #{count} 
where sku_id='123' and leaved_amount >= #{count}

乐观锁实现原子性，在 where 条件里判断此次购买的数量≤剩余的数量。在扣减服务的代码，判断此 SQL 的返回值，若：

• 值为 1 ，表示扣减成功

• 否则，返回 0 ，表示库存不足，需回滚

2.4 扣减成功后，记录扣减的流水，并与订单明细记录关联

1. 当用户归还数量时，需带回此编号，标识此次返还属于历史上的具体哪次扣减。

2. 进行幂等控制。当用户调用扣减接口出现超时，因为用户不知道是否成功，用此编号进行重试或反查。在重试时，使用此编号进行标识防重

3 数据库扣减方案：第一次升级

极端例子：秒杀库存只有5件，活动期间峰值QPS 10W，活动结束后，上面的流水表最终只会插入5条记录，但查询QPS 10W。

所以，数据库扣减方案第一次升级主要针对 库存前置校验 模块的优化，作为前置拦截器，承载流量很大，若将流量全部压到主库，很容易把数据压垮。

考虑数据库架构升级：

采用读写分离，新增加一套从库，借助MySQL自带的数据同步能力。 库存校验时读从库。

当然，数据同步有时延，从库数据有滞后性，所以这库存校验结果不准确，但能拦截大部分无效流量 。最终能不能成功购买，由主库的 乐观扣减SQL 控制，不会影响最终扣减的准确性。

大大减轻主库查询压力。

4 数据库扣减方案：第二次升级

引入了从库，确实能分摊主库很大一部分压力，但面对秒杀万级QPS，MySQL的 千级TPS 支撑不了，需进一步升级读性能。

• 此时引入缓存中间件（如Redis），将mysql的数据定时同步到缓存中

• 库存校验 模块，从redis中查询剩余的库存数据。由于缓存基于内存操作，性能比数据库高出几个数量级，单台redis实例可以达到10W QPS的读性能

该方案升级后，基本上解决在前置 【库存校验】 环节及 【获取库存数量接口】 的性能问题，提高系统整体性能。

tips

若并发量还很高，可考虑引入 缓存集群 ，将不同的 秒杀商品sku 尽量均匀分布在多redis节点，分摊整体的峰值QPS压力。

5 数据库方案评价

优点

• ACID 超卖 少买

• 实现简单，若工期紧张或开发资源不足，很适用

缺陷

• 若参与秒杀的SKU很多，最后的写操作都是基于库存主库，性能压力大