学习抢票下单流程设计与优化

最新推荐文章于 2025-04-25 17:24:00 发布

空说

最新推荐文章于 2025-04-25 17:24:00 发布

阅读量872

点赞数 33

文章标签：高并发缓存 redis 数据库系统设计

本文链接：https://blog.csdn.net/weixin_73093777/article/details/146263199

版权

以B站票务抢购下单流程演进

1.背景

bilibili 会员购票务目前业务覆盖全国绝大部分2次元及2.5次元的展览、演出等项目。比如展览方面，有B站自己主办的BiliBili World和各种协作承办的漫展等。目前会员购票务在漫展垂直的市场率在行业中处于TOP级领先地位。bilibili 会员购票务提供多种业务形态，包括：

抢票功能：帮助用户抢购热门活动票，避免黄牛抢购风险场景发生。
电影票：提供便捷的电影票购买通道，接通站内电影营销。
选座功能：支持用户自主选择座位。
检票工具：提升现场入场效率，体现平台服务独特性
结算：业内高效、快速对账结算体系。

这些服务为用户提供便捷的票务体验，涵盖了从购票到入场到结算全流程需求。

2.目标

对于一个热门的抢购项目，用户的基本访问链路为：

项目列表/收藏 ==> 商品详情 ==> 选中对应的场次以及票种 ==> 结算页补充下单信息 ==> 下单。

在上述链路中，其中项目列表以及商详基本都是一些固定信息（商详页面的是否售完，用户也可以接受短期的延迟），所以这部分流程基本可以通过缓存去做处理

而大部分用户在结算页补充完个人信息之后，会对于创单接口进行多次且频繁的访问。下单接口流量大、实时性要求高，且直接影响交易收入转化，所以保障下单接口稳定很重要。

围绕流量峰值承载、数据库压力优化、用户等待时长缩短三大核心目标，我们对下单链路进行了三阶段迭代。

第一版 - 同步事务处理

在票务从0-1的过程中，为了增加市场的占有率，需要实现功能的快速迭代，所以对于方案的设计要以基础功能为主。

方案

流程逻辑：用户请求实时同步处理库存扣减与订单写入。

效果

初始版本过程中，足以应对普通流量下的用户下单需求，但如果是抢购的场景，大事务以及库存DB的单行扣减问题的会影响到接口的性能以及接口响应时间，甚至出现库存死锁等问题。从而导致服务的雪崩。

✅ 高并发下大事务阻塞——DB连接池耗尽，响应延迟飙升。

✅ 单行库存热点——InnoDB行锁竞争引发死锁，扣减失败率超30%。

✅ 无弹性扩展能力——服务雪崩风险显著。

第二版-异步下单 - 异步削峰

针对于抢购的场景，为了避免出现因库存以及大事务场景下影响用户下单，衍生出了异步下单的版本：

方案

流程逻辑：解耦请求接收与事务执行，引入异步分批处理。

🔹前端交互：用户获取下单Token，轮询查询结果（平均等待5-8秒）。

🔹后端处理：

✅ 库存批量冻结：合并SQL减少DB操作频次。

✅ 优惠券并行校验：拆分耦合模块提升吞吐量。

针对于用户下单接口中的容易导致DB出现异常的模块，进行异步削峰处理==>将用户下单请求以及实际下单接口，拆分为两个模块处理，并且将下单批量化处理，减少DB的操作次数，降低DB的风险。

此时用户下单分成了三个步骤：

用户下单，获取下单标识（唯一token）

2. 定时任务，批量下单，将之前的单条库存扣减、订单插入修改为进行批量冻结库存，并行冻结优惠券，批量合并sql插入数据库，最大限度上减少性能消耗

3.C端在下单页新增轮询接口根据唯一token轮询下单结果

效果

此方法很大程度上解决了数据库压力问题，但由于前端沦胥，用户体验感下降，因轮询导致阻塞等待。

第三版-redis缓存扣减库存下单

异步下单已经能够解决大部分的热门项目的抢购问题，但是从2022年之后，漫展的市场热度出现了巨大的变化，在抢购之前预估流量为平时流量的2倍，然而实际结果是比预估的流量大了10倍不止，紧随其后的BW的抢购更是说明了异步下单已经不能保证一些热门项目的抢购，对于下单接口需要进一步的改造。

在之前的异步下单链路中还是存在几个问题

前端轮询下单结果，会有一个较长时间的等待。用户体验感差
支付回调流量不可把控，如果支付回调QPS过高，也会导致库存单行扣减压力
整个流程都是串行处理，如果下游接口响应耗时过高，会导致服务雪崩问题。

所以还需要对下单链路进行处理

库存单行扣减优化
接口部分调用串行转成并行处理，降低接口响应耗时，提升服务处理速度

方案

架构升级：

🔹 库存分层设计：

Redis预扣（90%库存）：通过Lua脚本保证原子扣减，提升下单库存性能
DB兜底（10%库存）：故障熔断时启用，结合库存校准机制防超卖（日志回溯+定时校准）。

🔹 支付回调异步化：

临时表削峰：支付成功后写入待扣减记录，定时任务批量处理DB库存。
并行化链路：优惠券核销、积分计算等模块异步执行，接口响应下降。

对于库存的扣减优化，主要有两点：

下单扣减库存从DB扣改为redis扣，具体处理方式为：

a. 下单减库存，取全量库存的90%放入Redis进行扣减，确保在Redis不可用的情况下，能有部分数据库库存承接流量等待库存校准完成。

b. Redis扣减失败会通过数据库进行扣减，失败达到阈值触发库存校准，并关闭热点标。

c. 库存校准：每次缓存库存操作会记录日志，用于校准数据库库存，避免因Redis超时重试等情况产生的超卖少卖。

2. 支付回调后扣减进入临时表缓冲

支付回调存在了QPS不稳定的风险，并且因为涉及到订单状态的变更，也不能进行限流操作，但是因为此处库存不影响前台项目的销售，所以接受一定程度的延迟，在支付回调过程中，将需要扣减的冻结库存暂时写入到一张临时表中，通过定时任务的方式做批量化处理，既起到了削峰的作用，也降低了库存的操作频次，大大降低了DB的热点数据问题。