内容摘要：双十一那天晚上，我盯着后台的秒杀按钮，手心全是汗。屏幕上的倒计时跳到零，我点下去，页面卡了整整三秒——这三秒里，库存从一万件直接归零。旁边技术小哥喊了一声：“又超卖了。”这不是我第一次写大屏秒杀程序，

双十一那天晚上，大屏我盯着后台的秒杀秒杀按钮，手心全是程序汗。屏幕上的大屏倒计时跳到零，我点下去，秒杀页面卡了整整三秒——这三秒里，程序库存从一万件直接归零。大屏旁边技术小哥喊了一声：“又超卖了。秒杀”这不是程序我第一次写大屏秒杀程序，但每次上线前，大屏心里还是秒杀没底。 秒杀程序的程序核心就一个字：抢。但抢的大屏背后，是秒杀成千上万个请求在同一个瞬间砸向服务器。普通接口每秒能处理几百个请求，程序秒杀场景下，这个数字得翻到几十万。硬件堆再多也没用，瓶颈往往出在数据库上——你让MySQL扛这种流量，它当场就给你脸色看。 我的做法是先把请求拦在缓存层。Redis单机就能扛十万级QPS，比数据库快两个数量级。用户点秒杀按钮，请求先打到Nginx，再转发到应用层，应用层不直接查库，而是去Redis里扣减库存。Redis的`DECR`命令是原子的，天然防超卖。但光有原子操作还不够，你得处理“库存扣成负数”的情况——每次扣减前先查一下剩余量，小于零直接返回“已售罄”。 有人会问，Redis崩了怎么办？这问题问得好。我见过最惨的事故，就是Redis主从切换的瞬间，主节点还没来得及同步数据，从节点顶上来了，库存数据回滚到几秒前——结果超卖了两百件。后来我改用Lua脚本把检查库存和扣减库存合并成一个原子操作，再配合主从哨兵，才算把这个问题压下去。 真正的难点在“公平性”。秒杀拼的是手速，但程序得保证同一用户不能反复刷。我用用户ID做分布式锁，同一时间只允许一个请求进入扣减逻辑。锁的粒度要细——按用户ID加锁，而不是全局锁，否则性能直接腰斩。另外，每个用户限制购买一件，这得靠数据库的唯一索引来兜底，光靠应用层判断不靠谱，总有并发穿透的时候。 大屏上的数字跳得飞快，那是前端每两秒轮询一次订单服务，拉取已售数量。轮询本身压力不大，但别让前端直接查数据库——中间加一层聚合服务，把数据先算好放缓存里，前端只读缓存。我见过有人图省事，让前端直接连订单表，结果秒杀还没结束，数据库连接池就满了，整个系统跟着宕机。 程序上线前，我习惯压测三遍。第一遍看正常流量下的响应时间，第二遍把并发拉到预估峰值的两倍，第三遍故意停掉一个Redis节点，看系统能不能自动切换。压测的时候，监控面板上的曲线像过山车，每次抖动都让我心跳加速。有一次压测发现，Tomcat默认的线程池只有200，直接被流量打穿——调大线程数、改用异步Servlet，才把吞吐量提上去。 秒杀结束，大屏上的数字定格在“10000”，库存恰好清零，没有超卖，也没有少卖。我松了口气，但心里清楚，这套程序下次可能还会出幺蛾子。技术就是这样，你以为堵住了所有漏洞，但总有一个你没想过的边界条件，在某个深夜等着你。