场景介绍
在双十一和双十二进行酒类产品销售时，场景类似于秒杀业务场景，在短时间内，有大量用户进行抢购。用户根据自己拥有的购酒资格进行抢购，在此轮抢购中，实时查看剩余可以购酒的瓶数，抢购成功，则完成后续的支付操作。
实现方案
- 多级缓存
用户频繁的操作就是频繁的查询购买的商品。对于促销商品和价格的信息，提前预制到redis缓存，失效时间通常设置为24小时。对于用户信息缓存，使用本地缓存，通常设置失效时间为1分钟。 - 流量削峰漏斗
漏斗式的减少请求流量，在业务链路的过程中，我们会进行业务校验，层层过滤，如用户的账号安全，是否重复提交，购买资格，购买次数，本轮抢购数量进行校验。在网关层对于同一用户单位时间内（一般是1秒）重复提交的逻辑做统一处理，提示操作频繁。其余业务逻辑校验在下单逻辑做链式校验。 - 数据操作
对于库存的抵扣，我们使用CAS+（失败重试，超时失败）的方式进行数据库的操作，提高扣减库存的并发操作。 - 流量限流
在网关层使用令牌桶算法，对超高流量的并发请求进行了限流操作，超过了就提示操作频繁，避免系统服务超过极限。 - 定时检查，取消未支付订单，释放库存
对于下单成功，但是没有支付的订单，会定时检查，如果在规则时间内（一般是30分钟）未支付，则取消订单释放库存。
深度优化
如果秒杀场景并发量超级高，可以考虑如下两个方案进行优化如下：
- 把原来的下单然后支付的操作流程，拆分为下单和支付两步操作。在用户下单的逻辑中，使用消息中间件来对高并发下单流量进行消峰处理。即在下单时，使用消息生产者保存下单的请求，在消费者端，按照服务器承受的流程进行下单逻辑，使用消息中间件暂存了下单信息，使下单操作稍微有些延时。
- 分数量，分时段的在业务上进行流量分配操作。
技术实现可以参考如下：
1：【58沈剑架构系列】秒杀系统架构优化思路
2：1分钟出票5万张！阿里电影节抢票技术揭秘
