尼恩说在前面

秒杀，是一个非常常见的高并发面试题，很多面试官也非常熟悉，上来就让面试者设计一个秒杀系统。

在40岁老架构师 尼恩的读者交流群(50+)中，最近有小伙伴拿到了一线互联网企业如得物、阿里、滴滴、极兔、有赞、shein 希音、百度、网易的面试资格，遇到很多很重要的面试题：

分布式锁，如何实现高并发？

小伙伴 没有回答好，导致面试挂了。

小伙伴面试完了之后，来求助尼恩：如何才能回答得很漂亮，才能 让面试官刮目相看、口水直流。所以，尼恩给大家做一下系统化、体系化的梳理，使得大家内力猛增，可以充分展示一下大家雄厚的 “技术肌肉”，让面试官爱到 “不能自已、口水直流”，然后实现 ”offer自由”。

当然，这道面试题，以及参考答案，也会收入咱们的 《尼恩Java面试宝典》V173版本PDF集群，供后面的小伙伴参考，提升大家的 3高 架构、设计、开发水平。

注：本文以 PDF 持续更新，最新尼恩 架构笔记、面试题 的PDF文件，请到文末公号【技术自由圈】取。

问题场景：热点库存扣减问题

秒杀场景，有一个难度的问题：热点库存扣减问题。

• 既要保证不发生超卖

• 又要保证高并发

如何解决这个高难度的问题呢？ 答案就是使用redis 分段锁。

首先说说什么是分布式锁，普通分布式锁的不足

比如说在一个分布式系统中，存在客户端多个用户，同时通过多个业务微服务，发起一个数据修改。

如果没有分布式锁机制保证，在那多台机器上的多个服务可能进行并发修改操作，导致数据修改的不一致，出现脏读脏写，这就会造成问题。

而分布式锁机制就是为了解决类似这类问题，保证多个服务之间互斥的访问共享资源，如果一个服务抢占了分布式锁，其他服务没获取到锁，就不进行后续操作。

上图中，客户端1的服务抢占了分布式锁，可以去扣减库存。

其他服务没获取到分布式锁，就不进行后续操作。

什么是分布式锁？

• 当在分布式模型下，数据只有一份（或有限制），此时需要利用锁的技术控制某一时刻修改数据的进程数。
• 用一个状态值表示锁，对锁的占用和释放通过状态值来标识。

分布式锁的条件：

• 互斥性。在任意时刻，只有一个客户端能持有锁。
• 不会发生死锁。即使有一个客户端在持有锁的期间崩溃而没有主动解锁，也能保证后续其他客户端能加锁。
• 具有容错性。只要大部分的 Redis 节点正常运行，客户端就可以加锁和解锁。
• 解铃还须系铃人。加锁和解锁必须是同一个客户端，客户端自己不能把别人加的锁给解了。

普通的分布式锁的如何实现？

分布式锁的实现由很多种，文件锁、数据库、redis等等，比较多；分布式锁常见的多种实现方式：

1. 数据库悲观锁、
2. 数据库乐观锁；
3. 基于Redis的分布式锁；
4. 基于ZooKeeper的分布式锁。

在实践中，还是redis做分布式锁性能会高一些

尼恩提示：基于ZooKeeper的分布式锁，请参见尼恩面试宝典 专题15.

尼恩提示：基于redis 的分布式锁，请参见尼恩面试宝典 专题15.

普通分布式锁的性能问题

分布式锁一旦加了之后，对同一个商品的下单请求，会导致所有下单操作，都必须对同一个商品key加分布式锁。

假设某个场景，一个商品1分钟6000订单，每秒的 600个下单操作，

假设加锁之后，释放锁之前，查库存 -> 创建订单 -> 扣减库存，每个IO操作100ms，大概300毫秒。

具体如下图：

可以再进行一下优化，将 创建订单 + 扣减库存 并发执行，将两个100ms 减少为一个100ms，这既是空间换时间的思想，大概200毫秒。

将 创建订单 + 扣减库存 批量执行，减少一次IO，也是大概200毫秒。也就是单个商品而言，只有 5 QPS.

假设一个商品sku的数量是10000,10秒内秒杀完，也就是单个商品而言，需要 单商品 100 QPS，如何应对一个商品的 100qps秒杀。

甚至，如果单商品需要 1000qps秒杀呢？

答案是，使用 分段加锁。

分段加锁的思想来源

分段加锁的思想来源与基础知识。在尼恩的 《Java 高并发核心编程 卷2》 介绍了 JUC的 LongAdder 和 ConcurrentHashMap的源码和底层原理，他们提升性能的办法是： 分段加锁，空间换时间

尼恩经常在技术自由圈社群里边，对小伙伴们强调 基础知识的重要性，反复强调， 《Java 高并发三部曲》 一定要多刷，最好刷三遍。

尤其是 LongAdder 的实现思想，可以用于 Redis分布式锁 作为性能提升的参考设计方案，将 Redis分布式锁 优化为 Redis分段锁。

建议大家提前看看LongAdder ，有关LongAdder 的系统化学习，请参见 《Java 高并发核心编程 卷2》

优化之后：使用Redis分段锁提升秒杀的并发性能

回到前面的场景：

假设一个商品1分钟6000订单，每秒的 600个下单操作，

假设加锁之后，释放锁之前，查库存 -> 创建订单 -> 扣减库存，经过优化，每个IO操作100ms，大概200毫秒，一秒钟5个订单。

如何提高性能呢？ 空间换时间

为了达到每秒600个订单，可以将锁分成 600 /5 =120 个段，反过来， 每个段1秒可以操作5次， 120个段，合起来，及时每秒操作600次。

进行抢夺锁的，如果申请到一个具体的段呢？

• 随机路由法
• hash取模法

如果是用随机路由算法，可以将请求随机到一个分段， 如果不行，就轮询下一个分段，具体的流程，大致如下：

这个是一个理论的时间预估，没有扣除 尝试下一个分段的 时间, 另外，实际上的性能， 会比理论上差，从咱们实操案例的测试结果，也可以证明这点。

随机路由法的问题：

不同分端之间，可能库存消耗不均，导致部分用户无法扣减库存，反复进行重试，拖慢系统性能。

如何进一步优化： hash取模法。

第二次优化之后：使用hash取模法，减少库存消耗不均和无效重试

由于秒杀场景的分布式锁，实际上是为了防止超卖， 和库存是强相关的。

所以，可以结合库存，把秒杀的分布式锁进行改进。

第一步： 把redis 的分段方式进行演进，额外增加一个总库存分段锁，用于分配存储剩余的总库存。采用多批次少量分配的思路，通过定时任务，从总库存向分段库存中迁移库存。

第二步：使用hash取模法，把用户路由到某一个分段，如果分段里边的库存耗光了，就去访问剩余的总库存。

库存动态迁移

为了防止分段多库存耗光，大家都去抢占总库存锁。

采用多批次少量分配的思路，通过定时任务，从总库存向分段库存中迁移库存。

至此， hash取模法的分段锁设计方案，已经完美实现。

并且尼恩社群中，已经有小伙伴在生产上完成落地。 以上方案，也是尼恩在给他一对一改简历的时候，分享给尼恩的。

当然，如果大家简历挖掘不出来亮点，也可以找尼恩挖掘， 保证简历金光闪闪、改天换地。

说在最后

秒杀相关的面试题，是非常常见的面试题。

以上的内容，如果大家能对答如流，如数家珍，基本上 面试官会被你 震惊到、吸引到。最终，让面试官爱到 “不能自已、口水直流”。offer， 也就来了。

在面试之前，建议大家系统化的刷一波 5000页《尼恩Java面试宝典》V173，在刷题过程中，如果有啥问题，大家可以来 找 40岁老架构师尼恩交流。

另外，如果没有面试机会，可以找尼恩来帮扶、领路。

尼恩已经指导了大量的就业困难的小伙伴上岸，前段时间，帮助一个40岁+就业困难小伙伴拿到了一个年薪100W的offer，小伙伴实现了 逆天改命 。

尼恩技术圣经系列PDF

• 《NIO圣经：一次穿透NIO、Selector、Epoll底层原理》
• 《Docker圣经：大白话说Docker底层原理，6W字实现Docker自由》
• 《K8S学习圣经：大白话说K8S底层原理，14W字实现K8S自由》
• 《SpringCloud Alibaba 学习圣经，10万字实现SpringCloud 自由》
• 《大数据HBase学习圣经：一本书实现HBase学习自由》
• 《大数据Flink学习圣经：一本书实现大数据Flink自由》
• 《响应式圣经：10W字，实现Spring响应式编程自由》
• 《Go学习圣经：Go语言实现高并发CRUD业务开发》

……完整版尼恩技术圣经PDF集群，请找尼恩领取

《尼恩 架构笔记》《尼恩高并发三部曲》《尼恩Java面试宝典》PDF，请到下面公号【技术自由圈】取↓↓↓