// Lua脚本保证原子性
String lua = "if redis.call('get', KEYS >= ARGV[1] then " +
             "return redis.call('decrby', KEYS[1], ARGV " +
             "else return -1 end";

public boolean preDeduct(String itemId, int count) {
    RedisScript<Long> script = new DefaultRedisScript<>(lua, Long.class);
    Long result = redisTemplate.execute(script, 
        Collections.singletonList(itemId), count);
    return result != null && result >= 0;
}

　　技术指标：

• 削峰能力：10万QPS → 2万TPS
• 订单处理延迟：<1秒（正常时段）

// RocketMQ事务消息示例
TransactionMQProducer producer = new TransactionMQProducer("stock_group");
producer.setExecutor(new TransactionListener() {
    @Override
    public LocalTransactionState executeLocalTransaction(Message msg) {
        // 扣减数据库库存
        return LocalTransactionState.COMMIT_MESSAGE;
    }
});

方案5：预扣库存

预扣库存是防止商品超卖的终极方案。用户提交订单时，做的是reids中库存预扣，只有当实际支付完成后，才会做数据库层的库存扣减。

// Guava RateLimiter限流
RateLimiter limiter = RateLimiter.create(1000); // 每秒1000个令牌

public boolean preDeduct(Long itemId) {
    if (!limiter.tryAcquire()) return false;
    
    // 写入预扣库存表
    preStockDao.insert(itemId, userId);
    return true;
}

性能数据：

• 百万级并发支撑能力
• 库存准确率99.999%
• 订单处理耗时200ms内

其实在很多大厂中，一般会将防止商品超卖的多种方案组合使用。

架构图如下：

 通过组合使用：

1. Redis做第一道防线（承受80%流量）
2. 分布式锁控制核心业务逻辑
3. 预扣库存+消息队列保证最终一致性

实战经验：某电商在2023年双11中：

• Redis集群承载98%请求
• 分布式锁拦截异常流量
• 预扣库存保证最终准确性

系统平稳支撑了每秒12万次秒杀请求，0超卖事故发生！