如何设计一个支持千万级并发的分布式秒杀系统?

**面试解答：**

1. 系统分层设计
2. - **接入层**：使用Nginx+OpenResty做流量接入和Lua脚本限流，静态资源CDN化
3. - **服务层**：
4. o 秒杀服务独立部署，避免影响主业务
5. o 采用线程池隔离+熔断降级策略（Hystrix/Sentinel）
6. - **数据层**：Redis集群+分片存储库存，MySQL通过CAS更新最终库存
7. 核心问题解决
8. - **库存预热**：提前将商品库存加载到Redis，采用分段锁（如Redisson）
9. - **请求削峰**：
10. o 消息队列（Kafka/RocketMQ）异步化下单流程
11. o 前端加入随机延迟和答题验证
12. - **防超卖**：Redis原子递减+Lua脚本，MySQL最终扣减时校验
13. 容灾设计
14. - 多机房部署+流量切换能力
15. - 降级方案：本地缓存保底库存，限流后返回友好提示

考察点分析：

▌硬性能力

o 分布式锁（Redisson vs Zookeeper）的选型依据

o 消息队列如何保证最终一致性（事务消息/本地表）

o JVM层面如何优化（对象复用/GC调优）

▌软性能力

o 对CAP理论的理解（CP模式的选择）

o 技术决策的权衡（如：为什么不用数据库行锁？）

o 压测指标设计（TPS/超时率/毛刺率）

面试官预期：

高级候选人的回答应该包含：

分层架构中的技术细节（如Nginx的epoll模型）

异常场景处理（缓存穿透/集群故障转移）

真实落地经验（如压测时发现的Young GC问题）

互动点：

"如果让你在资源有限的情况下，优先保证秒杀系统的哪个指标？可用性还是数据一致性？为什么？" 欢迎在评论区留下你的方案！

（提示：实际面试中可结合阿里/京东的秒杀案例补充细节）