并发扣库存问题总结

无论是日常工作中，还是面试问题中，并发扣库存都是一个很常见的场景，正好业务里有这样的场景，可以对这类问题做一下总结。

一、场景描述

负责的项目里面有2个扣库存的场景：
1.产品1：线上招募人员的产品，招募是有人数限制的，每招募成功1人，扣减库存1，直到库存为0，自动停止招募。
2.产品2：用户秒杀产品，用户在同一个时间点，同时抢一件有库存的商品。

一次扣库存，可以分解为以下3个动作：
step1：查询最新库存（query）
step2：检查库存是否足够（内存计算）
......
step3：更新库存（update）

二、问题

1.单用户重复提交未做幂等

用户同时提交了2次扣库存操作，因未做幂等，导致一次购买扣减2次库存。

2.多用户并发场景下库存超卖

2个用户抢1个库存，查询到的库存都是1，检查库存足够，然后都去扣减库存，库存变成-1，发生了超卖。

三、常见解法

对于第一个问题：
1.前端做防重机制防止用户二次提交请求。

2.后端做幂等处理，用户请求带业务token，进行校验，重复token直接返回。

对于第二个问题：
1.直接扣库存，不预检查库存update stock_table set stock = stock - 1 where stock-1 >= 0 and id = xxx，缺点是不通用，比如业务上要求库存除了有reduce还有add操作。

2.悲观锁，将扣库存操作(step1->3)变成只能串行，缺点是同一时间只能有一个用户来操作库存，导致并发量不高（无论是通过synchronized关键字、数据库锁比如select for update、分布式锁等各种方式加锁，本质都是一样的）

3.乐观锁CAS方案：相比较方法1，库存增加版本字段version，在更新库存时比较版本号例如update stock_table set version = old_version + 1,stock = stock - 1 where version = query_version and id = xxx，只有版本号没有变化，才能更新库存成功，如果版本号发生变化，则更新库存失败并进行重试。

还有一些优化比如
1.库存放到redis等缓存中，在redis中进行库存的查询、扣减，利用内存数据库的特性提高读QPS。
我当前负责的一个应用正是把库存放在了内存数据库中来提高读QPS，效果还是很显著的
2.对DB进行水平扩展（分库分表方案）来提升读写QPS等等

根据经验：
大部分简单业务场景下，方法1完全够用了，甚至一些对并发并不是特别高、业务容忍少量超卖场景下，直接扣库存，无需检查库存是否stock-1 >= 0，但是要注意如果扣减库存后，发现业务失败，可能需要做恢复库存操作。

四、如何验证

最简单粗暴的方法就是构造大流量压测：

1.第一个幂等问题，对单用户请求大流量压测，基本都能发现问题。
2.第二个多用户并发问题，多个用户的请求大流量压测，也能发现问题。

扩展下：
1个商品有多个库存，怎么处理？