近期阅读了京东到家的库存系统设计。

重点描述了几个核心问题，如：

• 同订单重复扣减处理（订单锁+唯一性校验）
• 同商品库存并发扣减处理（悲观：商品锁；乐观：更新where stock > require，本质是db写的乐观锁，stock类似version，争抢严重时反复更新失败成本更高；对争抢更严重的情况如秒杀，提供的方案不是很合理（50%直接失败会导致普通的争抢也有一半失败吧？不太正常。），可能需要从做排队的方向设计，降低锁争抢带来的损耗）
• 分布式一致性（提单系统做回滚协调者+worker扫描订单列表兜底）
• 缓存在库存中的使用（未提及）（缓存一般用于详情页等读流量集中，但对库存不严格敏感的场景。实际扣减仍以唯一的库存数据为准（一般是数据库，秒杀等场景可能加载到缓存提升性能。数据库能支持复杂事务，缓存更快但逻辑需要简单））

也了解了部分库存业务逻辑（预占、可用、现货）。

可以看作是对分布式理论知识的实战经验。（理论知识可参考：分布式事务（如交易系统）_ligeforrent的博客-CSDN博客_分布式交易系统   
分布式事务简介_ligeforrent的博客-CSDN博客）

原文：

京东到家库存系统架构设计_王卫东的博客-CSDN博客_京东到家库存系统架构设计

以下为原文。

---

京东到家库存系统架构设计

作者介绍：柳志崇，2008年计算机专业毕业，一直从事于移动移动互联网及O2O新零售业务领域的工作，参与过京东到家多个亿级PV系统的研发与架构，对高并发有着丰富的实战经验。

目前，京东到家库存系统经历两年多的线上考验与技术迭代，现服务着万级商家十万级店铺的规模，需求的变更与技术演进，我们是如何做到系统的稳定性与高可用呢，下面将会给你揭晓答案

库存系统技术架构图

上图如果进行总结下，主要体现出以下几个方面

1. 完善的基础设施 
   强大的基础服务平台让应用、JVM、Docker、物理机所有健康指标一目了然，7*24小时智能监控告警让开发无须一直盯着监控；
2. 数据驱动 
   数据与业务相辅相成，用数据验证业务需求，迭代业务需求，让业务需求都尽可能的收益最大化，库存系统的开发同学只需要关注业务需求；
3. 健全的测试团队 
   大版本上线前相应的测试同学会跟进帮你压测，防止上线后潜在的性能瓶颈。

库存系统技术架构图解释说明

Portal

通过提供商家PC端、App端解决大部分中小商家的日常运营需求，另外提供开放平台满足大中型商家系统对接与数据共享互通的问题。

Service

这个板块涵盖了整个库存最核心的C&B数据业务。

1.业务类

• C正常流程：用户下单-商家拣货-快递员妥投
• C异常流程-缺货：用户下单-商家缺货-用户协商-调整订单缺货商品-商家拣货-快递员妥投
• C异常流程-取消：用户下单-用户反悔-订单取消
• C异常流程-风控：用户下单-风控拦截-订单锁定-客服审核-订单取消/继续生产
• B正常流程：商家维护可售库存数量，即时或者定时生效

2.数据类

除了业务类需求外，京东到家还提供了大量有商业价值的数据供商家作业务决策，比如

• 商品销量Top榜-支持分城市分类目筛选
• 热销商品库存不足预警-商家App版本Push通知及待办事项中可以醒目识别这部分商品并进行维护
• 红黄线自动下架-近七日订单量大于5单，并且被踩率大于等于20%的商品，进行下架操作，每日执行。
• 库存交易流水

3.中间件类

古人行军打仗，兵马未动，粮草先行，对于系统来说亦是如此，编码未动架构先行，架构的技术选型非常重要，在这里给大家分享京东技术体系上万码农都在使用的几个中间件。

• JSF，类似于DUBBO,是一款非常优秀的RPC层框架，可以解决应用间的数据通信问题，它最主要的优势是长连接的实现以及高效的序列化组件。
• JMQ，JMQ是京东自主研发的一款消息中间件系统，具有高可用、数据高可靠等特性。广泛应用于公司内部系统，包括订单、支付、库房、交易等场景。在库存系统中会优先更新Redis缓存数据，并发送变更MQ，供MySQL及ES异步更新。
• O2OWORKER，早期淘宝开源的一款产品TBSCHEDULE，不这个只适用于单项目管理，多个系统使用的话权限无法隔离，另外参数配置过于繁琐，结合这两点进行了重构，从而形成了现在的整个京东到家都在使用的任务管理平台。

DB

1.MYSQL

京东到家库存系统使用的关系型数据库是MYSQL，低成本、低耦合、轻量级，总之优势多多。

2.REDIS

丰富的数据结构&众多的原子性命令支持，非常适合库存系统进行缓存查询及扣减操作。

3.ES

库存系统的数据量非常大，首先MYSQL数据库通过水平扩容来解决单表数据量过大的问题，水平扩容的规则采取的是按门店维度进行分表（1.目前京东到家还没有到分库的阶段，2.按门店维度进行分表数据量会相对均衡一些，所以没有按照商家维度进行划分）。那么在商家PC端上查询所有商品库存及维护库存时带来了难度，比如查询该商家下所有的商品有多少条，同时处于上架状态的商品有哪些……，为了解决这一难题，引入了ES，将数据统一存储在ES集群中，解决一些涉及到聚合查询的场景。

库存系统数据流转图

库存系统数据流转图解释说明：

• 库存系统的数据流转，指的都是销售库存的数据流转，在京东到家还有自营类业务板块，即上图中提到的城市仓，由于它涉及到采购入库及盘盈盘亏等问题所以会由一套WMS系统来支撑。
• 京东到家设计初衷就是希望商家下的商品各门店共享，带来的问题就是商家新建一个商品时，需要推送到商家下所有的门店中，即所有的门店均可以看到这个商品， 或者商家新建一个门店时，需要将商家下所有的商品均推送到这个新建的门店中，所以这采用了MQ技术进行异步化批量处理。

---

写到这里，相信对大家对库存系统有了初步的了解，从上图来看功能上其实并不复杂，但是他面临的技术复杂度却是相当高的，比如秒杀品在高并发的情况下如何防止超卖，另外库存系统还不是一个纯技术的系统，需要结合用户的行为特点来考虑，比如下文中提到什么时间进行库存的扣减最合适，我们先抛出几个问题和大家一起探讨下，如有有妥不处，欢迎大家拍砖。

---

库存什么时候进行预占(或者扣减)呢

商家销售的商品数量是有限的，用户下单后商品会被扣减，我们可以怎么实现呢？

举个例子： 
一件商品有1000个库存，现在有1000个用户，每个用户计划同时购买1000个。

• （实现方案1）如果用户加入购物车时进行库存预占，那么将只能有1个用户将1000个商品加入购物车。
• （实现方案2）如果用户提交订单时进行库存预占，那么将也只能有1个用户将1000个商品提单成功，其它的人均提示“库存不足，提单失败”。
• （实现方案3）如果用户提交订单&支付成功时进行库存预占，那么这1000个人都能生成订单，但是只有1个人可以支付成功，其它的订单均会被自动取消。

京东到家目前采用的是方案2，理由：

• 用户可能只是暂时加入购物车，并不表示用户最终会提单并支付。
• 所以在购物车进行库存校验并预占，会造成其它真正想买的用户不能加入购物车的情况，但是之前加车的用户一直不付款，最终损失的是公司。
• 方案3会造成生成1000个订单，无论是在支付前校验库存还是在支付成功后再检验库存，都会造成用户准备好支付条件后却会出现99.9%的系统取消订单的概率，也就是说会给99.9%的用户体验到不爽的感觉。
• 数据表明用户提交订单不支付的占比是非常小的（相对于加入购物车不购买的行为），目前京东到家给用户预留的最长支付时间是30分钟，超过30分钟订单自动取消，预占的库存自动释放

综上所述，方案2也可能由于用户下单预占库存但最终未支付，造成库存30分钟后才能被其它用户使用的情况，但是相较于方案1，方案3无疑是折中的最好方案。

重复提交订单的问题？

重复提交订单造成的库存重复扣减的后果是比较严重的。比如商家设置有1000件商品，而实际情况可能卖了900件就提示用户无货了，给商家造成无形的损失

可能出现重复提交订单的情况：

• （1、用户善意行为）app上用户单击“提交订单”按钮后由于后端接口没有返回，用户以为没有操作成功会再次单击“提交订单”按钮
• （2、用户恶意行为）黑客直接刷提单接口，绕过App端防重提交功能
• （3、提单系统重试）比如提单系统为了提高系统的可用性，在第一次调用库存系统扣减接口超时后会重试再次提交扣减请求

好了，既然问题根源缕清楚了，我们一一对症下药

• （1、用户善意行为）app侧在用户第一次单击“提交订单”按钮后对按钮进行置灰，禁止再次提交订单
• （2、用户恶意行为）采用令牌机制，用户每次进入结算页，提单系统会颁发一个令牌ID（全局唯一），当用户点击“提交订单”按钮时发起的网络请求中会带上这个令牌ID,这个时候提单系统会优先进行令牌ID验证，令牌ID存在&令牌ID访问次数=1的话才会放行处理后续逻辑，否则直接返回
• （3、提单系统重试）这种情况则需要后端系统（比如库存系统）来保证接口的幂等性，每次调用库存系统时均带上订单号，库存系统会基于订单号增加一个分布式事务锁，伪代码如下：

int ret=redis.incr(orderId);

redis.expire(orderId,5,TimeUnit.MINUTES);

if(ret==1){

//添加成功，说明之前没有处理过这个订单号或者5分钟之前处理过了

boolean alreadySuccess=alreadySuccessDoOrder(orderProductRequest);

if(!alreadySuccess){

doOrder(orderProductRequest);

}else{

return "操作失败，原因：重复提交";

}

}else{

return "操作失败，原因：重复提交";

}

库存数据的回滚机制如何做

需要库存回滚的场景也是比较多的，比如：

• （1、用户未支付）用户下单后后悔了
• （2、用户支付后取消）用户下单&支付后后悔了
• （3、风控取消）风控识别到异常行为，强制取消订单
• （4、耦合系统故障）比如提交订单时提单系统T1同时会调用积分扣减系统X1、库存扣减系统X2、优惠券系统X3，假如X1,X2成功后，调用X3失败，需要回滚用户积分与商家库存。

其中场景1，2，3比较类似，都会造成订单取消，订单中心取消后会发送mq出来，各个系统保证自己能够正确消费订单取消MQ即可。而场景4订单其实尚未生成，相对来说要复杂些，如上面提到的，提单系统T1需要主动发起库存系统X2、优惠券系统X3的回滚请求（入参必须带上订单号），X2、X3回滚接口需要支持幂等性。

其实针对场景4，还存在一种极端情况，如果提单系统T1准备回滚时自身也宕机了，那么库存系统X2、优惠券系统X3就必须依靠自己为完成回滚操作了，也就是说具备自我数据健康检查的能力，具体来说怎么实现呢？

可以利用当前订单号所属的订单尚未生成的特点，可以通过worker机制，每次捞取40分钟（这里的40一定要大于容忍用户的支付时间）前的订单，调用订单中心查询订单的状态，确保不是已取消的，否则进行自我数据的回滚。

多人同时购买1件商品，如何安全地库存扣减

现实中同一件商品可能会出现多人同时购买的情况，我们可以如何做到并发安全呢？

伪代码片段1：

synchronized(this){

long stockNum = getProductStockNum(productId);

if(stockNum>requestBuyNum) {

String sql=" update stock_main "+

" set stockNum=stockNum-"+requestBuyNum +

" where productId="+productId;

int ret=updateSQL(sql);

if(ret==1){

return "扣减成功";

}else {

return "扣减失败";

}

}

}

伪代码片段1的设计思想是所有的请求过来之后首先加锁，强制其串行化处理，可见其效率一定不高，

伪代码片段2：

String sql=" update stock_main "+

" set stockNum=stockNum-"+requestBuyNum +

" where productId="+productId+

" and stockNum>="+requestBuyNum;

int ret=updateSQL(sql);

if(ret==1){

return "扣减成功";

}else {

return "扣减失败";

}

这段代码只是在where条件里增加了and stockNum>=”+requestBuyNum即可防止超卖的行为，达到了与上述伪代码1的功能

如果商品是促销品（比如参与了秒杀的商品）并发扣减的机率会更高，那么数据库的压力会更高，这个时候还可以怎么做呢 
海量的用户秒杀请求,本质上是一个排序,先到先得.但是如此之多的请求，注定了有些人是抢不到的，可以在进入上述伪代码Dao层之前增加一个计数器进行控制，比如有50%的流量将直接告诉其抢购失败，伪代码如下：

public class SeckillServiceImpl{

private long count=0;


public BuyResult buy(User user,int productId,int productNum){

count++;

if(count%2=1){

Thread.sleep(1000);

return new BuyResult("抢购失败");

}else{

return doBuy(user,productId,productNum);

}

}

}

另外同一个用户，不允许多次抢购同一件商品，我们又该如何做呢

public String doBuy(user,productId,productNum){

//用户除了第一次进入值为1，其它时候均大于1

int tmp=redis.incr(user.getUid()+productId);

if(tmp==1){

//1小时后key自动销毁

redis.expire(user.getUid()+productId,3600);

return doBuy1(user,productId,productNum);

}else{

return new BuyResult("抢购失败");

}

}

如果同一个用户拥有不同的帐号，来抢购同一件商品，上面的策略就失效了 
一些公司在发展早期几乎是没有限制的，很容易就可以注册很多个账号。也即是网络所谓的“僵尸账号”，数量庞大，如果我们使用几万个“僵尸号”去混进去抢购，这样就可以大大提升我们中奖的概率，那我们如何应对呢

public String doBuy1(user,productId,productNum){

String minuteKey=DateTimeUtil.getDateTimeStr("yyyyMMddHHmm");

String minuteIpCount=redis.incr(minuteKey+user.getClientIp());


// threshold为允许每分钟允许单个ip的最大访问次数

if(minuteIpCount>threshold){

//识别到这部分潜在风险用户时，会让这部分用户强制跳转到验证码页面进行校验

//校验通过后才能继续抢购商品

return getAndSendVerificationCode(user);

}else{

return doBuy2(user,productId,productNum);

}

}

库存系统的核心表结构设计

下面列出了库存系统的核心表结构，提供出来供大家在工作中能够有所参考

库存主表，命名规则：stock_center_00~99 

库存流水表，命名规则：stock_center_flow_00~99 

库存批量操作日志表，命名规则：batch_upload_log