分布式架构下的信息一致性、幂等性与缓存设计实战：以库存下单为例（Cache-Aside、分布式锁、幂等键）

文章标题：分布式架构下的资料一致性、幂等性与缓存设计实战：以库存下单为例（Cache-Aside、分布式锁、幂等键）

实际场景引入 电商系统在大促期间会面临海量并发下单请求。用户可能在同一时刻发起多次下单行为，系统需要在确保库存数据一致性的前提下尽量提升响应速度。此时，缓存用于快速响应、幂等键用于防重复请求、分布式锁用于保护关键写操作，三者协同才能在高并发环境中保持正确性和高吞吐。

核心比喻 把分布式系统想象成一家繁忙的餐厅。前台是接单的服务端，厨房是数据库，厨师们的排队与同步犹如分布式锁与事务边界。缓存就像备忘单，记录最近的状态，只有在数据变更或过期时才刷新；幂等键相当于结账凭证，重复下单不会再次扣减库存；分布式锁则像排队秩序，保证同一时间只有一个人能搞定关键执行。

知识点1：数据一致性与幂等性设计 要点：同一笔下单在并发场景下不得重复扣减，幂等性键应具备全局唯一性并设置合适的有效期，结合全局唯一流水号提升鲁棒性。

代码示例（伪代码/核心逻辑） // 1) 幂等性校验 public boolean placeOrder(String productId, String userId, String idempotencyKey) { String idKey = "idemp:" + idempotencyKey; // 使用 Redis 的 SETNX 实现幂等性键的自增，若已存在，则为重复请求 Boolean isFirst = redisTemplate.opsForValue().setIfAbsent(idKey, "1", 60, TimeUnit.SECONDS); if (!Boolean.TRUE.equals(isFirst)) { // 重复请求，直接返回或抛出重复错误 return false; }

// 继续执行扣减库存等关键步骤
int stock = getStock(productId);
if (stock <= 0) throw new RuntimeException("库存不足");
decreaseStockAndInvalidateCache(productId, 1);
// 省略下单入库等后续步骤
return true;

}

// 2) 数据变更的幂等性保障：数据库事务+乐观锁/行锁等 // 在库存扣减上应用乐观锁或数据库锁，确保同一笔下单不会重复扣减

核心点2：缓存设计与一致性（Cache-Aside） 要点：Cache-Aside 模式，读取先从缓存，缓存缺失再从数据库加载并回填缓存；库存变更时主动清除或更新缓存。

代码示例 public int getStock(int productId) { String cacheKey = "stock:" + productId; String stockStr = redisTemplate.opsForValue().get(cacheKey); if (stockStr != null) { return Integer.parseInt(stockStr); } int stock = inventoryDao.findStock(productId); // 从数据库查询 // 回填缓存，设置过期时间，防止缓存雪崩 redisTemplate.opsForValue().set(cacheKey, String.valueOf(stock), 5, TimeUnit.MINUTES); return stock; }

// 当库存变更后应清除相关缓存 public void decreaseStockAndInvalidateCache(String productId, int delta) { inventoryDao.decreaseStock(productId, delta); redisTemplate.delete("stock:" + productId); }

核心点3：分布式锁与幂等键的协同保护 要点：关键区段如下单扣减需使用分布式锁，配合幂等性键避免重复扣减；锁的TTL要合理，确保在异常时不会造成死锁。

代码示例 private boolean tryLock(String key, long ttlMs) { String value = UUID.randomUUID().toString(); Boolean ok = redisTemplate.opsForValue().setIfAbsent(key, value, ttlMs, TimeUnit.MILLISECONDS); return Boolean.TRUE.equals(ok); }

private void releaseLock(String key) { redisTemplate.delete(key); }

// 下单流程中: public boolean placeOrderWithLock(String productId, String userId, String idempotencyKey) { String lockKey = "lock:order:" + productId; if (!tryLock(lockKey, 30000)) { throw new RuntimeException("系统繁忙，请稍后重试"); } try { // 幂等性校验 if (redisTemplate.opsForValue().setIfAbsent("idemp:" + idempotencyKey, "1", 60, TimeUnit.SECONDS) == false) { return false; // 重复请求 } // 执行扣减与下单 int stock = getStock(productId); if (stock <= 0) throw new RuntimeException("库存不足"); decreaseStockAndInvalidateCache(productId, 1); // 省略下单入库等后续步骤 return true; } finally { releaseLock(lockKey); } }

结论/要点

• 在高并发场景下，Cache-Aside 能显著提升响应速度，但要注意缓存与数据库的一致性。
• 幂等性键是防重复下单的核心，结合分布式锁能够提升安全性与鲁棒性。
• 设计时应充分考虑缓存穿透/雪崩、锁超时、以及事务边界，确保框架的稳定性与可扩展性。