今天咱们聊聊一个在电商系统中非常核心的功能：优惠券系统。

优惠券系统的复杂性

在我们的日常开发工作中，优惠券看似简单，实则是一个复杂的业务系统。它不仅要处理高并发的领取场景，还要保证数据一致性，防止超发等问题。一个设计不当的优惠券系统，轻则影响用户体验，重则造成巨大的经济损失。

优惠券系统的核心挑战

1. 高并发场景下的性能挑战

• 大量用户同时抢券，系统面临巨大压力
• 需要防止超发，保证库存准确性
• 实时性要求高，用户操作需要快速响应

2. 复杂的业务规则

• 不同类型的优惠券（满减券、折扣券、无门槛券等）
• 多种使用条件（品类限制、时间限制、用户等级限制等）
• 与其他营销活动的叠加规则

3. 数据一致性问题

• 库存扣减的原子性
• 用户券余额更新
• 订单结算时的券使用验证

系统架构设计

1. 整体架构

我们采用分层架构设计：

• 接入层：API网关处理请求分发
• 业务层：优惠券核心业务逻辑
• 缓存层：Redis缓存热点数据
• 存储层：MySQL存储券模板和用户券信息

2. 核心实体设计

@Entity
@Table(name = "coupon_template")
@Data
public class CouponTemplate {
    @Id
    private Long id;
    private String name;           // 券名称
    private Integer type;          // 券类型：1-满减券，2-折扣券
    private BigDecimal amount;     // 优惠金额
    private BigDecimal minAmount;  // 最低消费金额
    private Integer totalNum;      // 发放总数
    private Integer receivedNum;   // 已领取数量
    private LocalDateTime startTime; // 开始时间
    private LocalDateTime endTime;   // 结束时间
    private String condition;      // 使用条件
    private Integer status;        // 状态：1-有效，0-无效
}

核心功能实现

1. 优惠券领取

防超发机制

使用Redis分布式锁确保库存扣减的原子性：

@Service
public class CouponReceiveService {
    
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;
    
    public boolean receiveCoupon(Long userId, Long couponId) {
        String lockKey = "coupon_receive_lock:" + couponId;
        String lockValue = UUID.randomUUID().toString();
        
        try {
            // 获取分布式锁
            Boolean acquired = redisTemplate.opsForValue()
                .setIfAbsent(lockKey, lockValue, Duration.ofSeconds(10));
            
            if (Boolean.TRUE.equals(acquired)) {
                // 检查券是否还有库存
                Integer remainingStock = getCouponRemainingStock(couponId);
                if (remainingStock > 0) {
                    // 扣减库存
                    boolean deducted = deductStock(couponId);
                    if (deducted) {
                        // 生成用户券
                        createUserCoupon(userId, couponId);
                        return true;
                    }
                }
            }
        } finally {
            // 释放锁
            releaseLock(lockKey, lockValue);
        }
        return false;
    }
}

Lua脚本优化

对于更高性能的要求，我们可以使用Lua脚本来保证操作的原子性：

-- Redis Lua脚本实现库存扣减
local stock_key = KEYS[1]
local limit = tonumber(ARGV[1])

local current_stock = redis.call('GET', stock_key)
if current_stock == false then
    return -1  -- 券不存在
end

current_stock = tonumber(current_stock)
if current_stock <= 0 then
    return 0   -- 库存不足
end

if current_stock < limit then
    return redis.call('DECRBY', stock_key, current_stock)
else
    return redis.call('DECRBY', stock_key, limit)
end

2. 优惠券使用

订单结算时的券验证

在用户下单时，需要验证券的有效性：

@Service
public class CouponUseService {
    
    public CouponValidationResult validateCoupon(Long userId, Long couponId, BigDecimal orderAmount) {
        // 1. 检查券是否存在且属于用户
        UserCoupon userCoupon = getUserCoupon(userId, couponId);
        if (userCoupon == null) {
            return CouponValidationResult.invalid("券不存在");
        }
        
        // 2. 检查券状态
        if (userCoupon.getStatus() != CouponStatus.UNUSED) {
            return CouponValidationResult.invalid("券已被使用或已失效");
        }
        
        // 3. 检查是否在有效期内
        LocalDateTime now = LocalDateTime.now();
        if (now.isBefore(userCoupon.getStartTime()) || now.isAfter(userCoupon.getEndTime())) {
            return CouponValidationResult.invalid("券不在有效期内");
        }
        
        // 4. 检查订单金额是否满足条件
        CouponTemplate template = getCouponTemplate(couponId);
        if (orderAmount.compareTo(template.getMinAmount()) < 0) {
            return CouponValidationResult.invalid("未满足最低消费金额");
        }
        
        // 5. 检查其他使用条件
        if (!checkOtherConditions(userCoupon, orderInfo)) {
            return CouponValidationResult.invalid("不满足使用条件");
        }
        
        return CouponValidationResult.success(template);
    }
}

3. 批量发放

对于运营活动的批量发券，我们采用异步处理：

@Service
public class BatchCouponService {
    
    @Async
    public void batchIssueCoupons(Long couponId, List<Long> userIds) {
        // 分批处理，避免一次性处理过多数据
        int batchSize = 100;
        for (int i = 0; i < userIds.size(); i += batchSize) {
            int endIndex = Math.min(i + batchSize, userIds.size());
            List<Long> batchUsers = userIds.subList(i, endIndex);
            
            // 异步处理一批用户
            processBatch(batchUsers, couponId);
        }
    }
    
    private void processBatch(List<Long> userIds, Long couponId) {
        // 批量插入用户券记录
        // 批量更新券模板已领取数量
    }
}

性能优化策略

1. 缓存策略

• 热点券模板：使用Redis缓存券模板信息
• 用户券列表：缓存用户券列表，减少数据库查询
• 库存信息：实时缓存券库存，使用消息队列同步

2. 数据库优化

• 分库分表：用户券表按用户ID分表
• 索引优化：在常用查询字段上建立合适索引
• 读写分离：查询操作走从库，写操作走主库

3. 消息队列异步处理

• 券状态更新：异步更新券使用状态
• 统计数据：异步计算券使用统计
• 通知推送：券到账通知异步发送

安全防护措施

1. 防刷机制

• IP限流：限制同一IP的领取频率
• 用户限流：限制单用户领取数量
• 验证码：高价值券需要验证码

2. 数据校验

• 参数校验：严格校验请求参数
• 权限校验：确保用户只能操作自己的券
• 幂等性：保证重复请求不会产生副作用

监控与运维

1. 关键指标监控

• 券领取成功率
• 券使用率
• 系统响应时间
• 错误率

2. 告警机制

• 库存不足告警
• 异常领取告警
• 系统性能告警

通过这样的设计和实现，我们可以构建一个高性能、高可靠的优惠券系统，既能满足复杂的业务需求，又能应对高并发场景的挑战。

以上就是本期分享的内容，希望对你有所帮助。更多技术干货，请关注服务端技术精选，我们下期再见！