用 Lua 脚本实现原子性库存扣减

一 设计思路与原子性原理

• 将“库存校验 + 扣减 + 幂等”全部下沉到 Redis 的一条 Lua 脚本中执行，Redis 以单线程顺序执行脚本，期间不会被其他命令插入，天然具备原子性，无需额外的分布式锁。
• 典型流程：
  1. 校验业务规则（如一人一单）；2) 校验库存是否充足；3) 执行扣减；4) 写业务标记（如已购集合）；5) 返回结果码。
• 该模式在高并发秒杀中已被广泛验证，可显著降低锁竞争与回滚成本，吞吐显著高于基于锁的方案。

二 单品扣减脚本与 Java 调用

• 脚本功能：校验用户是否重复购买，校验库存是否充足，扣减库存并记录用户，返回剩余库存或错误码。
• 返回码约定：-2 重复下单、-1 库存不足、≥0 扣减后剩余库存。

Lua 脚本 seckill.lua

-- KEYS[1] 库存key，KEYS[2] 已购用户集合key
-- ARGV[1] 购买数量，ARGV[2] 用户ID
local stockKey   = KEYS[1]
local boughtKey  = KEYS[2]
local quantity  = tonumber(ARGV[1])
local userId    = ARGV[2]

-- 1) 重复下单校验
if redis.call('SISMEMBER', boughtKey, userId) == 1 then
    return -2
end

-- 2) 库存校验
local remain = tonumber(redis.call('GET', stockKey))
if not remain or remain < quantity then
    return -1
end

-- 3) 扣减库存 & 记录用户
redis.call('DECRBY', stockKey, quantity)
redis.call('SADD', boughtKey, userId)

return remain - quantity

Java 调用（Spring Boot + StringRedisTemplate）

@Service
public class StockService {
    @Autowired
    private StringRedisTemplate redisTemplate;

    private static final String LUA_SHA = "stock:deduct:lua"; // 预加载后的 SHA

    // 预加载脚本（应用启动或首次调用时）
    @PostConstruct
    public void init() {
        String script = """
            local stockKey  = KEYS[1]
            local boughtKey = KEYS[2]
            local quantity = tonumber(ARGV[1])
            local userId   = ARGV[2]
            if redis.call('SISMEMBER', boughtKey, userId) == 1 then
                return -2
            end
            local remain = tonumber(redis.call('GET', stockKey))
            if not remain or remain < quantity then
                return -1
            end
            redis.call('DECRBY', stockKey, quantity)
            redis.call('SADD', boughtKey, userId)
            return remain - quantity
            """;
        LUA_SHA = redisTemplate.execute((RedisCallback<String>) conn ->
                conn.scriptLoad(script.getBytes(StandardCharsets.UTF_8)));
    }

    // 扣减库存
    public Long deduct(String sku, int quantity, Long userId) {
        List<String> keys = Arrays.asList("stock:" + sku, "bought:" + sku);
        Object res = redisTemplate.execute(
            (RedisConnection conn) -> conn.evalSha(
                LUA_SHA, ReturnType.INTEGER, keys.size(),
                keys.stream().map(String::getBytes).toArray(),
                String.valueOf(quantity).getBytes(),
                String.valueOf(userId).getBytes()
            )
        );
        return (Long) res; // >=0 成功剩余；-1 售罄；-2 重复
    }
}

• 要点：使用 SCRIPT LOAD + EVALSHA 减少网络传输与解析开销；脚本内完成全部判断与写入，避免竞态与回滚。

三 多商品原子扣减脚本

• 场景：一次下单涉及多个 SKU，需要“全成功或全失败”的原子性。
• 思路：先批量 MGET 获取各 SKU 库存，任一不足则立即返回“哪些不足”；全部充足再逐个 DECRBY。

Lua 脚本 multi_deduct.lua

-- KEYS: 库存key 列表；ARGV: 购买数量列表（与 KEYS 一一对应）
local stocks = redis.call('MGET', unpack(KEYS))
local args   = {unpack(ARGV)}

-- 1) 任一不足，收集不足项并返回
local insufficient = {}
for i = 1, #stocks do
    local remain = tonumber(stocks[i])
    if not remain or remain < tonumber(args[i]) then
        table.insert(insufficient, KEYS[i] .. '=' .. tostring(remain or 0))
    end
end
if #insufficient > 0 then
    return insufficient
end

-- 2) 全部充足，逐个扣减
for i = 1, #stocks do
    redis.call('DECRBY', KEYS[i], tonumber(args[i]))
end

return {} -- 空表表示全部成功

Java 调用

public List<String> multiDeduct(Map<String, Integer> skuQtyMap) {
    List<String> keys = new ArrayList<>(skuQtyMap.keySet());
    List<String> qtys = keys.stream()
        .map(k -> String.valueOf(skuQtyMap.get(k)))
        .toList();

    Object res = redisTemplate.execute((RedisConnection conn) ->
        conn.evalSha(LUA_SHA_MULTI, ReturnType.MULTI, keys.size(),
            keys.stream().map(String::getBytes).toArray(),
            qtys.stream().map(String::getBytes).toArray()
        )
    );

    // 返回空列表表示成功；非空为“库存不足清单”
    return (List<String>) res;
}

• 说明：脚本保证了“检查 + 扣减”的原子性；若需要“事务性回滚”（某一步失败整体回滚），可在扣减前先写入预留标记并在失败时补偿，或采用“两阶段提交 + 对账补偿”。

🔥 关注公众号【云技纵横】，开始更新redis缓存进阶，包含手写缓存注解，缓存雪崩等内容哟！

四 生产级注意事项与兜底

• 幂等与防超卖：对“一人一单”使用 SET/Redis 原子操作记录已购；对“不存在的 SKU”直接返回失败，避免无效请求进入脚本。
• 集群与一致性：在 Redis 主从异步复制下，极端故障切换可能丢写；建议开启 AOF（appendfsync everysec）、合理副本数，或使用 Redis-Raft 等强一致方案；核心链路可结合 Canal + MQ 异步落库与定时对账补偿，保障最终一致性。
• 性能与稳定性：优先使用 EVALSHA；对热点 SKU 可结合 本地缓存 + Redis 多级缓存；活动高峰配置降级/静态兜底与限流，避免雪崩。
• 监控与压测：关注 命中率、RT、QPS、脚本错误率、主从延迟；压测覆盖“单品/多品、充足/不足、并发冲突”场景，验证返回码与补偿链路。