1. 项目背景与核心挑战
深夜11点,当大多数系统进入低负载状态时,美团核销接口的流量却迎来一天中的第二个高峰。这个看似简单的"券码验证-库存扣减-交易完成"链路,实际上承载着数百万小微商家夜间经营的命脉。去年夏天的一次线上事故让我意识到:当核销成功率从99.9%跌至95%时,意味着每分钟有超过200家烧烤摊、便利店面临丢单风险。
传统架构面临三个致命伤:首先是MySQL主从延迟导致"已核销却显示失败"的幻读问题;其次是缓存与数据库双写不一致引发的超卖风险;最棘手的是第三方支付渠道在夜间服务降级时,整个核销链路就会像多米诺骨牌一样崩塌。这些问题在白天可能只是技术指标的小幅波动,但在夜间经济场景下,直接关系到夫妻店能否挣出明天的房租。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 架构重构的核心逻辑
2.1 分布式事务的取舍之道
我们放弃了传统的2PC方案——对小微商家而言,花30毫秒等待事务协调者的响应,意味着可能错过门口醉汉的最后一单。最终设计的"最终一致性补偿模式"包含三个关键设计:
-
异步日志先行:所有核销请求先写入Kafka,由消费者异步处理。这里采用WAL日志模式,确保即使系统崩溃也不会丢失订单。实测显示,写入Kafka的平均耗时仅2.3ms,是原来同步写MySQL的1/15。
-
补偿型事务表:设计了一张包含
biz_id、status、retry_count等字段的transaction表。当主流程失败时,定时任务会根据退避算法(初始1分钟,指数级递增至1小时)自动重试。这里有个细节:对烧烤类商家设置更短的退避间隔,因为食材保质期更敏感。 -
人工兜底通道:当自动重试超过3次,系统会通过美团商家APP推送"待处理订单"通知,并附带语音播报功能——考虑到凌晨时分店主可能正在颠勺,没空看手机屏幕。
2.2 库存管理的双缓冲设计
针对"超卖"这个老大难问题,我们创造了"库存双缓冲池"方案:
java复制// 伪代码示例
public boolean reduceInventory(Long itemId, int quantity) {
// 第一层:Redis原子扣减
Long remaining = redis.decrBy("stock:"+itemId, quantity);
