电商购物车系统设计：高并发与促销计算实战

1. 电商购物车模块设计思路

作为电商平台的核心功能模块之一，购物车系统承载着用户选购商品、价格计算、促销活动参与等重要功能。在小兔鲜这个生鲜电商项目中，购物车模块需要特别考虑生鲜商品的特殊性，比如库存时效性、称重计价、限购策略等业务场景。

我在实际开发中发现，一个健壮的购物车系统需要解决三个核心问题：

1. 高并发下的数据一致性问题（避免超卖）
2. 复杂的促销规则计算（满减、折扣、赠品等）
3. 跨终端的用户体验一致性（Web/小程序/APP）

2. 技术架构与核心实现

2.1 数据结构设计

购物车数据采用Redis Hash结构存储，键设计为cart:{userId}，字段为SKU ID，值为商品数量和其他扩展属性。这种结构相比关系型数据库有以下优势：

• 读写性能高（10W+ QPS）
• 支持原子操作（HINCRBY等）
• 天然支持过期时间（生鲜商品需要）

python复制# 示例数据结构
{
  "cart:10086": {
    "sku_12345": {
      "count": 2,
      "selected": 1,
      "add_time": 1630000000,
      "price": 39.9,
      "spec": "500g/盒"
    }
  }
}

2.2 并发控制方案

针对"超卖"问题，我们采用Redis+Lua脚本实现原子操作：

lua复制-- 库存检查Lua脚本
local stockKey = KEYS[1]
local cartKey = KEYS[2]
local sku = ARGV[1]
local num = tonumber(ARGV[2])

local stock = redis.call('GET', stockKey)
if not stock or tonumber(stock) < num then
    return 0
end

redis.call('HINCRBY', cartKey, sku, num)
redis.call('DECRBY', stockKey, num)
return 1

2.3 促销规则计算

促销系统采用规则引擎+优惠券池的设计：

1. 规则引擎解析满减、折扣等营销规则
2. 优惠券池管理用户可用优惠券
3. 价格计算服务整合商品价格和优惠信息

java复制// 伪代码示例
public CartPriceVO calculatePrice(CartVO cart) {
    // 1. 计算商品总价
    BigDecimal itemTotal = cart.getItems().stream()
        .map(i -> i.getPrice().multiply(i.getCount()))
        .reduce(BigDecimal.ZERO, BigDecimal::add);
    
    // 2. 应用促销规则
    List<PromotionRule> matchedRules = ruleEngine.match(cart);
    for (PromotionRule rule : matchedRules) {
        itemTotal = rule.apply(itemTotal);
    }
    
    // 3. 应用优惠券
    if (cart.getCouponId() != null) {
        Coupon coupon = couponPool.get(cart.getCouponId());
        itemTotal = coupon.apply(itemTotal);
    }
    
    return new CartPriceVO(itemTotal, ...);
}

3. 关键业务逻辑实现

3.1 生鲜商品特殊处理

针对生鲜商品的特点，我们在购物车中增加了以下逻辑：

• 库存预热：每日凌晨预占库存，售罄商品自动移出购物车
• 称重商品：显示预估价格区间，结算时按实际重量计价
• 限购策略：同一商品每人每天限购3份

3.2 购物车合并策略

用户在不同终端添加商品时，采用"最后一次修改优先"的合并策略：

1. 未登录状态使用浏览器本地存储
2. 登录后与服务端数据进行智能合并
3. 冲突时以最近操作为准

4. 性能优化实践

4.1 缓存设计

采用多级缓存架构：

1. 本地缓存（Caffeine）：存储用户最近访问的购物车数据
2. 分布式缓存（Redis）：全量购物车数据
3. 异步持久化：每5分钟将Redis数据同步到MySQL

4.2 接口优化

购物车查询接口做了以下优化：

• 压缩响应数据（去除不必要字段）
• 并行获取商品详情和促销信息
• 热点数据预加载（如爆款商品）

5. 踩坑经验分享

5.1 库存超卖问题

初期直接使用Redis DECR命令扣减库存，在秒杀场景下仍会出现超卖。最终解决方案：

1. 采用Lua脚本保证原子性
2. 增加预扣库存机制
3. 引入库存缓冲池（实际库存=显示库存*1.2）

5.2 促销规则冲突

当多个促销活动叠加时，曾出现规则冲突导致价格计算异常。我们最终制定了优先级规则：

1. 限时折扣 > 满减活动
2. 平台券 > 店铺券
3. 单品促销 > 整单促销

5.3 购物车过期策略

生鲜商品购物车需要特殊处理：

• 普通商品：30天过期
• 生鲜商品：当日23:59自动清空
• 促销商品：活动结束后移出

6. 扩展功能实现

6.1 智能推荐

基于购物车商品实时推荐：

• 互补商品（如买了牛排推荐红酒）
• 替代商品（当前商品缺货时）
• 凑单商品（差X元满减）

6.2 多店铺结算

支持不同店铺商品分开结算：

1. 按店铺分组计算运费
2. 分别应用店铺优惠
3. 统一支付接口处理

在项目上线后，购物车模块的日均调用量达到200万次，平均响应时间控制在50ms以内。通过持续优化，购物车转化率从35%提升到58%，成为项目中最稳定的模块之一。