Java优惠券系统设计：从数据模型到高并发实践

2025年11月6日 互联网

一、优惠券系统核心数据模型设计

优惠券系统的数据模型需满足业务灵活性与查询效率的双重需求。核心实体包括Coupon（优惠券）、CouponTemplate（优惠券模板）、UserCoupon（用户优惠券）和Order（订单），四者通过外键关联形成完整业务闭环。

CouponTemplate采用模板化设计，关键字段包含：

  1. public class CouponTemplate {
  2.     private Long id;
  3.     private String name; // 模板名称
  4.     private String logo; // 优惠图标
  5.     private String intro; // 优惠说明
  6.     private String category; // 分类：满减/折扣/无门槛
  7.     private String productType; // 商品类型限制
  8.     private BigDecimal conditionPrice; // 满减门槛
  9.     private BigDecimal discountPrice; // 减免金额
  10.     private BigDecimal ratio; // 折扣率
  11.     private Date startTime; // 生效时间
  12.     private Date endTime; // 过期时间
  13.     private Integer rule; // 使用规则：1-单次 2-每日 3-每周
  14.     private Integer status; // 状态：0-草稿 1-上线 2-下线
  15.     private Integer total; // 发行总量
  16.     private Integer inventory; // 剩余库存
  17. }

这种设计支持动态规则配置，例如通过category字段区分满100减20（category=”FULL_REDUCTION”）与8折优惠（category=”DISCOUNT”），productType字段实现定向商品发放。

二、优惠券状态机与生命周期管理

优惠券状态流转需严格遵循业务规则，核心状态包括：

  1. 未领取（INITIAL）：模板创建后初始状态
  2. 已领取（RECEIVED）：用户领取但未使用
  3. 已使用（USED）：订单支付时核销
  4. 已过期（EXPIRED）：超过有效期
  5. 已作废（INVALID）：手动回收

状态转换需通过有限状态机（FSM）控制，示例代码：

  1. public enum CouponState {
  2.     INITIAL {
  3.         @Override
  4.         public boolean canTransitionTo(CouponState newState) {
  5.             return newState == RECEIVED || newState == INVALID;
  6.         }
  7.     },
  8.     RECEIVED {
  9.         @Override
  10.         public boolean canTransitionTo(CouponState newState) {
  11.             return newState == USED || newState == EXPIRED || newState == INVALID;
  12.         }
  13.     },
  14.     // 其他状态定义...
  16.     public abstract boolean canTransitionTo(CouponState newState);
  17. }
  19. // 状态转换验证
  20. public void transitionState(Coupon coupon, CouponState newState) {
  21.     if (!coupon.getState().canTransitionTo(newState)) {
  22.         throw new IllegalStateException("Invalid state transition");
  23.     }
  24.     coupon.setState(newState);
  25.     // 持久化更新...
  26. }

通过状态机确保业务规则强制执行，例如防止已使用优惠券被重复核销。

三、分布式环境下的并发控制策略

高并发场景下的优惠券领取需解决超发问题，典型解决方案包括：

  1. 数据库乐观锁：

    1. @Update("UPDATE user_coupon SET inventory = inventory - 1 " +
    2.      "WHERE template_id = #{templateId} AND inventory > 0")
    3. int reduceInventory(@Param("templateId") Long templateId);

    当返回影响行数为0时触发重试机制，适合并发量较低的场景。

  2. Redis分布式锁：
    ```java
    public boolean acquireLock(String key, String value, long expireTime) {
    return redisTemplate.opsForValue().setIfAbsent(key, value, expireTime, TimeUnit.SECONDS);
    }

// 领取逻辑示例
public void receiveCoupon(Long userId, Long templateId) {
String lockKey = “lock:coupon:” + templateId;
String lockValue = UUID.randomUUID().toString();
try {
if (acquireLock(lockKey, lockValue, 10)) {
// 双重检查库存
CouponTemplate template = couponTemplateMapper.selectById(templateId);
if (template.getInventory() > 0) {
// 创建用户优惠券
UserCoupon userCoupon = new UserCoupon();
userCoupon.setUserId(userId);
userCoupon.setTemplateId(templateId);
// 持久化…

  1.             // 更新库存
  2.             couponTemplateMapper.reduceInventory(templateId);
  3.         }
  4.     }
  5. } finally {
  6.     releaseLock(lockKey, lockValue);
  7. }

}

  1. 通过SETNX实现原子锁，结合唯一请求ID防止误删其他客户端锁。
  3. 3. **Redis原子计数器**：
  4. ```java
  5. public boolean tryReceiveWithRedis(Long templateId, Long userId) {
  6.     String inventoryKey = "coupon:inventory:" + templateId;
  7.     Long remaining = redisTemplate.opsForValue().decrement(inventoryKey);
  8.     if (remaining >= 0) {
  9.         // 创建用户优惠券
  10.         createUserCoupon(userId, templateId);
  11.         return true;
  12.     } else {
  13.         // 回滚计数器
  14.         redisTemplate.opsForValue().increment(inventoryKey);
  15.         return false;
  16.     }
  17. }

需配合定时任务将Redis库存同步至数据库，保证数据最终一致性。

四、优惠券核销与防刷策略

核销环节需实现三重校验：

  1. 状态校验：仅允许RECEIVED状态优惠券核销
  2. 有效期校验：当前时间在[startTime, endTime]区间内
  3. 规则校验：
    • 满减券需验证订单金额≥conditionPrice
    • 商品类型券需验证订单商品∈productType

防刷策略实现：

  1. public class AntiFraudService {
  2.     // 用户维度限频
  3.     public boolean checkUserFrequency(Long userId, Long templateId) {
  4.         String key = "antifraud:user:" + userId + ":template:" + templateId;
  5.         Long count = redisTemplate.opsForValue().increment(key);
  6.         if (count == 1) {
  7.             redisTemplate.expire(key, 24, TimeUnit.HOURS);
  8.         }
  9.         return count <= 5; // 每日最多使用5次
  10.     }
  12.     // 设备指纹校验
  13.     public boolean checkDeviceFingerprint(String fingerprint) {
  14.         // 实现设备指纹黑名单校验
  15.         return true;
  16.     }
  17. }

五、性能优化实践

  1. 多级缓存架构：

    • Redis缓存热点优惠券模板（TTL=5分钟）
    • Caffeine本地缓存用户已领取优惠券（TTL=10分钟）
    • 数据库分库分表（按template_id哈希分4库）

  2. 异步化处理：

    • 优惠券发放使用RabbitMQ延迟队列处理过期通知
    • 核销日志通过MQ异步落库

  3. 查询优化：

    1. -- 用户可用优惠券查询（索引优化）
    2. SELECT uc.* FROM user_coupon uc
    3. JOIN coupon_template ct ON uc.template_id = ct.id
    4. WHERE uc.user_id = ? 
    5. AND uc.state = 'RECEIVED'
    6. AND ct.end_time > NOW()
    7. AND (ct.product_type IS NULL OR ct.product_type IN (?))

六、系统扩展性设计

  1. 规则引擎集成：采用Drools实现复杂优惠规则管理，示例规则：

    1. rule "满300减50"
    2. when
    3.  $order : Order(totalPrice >= 300)
    4.  $coupon : Coupon(category == "FULL_REDUCTION" && conditionPrice <= 300)
    5. then
    6.  $order.setDiscount($coupon.getDiscountPrice());
    7. end

  2. 动态配置中心：通过Apollo实现阈值动态调整，如：

    1. coupon:
    2. receive:
    3.  maxPerDay: 10
    4.  riskThreshold: 0.8
    5. expire:
    6.  notifyBeforeDays: 3

  3. 监控告警体系：

    • Prometheus采集优惠券领取QPS、成功率
    • Grafana展示库存预警看板
    • 告警规则：连续5分钟领取失败率>10%触发告警

七、典型业务场景实现

  1. 批量发放优惠券：

    1. @Transactional
    2. public void batchIssue(List<Long> userIds, Long templateId) {
    3.  CouponTemplate template = couponTemplateMapper.selectById(templateId);
    4.  if (template.getInventory() < userIds.size()) {
    5.      throw new BusinessException("库存不足");
    6.  }
    8.  List<UserCoupon> coupons = userIds.stream()
    9.      .map(userId -> {
    10.          UserCoupon coupon = new UserCoupon();
    11.          coupon.setUserId(userId);
    12.          coupon.setTemplateId(templateId);
    13.          // 其他字段设置...
    14.          return coupon;
    15.      })
    16.      .collect(Collectors.toList());
    18.  userCouponMapper.batchInsert(coupons);
    19.  couponTemplateMapper.reduceInventory(templateId, userIds.size());
    20. }

  2. 优惠券过期自动回收：

    1. @Scheduled(cron = "0 0 2 * * ?") // 每天凌晨2点执行
    2. public void expireCouponRecovery() {
    3.  Date now = new Date();
    4.  List<UserCoupon> expiredCoupons = userCouponMapper.selectExpired(now);
    6.  expiredCoupons.forEach(coupon -> {
    7.      coupon.setState(CouponState.EXPIRED);
    8.      // 更新库存
    9.      couponTemplateMapper.recoverInventory(coupon.getTemplateId());
    10.  });
    12.  userCouponMapper.batchUpdateState(expiredCoupons);
    13. }

八、测试验证要点

  1. 并发测试：使用JMeter模拟2000用户并发领取，验证库存准确性
  2. 异常测试：
    • 数据库连接中断时系统降级处理
    • Redis主从切换时数据一致性
  3. 性能测试：
    • 单优惠券查询P99<200ms
    • 批量发放10000张优惠券耗时<3s

通过上述设计，系统可支撑千万级优惠券发放，日均百万级核销请求，在618、双11等大促期间保持99.95%以上可用性。实际实施时需根据具体业务规模调整分库分表策略和缓存粒度。

最新文章
热门标签