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：

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

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：

public enum CouponState {
    INITIAL {
        @Override
        public boolean canTransitionTo(CouponState newState) {
            return newState == RECEIVED || newState == INVALID;
        }
    },
    RECEIVED {
        @Override
        public boolean canTransitionTo(CouponState newState) {
            return newState == USED || newState == EXPIRED || newState == INVALID;
        }
    },
    // 其他状态定义...
    public abstract boolean canTransitionTo(CouponState newState);
}
// 状态转换验证
public void transitionState(Coupon coupon, CouponState newState) {
    if (!coupon.getState().canTransitionTo(newState)) {
        throw new IllegalStateException("Invalid state transition");
    }
    coupon.setState(newState);
    // 持久化更新...
}

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：

   @Update("UPDATE user_coupon SET inventory = inventory - 1 " +
        "WHERE template_id = #{templateId} AND inventory > 0")
   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” + 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…

            // 更新库存
            couponTemplateMapper.reduceInventory(templateId);
        }
    }
} finally {
    releaseLock(lockKey, lockValue);
}

}

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. **Redis原子计数器**：
```java
public boolean tryReceiveWithRedis(Long templateId, Long userId) {
    String inventoryKey = "coupon:inventory:" + templateId;
    Long remaining = redisTemplate.opsForValue().decrement(inventoryKey);
    if (remaining >= 0) {
        // 创建用户优惠券
        createUserCoupon(userId, templateId);
        return true;
    } else {
        // 回滚计数器
        redisTemplate.opsForValue().increment(inventoryKey);
        return false;
    }
}

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：

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

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：

   -- 用户可用优惠券查询（索引优化）
   SELECT uc.* FROM user_coupon uc
   JOIN coupon_template ct ON uc.template_id = ct.id
   WHERE uc.user_id = ? 
   AND uc.state = 'RECEIVED'
   AND ct.end_time > NOW()
   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：

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

2. 动态配置中心：通过Apollo实现阈值动态调整，如：

   coupon:
   receive:
    maxPerDay: 10
    riskThreshold: 0.8
   expire:
    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：

   @Transactional
   public void batchIssue(List<Long> userIds, Long templateId) {
    CouponTemplate template = couponTemplateMapper.selectById(templateId);
    if (template.getInventory() < userIds.size()) {
        throw new BusinessException("库存不足");
    }
    List<UserCoupon> coupons = userIds.stream()
        .map(userId -> {
            UserCoupon coupon = new UserCoupon();
            coupon.setUserId(userId);
            coupon.setTemplateId(templateId);
            // 其他字段设置...
            return coupon;
        })
        .collect(Collectors.toList());
    userCouponMapper.batchInsert(coupons);
    couponTemplateMapper.reduceInventory(templateId, userIds.size());
   }

2. 优惠券过期自动回收：

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

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。