一、系统架构设计

1.1 分层架构设计

优惠券系统需遵循清晰的分层原则，推荐采用Spring Boot框架构建四层架构：

• 表现层：RESTful API接口（Spring MVC）
• 业务层：Service组件（@Service注解）
• 数据访问层：MyBatis/JPA持久层
• 工具层：Redis缓存、分布式锁等

典型接口设计示例：

@RestController
@RequestMapping("/api/coupon")
public class CouponController {
    @Autowired
    private CouponService couponService;
    @PostMapping("/receive")
    public Result<Boolean> receiveCoupon(@RequestBody CouponReceiveRequest request) {
        return couponService.receiveCoupon(request);
    }
}

1.2 微服务化考虑

对于高并发场景，建议拆分独立服务：

• Coupon-Template-Service：管理优惠券模板
• Coupon-Stock-Service：库存控制服务
• Coupon-Receive-Service：领取核心服务

通过Spring Cloud实现服务注册与发现，使用Feign进行服务间调用。

二、数据库设计核心

2.1 核心表结构

CREATE TABLE coupon_template (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    name VARCHAR(50) NOT NULL,
    type TINYINT COMMENT '1-折扣 2-满减 3-现金券',
    discount DECIMAL(10,2),
    threshold DECIMAL(10,2),
    total_count INT DEFAULT 0,
    remaining_count INT DEFAULT 0,
    start_time DATETIME,
    end_time DATETIME,
    status TINYINT DEFAULT 1 COMMENT '1-有效 0-失效'
);
CREATE TABLE coupon_record (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    template_id BIGINT NOT NULL,
    user_id BIGINT NOT NULL,
    order_id BIGINT,
    status TINYINT DEFAULT 0 COMMENT '0-未使用 1-已使用 2-已过期',
    receive_time DATETIME DEFAULT CURRENT_TIMESTAMP,
    use_time DATETIME,
    FOREIGN KEY (template_id) REFERENCES coupon_template(id)
);

2.2 索引优化策略

• 模板表：(status, end_time)复合索引
• 记录表：(user_id, status)用户查询索引
• 模板ID单列索引加速关联查询

三、核心业务实现

3.1 领取流程实现

关键步骤伪代码：

public Result<Boolean> receiveCoupon(CouponReceiveRequest request) {
    // 1. 参数校验
    validateRequest(request);
    // 2. 分布式锁控制（基于Redis）
    String lockKey = "coupon:lock:" + request.getTemplateId();
    try {
        boolean locked = redisTemplate.opsForValue().setIfAbsent(lockKey, "1", 3, TimeUnit.SECONDS);
        if (!locked) {
            return Result.fail("系统繁忙，请稍后重试");
        }
        // 3. 库存校验与扣减
        CouponTemplate template = templateDao.selectById(request.getTemplateId());
        if (template.getRemainingCount() <= 0) {
            return Result.fail("优惠券已领完");
        }
        // 4. 创建领取记录
        CouponRecord record = new CouponRecord();
        record.setTemplateId(template.getId());
        record.setUserId(request.getUserId());
        recordDao.insert(record);
        // 5. 更新库存（原子操作）
        int updated = templateDao.decreaseStock(template.getId());
        if (updated == 0) {
            throw new RuntimeException("库存更新失败");
        }
        return Result.success(true);
    } finally {
        redisTemplate.delete(lockKey);
    }
}

3.2 库存控制方案

方案对比：

推荐方案：Redis原子操作+本地缓存

// Redis库存扣减示例
public boolean decreaseStockWithRedis(Long templateId) {
    String key = "coupon:stock:" + templateId;
    Long stock = redisTemplate.opsForValue().get(key);
    if (stock == null || stock <= 0) {
        return false;
    }
    // 使用Lua脚本保证原子性
    String luaScript = "if redis.call('get', KEYS[1]) >= tonumber(ARGV[1]) then " +
                       "return redis.call('decrby', KEYS[1], ARGV[1]) " +
                       "else return 0 end";
    Long result = redisTemplate.execute(
        new DefaultRedisScript<>(luaScript, Long.class),
        Collections.singletonList(key),
        1
    );
    return result != null && result >= 0;
}

四、高并发优化策略

4.1 缓存架构设计

• 多级缓存：本地缓存（Caffeine）+ 分布式缓存（Redis）
• 缓存预热：系统启动时加载热销优惠券
• 缓存更新：采用CANAL监听MySQL binlog实现缓存同步

4.2 异步处理方案

对于非实时性要求高的操作（如发送领取通知），采用消息队列：

@Async
public void sendCouponNotice(Long userId, Long couponId) {
    // 1. 查询用户信息
    User user = userDao.selectById(userId);
    // 2. 查询优惠券信息
    CouponTemplate template = templateDao.selectById(couponId);
    // 3. 构建消息内容
    String content = String.format("恭喜您领取到%s优惠券", template.getName());
    // 4. 发送消息（实际可接入短信/推送服务）
    messageService.send(user.getPhone(), content);
}

4.3 限流策略实现

使用Guava RateLimiter或Redis实现：

// 基于Redis的令牌桶算法
public boolean tryAcquire(String key, int permits, int timeoutSeconds) {
    String luaScript = "local current = redis.call('get', KEYS[1]) " +
                       "if current == false then " +
                       "  redis.call('set', KEYS[1], ARGV[2], 'EX', ARGV[3]) " +
                       "  current = ARGV[2] " +
                       "end " +
                       "local new = tonumber(current) - tonumber(ARGV[1]) " +
                       "if new >= 0 then " +
                       "  redis.call('set', KEYS[1], new, 'EX', ARGV[3]) " +
                       "  return 1 " +
                       "else " +
                       "  return 0 " +
                       "end";
    Long result = redisTemplate.execute(
        new DefaultRedisScript<>(luaScript, Long.class),
        Collections.singletonList(key),
        permits, 
        100, // 初始令牌数
        timeoutSeconds
    );
    return result != null && result == 1;
}

五、安全与监控

5.1 防刷策略实现

• 用户维度限流：单个用户每分钟最多领取5张
• IP维度限流：单个IP每小时最多100次请求
• 行为分析：记录用户领取路径，识别异常模式

5.2 监控指标设计

关键监控项：
| 指标 | 告警阈值 | 监控方式 |
|———|—————|—————|
| 领取成功率 | <95% | Prometheus+Grafana | | 平均响应时间 | >500ms | Spring Boot Actuator |
| 库存不一致率 | >0.1% | 定时核对任务 |
| 接口错误率 | >1% | ELK日志分析 |

六、部署与运维

6.1 容器化部署方案

Dockerfile示例：

FROM openjdk:11-jre-slim
VOLUME /tmp
ARG JAR_FILE=target/coupon-service.jar
COPY ${JAR_FILE} app.jar
ENTRYPOINT ["java","-Djava.security.egd=file:/dev/./urandom","-jar","/app.jar"]

Kubernetes部署配置要点：

• 资源限制：requests/limits设置
• 健康检查：liveness/readiness探针
• 自动扩缩：基于CPU/内存的HPA

6.2 灾备方案设计

• 数据备份：每日全量备份+实时binlog同步
• 多活部署：同城双活+异地灾备
• 熔断机制：Hystrix实现服务降级

七、最佳实践建议

1. 库存预热：活动开始前10分钟加载库存到Redis
2. 异步削峰：将领取请求写入MQ后立即返回，后端异步处理
3. 灰度发布：新优惠券模板先小流量测试
4. 数据核对：每日核对库存与记录表一致性
5. 压力测试：使用JMeter模拟5000QPS进行压测

通过以上完整方案，可构建出支持百万级日活的优惠券领取系统。实际开发中需根据具体业务场景调整技术选型，建议先实现核心领取流程，再逐步完善周边功能。