一、优惠券模块在电商项目中的核心价值

在Java电商系统开发中，优惠券模块是提升用户转化率与复购率的关键功能组件。根据2023年电商行业技术白皮书统计，具备精细化优惠券管理能力的系统可使GMV提升12%-18%。该模块涉及用户身份校验、优惠规则计算、库存控制、分布式锁等复杂技术场景，是检验开发者系统设计能力的典型模块。

1.1 业务场景覆盖

• 用户侧：新人专享券、满减券、折扣券、兑换码等领取与使用
• 运营侧：批量创建、定时发放、AB测试分组等管理功能
• 财务侧：优惠成本分摊、对账结算、风控预警等支撑功能

1.2 技术挑战分析

• 并发控制：大促期间优惠券领取的并发峰值处理
• 规则引擎：复杂优惠组合（如满300减50叠加店铺券）的计算效率
• 分布式事务：优惠券发放与库存扣减的原子性保证
• 数据一致性：多节点环境下优惠券状态的实时同步

二、数据库设计关键要点

2.1 核心表结构设计

CREATE TABLE coupon_template (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    name VARCHAR(64) NOT NULL COMMENT '优惠券名称',
    type TINYINT NOT NULL COMMENT '1-满减 2-折扣 3-免邮',
    condition DECIMAL(10,2) COMMENT '使用条件金额',
    discount DECIMAL(10,2) COMMENT '优惠金额/折扣率',
    total_count INT NOT NULL COMMENT '发放总量',
    remain_count INT NOT NULL COMMENT '剩余数量',
    start_time DATETIME NOT NULL COMMENT '生效时间',
    end_time DATETIME NOT NULL COMMENT '失效时间',
    status TINYINT DEFAULT 1 COMMENT '1-可用 0-停用',
    create_time DATETIME DEFAULT CURRENT_TIMESTAMP
);
CREATE TABLE user_coupon (
    id BIGINT PRIMARY KEY AUTO_INCREMENT,
    user_id BIGINT NOT NULL COMMENT '用户ID',
    template_id BIGINT NOT NULL COMMENT '模板ID',
    order_id BIGINT COMMENT '关联订单ID',
    status TINYINT NOT NULL COMMENT '1-未使用 2-已使用 3-已过期',
    get_time DATETIME DEFAULT CURRENT_TIMESTAMP,
    use_time DATETIME,
    FOREIGN KEY (template_id) REFERENCES coupon_template(id)
);

2.2 索引优化策略

• 用户优惠券表建立(user_id, status)复合索引，加速用户个人券包查询
• 模板表建立(status, start_time, end_time)索引，优化运营查询效率
• 添加(template_id, status)索引支持快速核销校验

三、核心业务逻辑实现

3.1 优惠券发放服务

@Service
public class CouponServiceImpl implements CouponService {
    @Autowired
    private CouponTemplateMapper templateMapper;
    @Autowired
    private UserCouponMapper userCouponMapper;
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;
    @Transactional
    public boolean grantCoupon(Long userId, Long templateId) {
        // 1. 校验模板有效性
        CouponTemplate template = templateMapper.selectById(templateId);
        if (template == null || template.getRemainCount() <= 0) {
            throw new RuntimeException("优惠券已领完");
        }
        // 2. 分布式锁控制并发
        String lockKey = "coupon:lock:" + templateId;
        try {
            boolean locked = redisTemplate.opsForValue().setIfAbsent(lockKey, "1", 3, TimeUnit.SECONDS);
            if (!locked) {
                throw new RuntimeException("系统繁忙，请稍后再试");
            }
            // 3. 更新库存（CAS操作）
            int updated = templateMapper.decreaseStock(templateId);
            if (updated <= 0) {
                throw new RuntimeException("优惠券库存不足");
            }
            // 4. 创建用户优惠券记录
            UserCoupon coupon = new UserCoupon();
            coupon.setUserId(userId);
            coupon.setTemplateId(templateId);
            coupon.setStatus(1);
            userCouponMapper.insert(coupon);
            return true;
        } finally {
            redisTemplate.delete(lockKey);
        }
    }
}

3.2 优惠计算引擎实现

public class CouponCalculator {
    public BigDecimal calculate(BigDecimal orderAmount, List<UserCoupon> availableCoupons) {
        // 1. 过滤可用券（时间、状态、金额条件）
        List<UserCoupon> validCoupons = availableCoupons.stream()
            .filter(c -> isCouponValid(c, orderAmount))
            .collect(Collectors.toList());
        // 2. 排序策略（按优惠力度）
        validCoupons.sort((c1, c2) -> {
            BigDecimal discount1 = getDiscountAmount(c1, orderAmount);
            BigDecimal discount2 = getDiscountAmount(c2, orderAmount);
            return discount2.compareTo(discount1);
        });
        // 3. 返回最优券（若无可用券返回null）
        return validCoupons.isEmpty() ? null : 
            getDiscountAmount(validCoupons.get(0), orderAmount);
    }
    private boolean isCouponValid(UserCoupon coupon, BigDecimal orderAmount) {
        // 实现时间、状态、金额条件校验
        // ...
    }
    private BigDecimal getDiscountAmount(UserCoupon coupon, BigDecimal orderAmount) {
        // 根据券类型计算实际优惠金额
        // ...
    }
}

四、简历技术亮点呈现建议

4.1 核心能力描述

• 精通分布式优惠券发放系统设计，解决高并发场景下的超发问题（Redis分布式锁+MySQL乐观锁）
• 实现基于规则引擎的优惠计算体系，支持满减、折扣、换购等12种促销类型组合
• 设计分库分表方案应对亿级优惠券数据存储（按用户ID分库，按时间分表）

4.2 性能优化案例

• 通过异步化改造将优惠券发放响应时间从500ms降至80ms
• 采用本地缓存+二级缓存架构，使优惠计算QPS从200提升至3000+
• 实现优惠券过期自动清理机制，节省存储空间40%

4.3 典型项目指标

• 支持每秒2000+的优惠券领取请求
• 优惠计算延迟控制在50ms以内
• 系统可用性达到99.95%

五、常见问题解决方案

5.1 超发问题防御

• 数据库层面：使用update coupon_template set remain_count = remain_count - 1 where id = ? and remain_count > 0的原子操作
• 应用层面：结合Redis计数器进行前置校验
• 监控层面：设置库存预警阈值，触发自动扩容

5.2 优惠计算准确性保障

• 建立优惠规则校验框架，支持：
  • 商品范围限制（白名单/黑名单）
  • 用户标签过滤（新客/老客/会员）
  • 叠加规则控制（与其他优惠互斥/可叠加）
• 实现计算过程日志记录，便于问题追溯

5.3 分布式事务处理

• 对于跨服务的优惠券核销场景，采用TCC模式：

  @Transactional
  public boolean useCoupon(Long couponId, Long orderId) {
      try {
          // 1. 预留资源（Try）
          userCouponMapper.updateStatusToUsing(couponId);
          // 2. 确认使用（Confirm）
          orderService.applyDiscount(orderId, couponId);
          userCouponMapper.updateStatusToUsed(couponId);
          return true;
      } catch (Exception e) {
          // 3. 资源回滚（Cancel）
          userCouponMapper.rollbackStatus(couponId);
          throw e;
      }
  }

六、技术演进方向

1. 规则引擎升级：引入Drools实现可视化优惠规则配置
2. 实时计算：通过Flink构建优惠效果实时分析系统
3. 智能推荐：基于用户行为数据的个性化优惠券推送
4. 区块链应用：实现优惠券流转的防篡改追溯

建议开发者在简历中重点突出：高并发场景处理经验、分布式系统设计能力、复杂业务逻辑实现技巧。可量化描述系统承载能力（如QPS、响应时间等指标），并附上具体技术方案说明，这将显著提升简历的技术说服力。