请设计一个支持旅游零售（如中免集团）高并发订单处理的系统架构，该系统需处理订单创建、支付、库存扣减、用户通知等流程，并保证数据一致性（如订单-支付-库存状态同步）。请说明核心组件设计、技术选型（如数据库、缓存、消息队列）以及如何应对峰值流量（如旅游旺季大促）。

面试辅导优化回答

1) 【一句话结论】
针对旅游零售高并发订单处理，设计微服务解耦+事件驱动+Seata TCC分布式事务+Redis缓存+Kafka消息队列的架构，通过分布式锁保证库存安全，补偿机制处理异常，应对峰值通过水平扩展和限流，确保订单-支付-库存同步与系统稳定性。

2) 【原理/概念讲解】
核心是“解耦+加速+一致”三原则：

• 微服务拆分：订单、支付、库存、通知服务独立部署，避免单点阻塞（类比：超市不同部门协作，收银、库存、采购各司其职）。
• 事件驱动：Kafka异步传递事件（如订单创建、支付成功），解耦服务强依赖，提升吞吐（类比：订单完成后发邮件通知库存部门，无需实时等待）。
• 缓存加速：Redis集群缓存热点数据（如库存余量，5分钟过期），减少数据库读压力（类比：货架上的热卖商品标签，快速查看库存）。
• 分布式事务：Seata TCC模式（预留库存、扣减库存、释放库存），通过三个阶段保证订单-支付-库存原子性，失败时补偿释放库存（类比：收银时同时扣库存和更新订单，失败则退回商品）。

3) 【对比与适用场景】

组件	定义	特性	使用场景	注意点
数据库	持久化核心数据（订单、支付、库存）	MySQL（分库分表，ShardingSphere），读写分离，事务隔离REPEATABLE READ	订单、支付、库存等需持久化的数据	需分库分表避免单库瓶颈，事务隔离防止脏读
Redis	加速热点数据读取	集群（主从+哨兵），库存余量5分钟过期	订单状态、库存余量、用户信息等高频访问数据	设置过期时间防缓存雪崩，热点数据预加载
Kafka	异步解耦服务，处理高并发消息	高吞吐、持久化、按SKU/订单ID分区	订单创建、支付成功、库存扣减等事件传递	消息持久化，消费者负载均衡，消息丢失处理（事务性消息）
Seata TCC	保证分布式数据一致性	预留库存（检查库存并锁定）、扣减库存（数据库事务）、释放库存（补偿）	订单-支付-库存同步，避免超卖	补偿逻辑需明确，确保失败时能回滚

4) 【示例】
订单创建流程伪代码（含分布式锁、消费者重试与回滚）：

1. 用户请求创建订单 → 订单服务验证信息 → 调用库存服务预留库存（Redis SETNX key value EX 10s，检查库存余量）→ 写入订单表（数据库事务提交）→ 发布“订单创建事件”到Kafka（topic:order-create）。  
2. 支付服务消费事件 → 调用支付网关（如支付宝）→ 支付成功 → 发布“支付成功事件”到Kafka（topic:payment-success）。  
3. 库存服务消费事件 → 扣减库存（数据库事务，若失败回滚）→ 发布“库存扣减完成事件”到Kafka（topic:stock-decr-done）；若失败则发送“库存补偿事件”到Kafka（topic:stock-compensate）。  
4. 通知服务消费事件 → 发送订单确认通知（短信/短信）。  

5) 【面试口播版答案】
“面试官您好，针对旅游零售高并发订单处理，我设计的系统采用微服务架构，核心是订单、支付、库存、通知四个服务，通过Kafka异步解耦，Redis缓存热点数据，MySQL分库分表处理高并发。订单创建时，订单服务先通过Redis分布式锁检查库存并预留，写入数据库后发布订单创建事件；支付服务消费后处理支付，支付成功发布支付成功事件；库存服务消费扣减库存（事务提交），若扣减失败则回滚并发布补偿消息；通知服务发送通知。应对峰值时，通过缓存预热（提前加载热门商品库存）、消息队列限流（积压阈值）、水平扩展服务实例，以及Seata TCC保证数据一致性，避免超卖或数据不一致，确保订单-支付-库存的同步与系统稳定性。”

6) 【追问清单】

• 分布式事务补偿逻辑：扣减库存失败时，通过消息队列发送补偿消息，库存服务消费后执行释放库存（数据库事务回滚），避免超卖。
• Redis缓存过期时间选择：库存余量5分钟过期，因为旅游商品库存变化快，5分钟内若未扣减则过期，避免数据过时。
• 消息队列消费者重试机制：指数退避策略（第一次重试1秒，第二次2秒，最大重试3次），防止消息积压导致系统雪崩。
• 系统故障（如数据库宕机）的容错：订单服务写入数据库失败时，回滚事务并发布失败事件，库存服务消费失败时，回滚库存并补偿，确保数据一致性。

7) 【常见坑/雷区】

• 忽略补偿事务导致超卖：若扣减库存失败未释放库存，会导致库存余量错误，后续订单超卖。
• 缓存过期时间设置过长：导致用户看到库存余量错误，影响下单决策（如热门商品库存已售罄但缓存未过期，用户下单成功）。
• 消息队列分区策略不当：若分区按订单ID，可能导致同一商品的消息被不同消费者处理，库存扣减顺序混乱，引发数据不一致。
• 未考虑降级策略：流量激增时服务崩溃，未优先处理核心业务（支付、库存），影响用户体验。
• 分布式事务选择2PC：2PC性能低，不适合高并发，会导致库存扣减延迟，影响系统吞吐。