请设计一个旅游酒店预订系统的核心模块（订单处理与库存同步），需考虑高并发场景（如大促期间同时处理数千笔订单）、数据一致性（订单创建与库存扣减的强一致性要求），并说明技术选型（如分布式事务、最终一致性方案）和关键优化点（如缓存、消息队列）。

1) 【一句话结论】

为解决高并发下的订单与库存强一致性，采用Saga模式（分布式事务）+消息队列异步解耦方案，通过缓存预热、幂等性设计确保数据一致性，既保证业务强一致性（通过补偿机制维持），又优化高并发性能。

2) 【原理/概念讲解】

旅游酒店预订系统的核心是订单创建与库存扣减的强一致性，需平衡高并发性能与数据一致性。订单处理流程：用户下单→订单创建（写入订单表，状态“待支付”）→库存扣减（检查库存，扣减后更新库存表，或通过消息队列异步扣减）→支付成功后更新订单状态。

分布式事务分类：

• 两阶段提交（2PC）：领导者协调所有参与者，先预提交再提交，强一致性但高并发下阻塞严重，易导致系统崩溃。
• Saga模式：分阶段执行，每个阶段独立提交，失败后通过补偿服务回滚，低阻塞且适合业务复杂场景（订单、库存、支付多阶段）。

缓存（如Redis）用于预热热点库存，减少数据库压力；消息队列（如RabbitMQ/Kafka）解耦订单与库存系统，提高吞吐量。

类比：库存扣减像“银行转账”（需原子性），Saga模式像“多步骤业务”，每步提交，失败后回滚（补偿），确保最终一致。

3) 【对比与适用场景】

方案类型	定义	特性	使用场景	注意点
两阶段提交（2PC）	领导者协调所有参与者，先预提交再提交	强一致性，但高并发下阻塞严重，系统易崩溃	需强一致性（如金融核心交易）	领导者故障导致全系统阻塞
Saga模式	分阶段执行，每个阶段独立提交，失败后通过补偿服务回滚	最终一致性，低阻塞，适合业务复杂场景（订单、库存、支付多阶段）	旅游预订（订单、库存、支付多阶段）	补偿逻辑复杂，需幂等
最终一致性（消息队列+补偿）	订单创建后，发送消息到库存系统，库存系统异步处理	高吞吐，低延迟，允许短暂不一致	大促期间高并发，允许短暂不一致	需幂等处理，补偿延迟

4) 【示例】

订单创建流程（伪代码）：

def create_order(user_id, hotel_id, room_type, quantity):
    # 1. 创建订单（写入订单表，状态=待支付）
    order_id = order_service.create(user_id, hotel_id, room_type, quantity, status='待支付')
    # 2. 检查库存（缓存优先）
    stock = cache.get(f'hotel_{hotel_id}_{room_type}')
    if stock < quantity:
        return {'code': -1, 'msg': '库存不足'}
    # 3. 扣减库存（异步消息）
    send_message('stock_decrease', {
        'order_id': order_id,
        'hotel_id': hotel_id,
        'room_type': room_type,
        'quantity': quantity
    })
    return {'code': 0, 'msg': '下单成功，库存已锁定'}

库存系统处理消息（伪代码）：

@message_consumer('stock_decrease')
def handle_stock_decrease(message):
    order_id = message['order_id']
    hotel_id = message['hotel_id']
    room_type = message['room_type']
    quantity = message['quantity']
    # 1. 检查订单状态（是否已支付）
    order = order_service.get(order_id)
    if order.status != '待支付':
        # 补偿：回滚库存（如果已扣减）
        rollback_stock(hotel_id, room_type, quantity)
        return
    # 2. 扣减库存（数据库更新）
    stock = stock_service.get(hotel_id, room_type)
    if stock >= quantity:
        stock_service.update(hotel_id, room_type, stock - quantity)
        cache.set(f'hotel_{hotel_id}_{room_type}', stock - quantity)
        # 更新订单状态为已锁定
        order_service.update(order_id, status='已锁定')
    else:
        # 补偿：回滚库存（如果库存不足）
        rollback_stock(hotel_id, room_type, quantity)
        # 订单状态置为失败
        order_service.update(order_id, status='失败')

5) 【面试口播版答案】

面试官您好，针对旅游酒店预订系统的高并发订单处理与库存同步问题，我设计的核心方案是采用Saga模式（分布式事务）结合消息队列异步解耦，同时通过缓存预热和幂等性设计优化性能。具体来说，用户下单时，订单创建与库存扣减分阶段执行：订单先写入数据库并标记为待支付，然后通过消息队列异步通知库存系统扣减；库存系统处理消息时，先检查订单状态，再扣减库存，若失败则通过补偿机制回滚。这样既保证了强一致性（通过Saga的补偿），又解决了高并发下的阻塞问题。技术选型上，订单和库存系统通过RabbitMQ/ Kafka消息队列解耦，缓存使用Redis预热热点库存，消息处理采用幂等性确保重复消费不重复扣减。关键优化点包括：缓存双写（数据库更新后同步缓存）、消息延迟重试（处理超时消息）、库存预分配（大促前预热缓存）等，确保大促期间能处理数千笔订单。

6) 【追问清单】

• 问题1：分布式事务具体如何实现？比如Saga的补偿逻辑如何设计？
  回答要点：Saga分阶段执行，每个阶段提交后，失败时通过补偿服务回滚，补偿逻辑需幂等，避免重复回滚。
• 问题2：缓存雪崩或热点数据如何处理？
  回答要点：缓存预热（大促前加载热点库存到缓存）、设置合理的TTL、使用分布式锁或限流保护数据库。
• 问题3：消息队列的延迟消息或死信队列如何处理？
  回答要点：对于超时未处理的库存扣减消息，放入延迟队列，设定超时时间后重试，死信队列用于持久化失败消息，便于排查。
• 问题4：如果订单创建和库存扣减同时失败，如何保证数据一致性？
  回答要点：Saga模式中，订单创建失败则不发送库存消息，库存系统不处理；库存扣减失败则补偿回滚库存，订单状态置为失败，确保最终一致性。

7) 【常见坑/雷区】

• 雷区1：直接采用两阶段提交解决强一致性，忽略高并发下的阻塞问题，导致大促时系统崩溃。
• 雷区2：忽略消息队列的幂等性，导致重复消费库存扣减消息，造成库存超卖。
• 雷区3：缓存与数据库双写未考虑延迟，导致数据不一致（如订单已创建但库存未扣减，用户下单后库存不足）。
• 雷区4：补偿逻辑未幂等，导致重复回滚库存，造成库存异常。
• 雷区5：未考虑消息队列的延迟消息处理，超时消息未重试，导致库存扣减失败后无法恢复。