核心优化策略：使用Redis Lua脚本原子扣减库存，避免超卖；结合消息队列异步处理订单；引入Redis Cluster分片提升吞吐；预热库存并设置热点key；使用Pipeline批量操作降低RTT；开启Redis AOF+RDB持久化确保数据安全；限流器+熔断机制防雪崩。

方案一：Lua脚本扣库存

使用Lua脚本实现原子性扣减库存，防止高并发下超卖。脚本内容：local stock = redis.call('get', KEYS[1]) if tonumber(stock) > 0 then redis.call('decr', KEYS[1]) return 1 else return 0 end。客户端调用时将key作为KEYS[1]传入，确保单次操作原子性，避免传统get-decr两步竞争。

方案二：分布式锁防超卖

Redisson分布式锁加锁扣库存，setnx实现互斥。代码示例：RLock lock = redisson.getLock("lockKey");lock.lock();try{if(redis.get("stock")>0){redis.decr("stock");}}finally{lock.unlock();}。结合watchdog自动续期，防范死锁。

方案三：消息队列异步化

秒杀请求入RocketMQ队列，后台消费者原子扣库存。流程：用户请求→队列→扣库存成功→生成订单→通知用户。解耦峰值流量，库存扣减仍用Lua确保一致性，避免同步阻塞。

方案四：库存预热与热点隔离

秒杀开始前预热：redis.set("stock:good1",10000)。热点商品隔离到独立Redis实例，减少key热点倾斜。使用hash分片：key=productId%16，分散到16个db。

方案五：Pipeline+多线程

批量操作用Pipeline打包，减少网络往返。Java代码：List<String> cmds = pipeline.multi();cmds.add(redis.decr("stock"));pipeline.exec();多线程池并发处理请求，线程数=CPU*2。

方案六：限流与降级

令牌桶限流：Guava RateLimiter，每秒1000QPS。秒杀接口加Sentinel熔断，失败率>50%自动降级返回库存不足。Nginx upstream限流分摊压力。

FAQ
Q: 为什么不用数据库扣库存？
A: 数据库单机QPS仅千级，高并发下锁表雪崩，Redis内存操作百万QPS更适合。
Q: Lua脚本有大小限制吗？
A: Redis Lua脚本单次不超过1MB，秒杀扣库存脚本很小无问题。
Q: 怎么监控Redis性能？
A: 用redis-cli info commandstats，关注QPS、内存、慢查询。
Q: 库存超卖怎么回滚？
A: 扣库存失败不发订单，结合MQ幂等检查防重复消费。