问题场景：热点库存扣减问题
秒杀场景，有一个难度的问题：热点库存扣减问题。
既要保证不发生超卖
又要保证高并发
如果解决这个高难度的问题呢？ 答案就是使用redis 分段锁。
什么是分布式锁？
一个分布式系统中，存在客户端多个用户，同时通过多个业务微服务，发起一个数据修改。
如果没有分布式锁机制保证，在那多台机器上的多个服务可能进行并发修改操作，导致数据修改的不一致，出现脏读脏写，这就会造成问题。
而分布式锁机制就是为了解决类似这类问题，保证多个服务之间互斥的访问共享资源，如果一个服务抢占了分布式锁，其他服务没获取到锁，就不进行后续操作。
上图中，哪个客户端的服务抢占了分布式锁，就可以去扣减库存。
其他服务没获取到分布式锁，就不进行后续操作。
当在分布式模型下，数据只有一份（或有限制），此时需要利用锁的技术控制某一时刻修改数据的进程数。
用一个状态值表示锁，对锁的占用和释放通过状态值来标识。
分布式锁的条件：
互斥性。在任意时刻，只有一个客户端能持有锁。
不会发生死锁。即使有一个客户端在持有锁的期间崩溃而没有主动解锁，也能保证后续其他客户端能加锁。
具有容错性。只要大部分的 Redis 节点正常运行，客户端就可以加锁和解锁。
解铃还须系铃人。加锁和解锁必须是同一个客户端，客户端自己不能把别人加的锁给解了。
普通的分布式锁如何实现？
分布式锁的实现由很多种，文件锁、数据库、redis等等，比较多；分布式锁常见的多种实现方式：
数据库悲观锁；
数据库乐观锁；
基于Redis的分布式锁；
基于ZooKeeper的分布式锁。
在实践中，还是redis做分布式锁性能会高一些
普通分布式锁的性能问题
分布式锁一旦加了之后，对同一个商品的下单请求，会导致所有下单操作，都必须对同一个商品key加分布式锁。
假设某个场景，一个商品1分钟6000订单，每秒的 600个下单操作，
假设加锁之后，释放锁之前，查库存 -> 创建订单 -> 扣减库存，每个IO操作100ms，大概300毫秒。
具体如下图：
可以再进行一下优化，将 创建订单 + 扣减库存 并发执行，将两个100ms 减少为一个100ms，这既是空间换时间的思想，大概200毫秒。
将 创建订单 + 扣减库存 批量执行，减少一次IO，也是大概200毫秒。也就是单个商品而言，只有 5 QPS.
假设一个商品sku的数量是10000,10秒内秒杀完，也就是单个商品而言，需要 单商品 100 QPS，如何应对一个商品的 100qps秒杀。
甚至，如果单商品需要 1000qps秒杀呢？
答案是，使用 分段加锁。
第一次优化之后：使用Redis分段锁提升秒杀的并发性能
如何提高性能呢？空间换时间
为了达到每秒600个订单，可以将锁分成 600 /5 =120 个段，反过来， 每个段1秒可以操作5次， 120个段，合起来，及时每秒操作600次。
进行抢夺锁的，如果申请到一个具体的段呢？
随机路由法
hash取模法
如果是用随机路由算法，可以将请求随机到一个分段， 如果不行，就轮询下一个分段，具体的流程，大致如下：
这个是一个理论的时间预估，没有扣除 尝试下一个分段的 时间, 另外，实际上的性能， 会比理论上差，从咱们实操案例的测试结果，也可以证明这点。
随机路由法的问题：
不同分端之间，可能库存消耗不均，导致部分用户无法扣减库存，反复进行重试，拖慢系统性能。
如何进一步优化：hash取模法。
第二次优化之后：使用hash取模法，减少库存消耗不均和无效重试
由于秒杀场景的分布式锁，实际上是为了防止超卖， 和库存是强相关的。
所以，可以结合库存，把秒杀的分布式锁进行改进。
第一步：把redis 的分段方式进行演进，额外增加一个总库存分段锁，用于分配存储剩余的总库存。采用多批次少量分配的思路，通过定时任务，从总库存向分段库存中迁移库存。
第二步：使用hash取模法，把用户路由到某一个分段，如果分段里边的库存耗光了，就去访问剩余的总库存。
库存动态迁移
为了防止分段多库存耗光，大家都去抢占总库存锁。
采用多批次少量分配的思路，通过定时任务，从总库存向分段库存中迁移库存。
至此， hash取模法的分段锁设计方案，已经完美实现。
