ChatGPT代充值系统架构设计与效率优化实战-平芜编程栈

背景痛点：自建代充值系统的三座大山

接口超时导致用户重复点击
直接调用 OpenAI 充值接口平均 RT 1.8 s，99 分位 4.5 s。前端 5 s 超时即提示“失败”，用户刷新再次点击，后端产生两条扣款请求，造成重复扣款率 3.7 %。
并发竞争引发库存超卖
账号池采用 MySQLupdate ... set status=1 where status=0 limit 1抢占，高并发下间隙锁冲突，TPS 峰值 120 时 CPU 飙至 90 %，出现“同一账号被分配两次”的线上事故。
支付回调幂等缺失
微信/支付宝回调 5 s 重试一次，业务层未做幂等，同一订单被重复加款 2～3 次，月度差错金额最高达 1.3 万元。

技术选型：为什么不是直接调 API

维度	同步直调	消息队列方案
接口超时容错	无，需客户端重试	队列兜底，自动重试
并发能力	受限于 Tomcat 线程池	消费端水平扩展
幂等控制	依赖数据库唯一索引	分布式锁 + 消息去重
削峰填谷	无	队列缓冲突发流量

选择 RabbitMQ 而非 Kafka 的原因：

单队列百万级 TPS 已满足当前 5 k 订单/日峰值
原生支持死信队列（DLQ），方便隔离异常订单
管理界面完备，中小团队运维成本低

Redis 选用 6.2 集群模式，支持 Redlock 与 Lua 脚本，保障分布式锁性能 < 1 ms。

核心实现

Spring Boot 异步任务框架

# application.yml spring: rabbitmq: host: rmq-cluster.internal port: 5672 username: ${RMQ_USER} password: ${RMQ_PWD} publisher-confirm-type: correlated listener: simple: prefetch: 16 concurrency: 8 max-concurrency: 32 acknowledge-mode: manual

@Component @Slf4j public class RechargeConsumer { @Autowired private RedisLock redisLock; @Autowired private OpenAiService openAiService; @RabbitListener(queues = "q.recharge", containerFactory = "manualContainerFactory") public void handle(RechargeMsg msg, Channel channel, @Header(AmqpHeaders.DELIVERY_TAG) long tag) { log.info("consume orderId={}", msg.getOrderId()); try { if (!redisLock.tryLock("order:" + msg.getOrderId(), 10)) { // 消息去重 channel.basicAck(tag, false); return; } openAiService.recharge(msg); channel.basicAck(tag, false); } catch (Exception e) { log.error("consume error", e); channel.basicNack(tag, false, false); // 进入 DLQ } finally { redisLock.unlock("order:" +.getOrderId()); } } }

Redis 分布式锁（可重入优化）

@Component public class RedisLock { private final StringRedisTemplate tpl; private final ThreadLocal<Map<String, Integer>> holdCount = ThreadLocal.withInitial(HashMap::new); public boolean tryLock(String key, int seconds) { String val = UUID.fastUUID().toString(); Boolean ok = tpl.opsForValue().setIfAbsent(key, val, seconds, TimeUnit.SECONDS); if (Boolean.TRUE.equals(ok)) { holdCount.get().put(key, 1); return true; } // 可重入逻辑 String curr = tpl.opsForValue().get(key); if (val.equals(curr)) { holdCount.get().merge(key, 1, Integer::sum); return true; } return false; } public void unlock(String key) { int cnt = holdCount.get().getOrDefault(key, 0); if (cnt > 1) { holdCount.get().put(key, cnt - 1); return; } String lua = "if redis.call('get', KEYS[1]) == ARGV[1] then " + " return redis.call('del', KEYS[1]) " + "else return 0 end"; tpl.execute(lua, Collections.singletonList(key), UUID.fastUUID().toString()); holdCount.get().remove(key); } }

支付回调幂等处理

@RestController @RequestMapping("/cb") @Slf4j public class PayCallbackController { @Autowired private OrderService orderService; @PostMapping("/alipay") public String alipay(HttpServletRequest req) throws UnsupportedEncodingException { Map<String, String> params = convertParams(req); String orderId = params.get("out_trade_no"); // 1. 幂等校验 String key = "alipay:cb:" + orderId; Boolean exist = RedisUtils.setIfAbsent(key, "1", 300, TimeUnit.SECONDS); if (!exist) { return "success"; } // 2. 验签 boolean signOk = AlipaySignature.rsaCheckV1(params, ALIPUBKEY, "UTF-8", "RSA2"); if (!signOk) throw new IllegalArgumentException("sign fail"); // 3. 发货 orderService.deliver(orderId); return "success"; } }

性能测试：优化前后对比

JMeter 5.5，200 线程，循环 50 次，压测环境 4C8G × 3 台。

指标	同步直调	队列+锁优化
平均 TPS	124	580
99 % RT	4.2 s	380 ms
重复扣款	3.7 %	0 %
充值成功率	92.3 %	97.8 %

避坑指南

支付证书管理
将alipayCertPublicKey_RSA2.crt与wechatpay_cert.pem存入 K8s Secret，挂载为只读卷；每 90 天通过定时任务拉取新证书并滚动更新，防止因证书过期导致回调验签失败。
DLQ 死信队列配置
在 RabbitMQ 中声明q.recharge.dlq，设置x-message-length=3，超过 3 次投递进入 DLQ，配合钉钉群机器人告警，平均 5 分钟内可感知异常订单。
时钟同步
分布式锁依赖 TTL，节点时钟漂移 > 1 s 时可能出现“锁提前过期”。使用 Chrony 同步 NTP，每日漂移控制在 10 ms 以内；同时把锁 TTL 设置成业务最大耗时的 3 倍，留足 buffer。