在简历上写“精通秒杀系统”之后...
1、前台
静态资源
未处理的海量请求
前台是整个秒杀系统第一次直面海量请求的部位。因此，前台遇到的请求数是“原汁原味”的，是没有经过任何处理的。并且在全部的用户请求中，除了正常的请求以外，还可能存在各种无效或非法请求，举例如下：
可见在整个秒杀活动期间，实际的请求数量要远远大于潜在的用户数量。前台页面就是整个秒杀系统承受流量的第一道防线。
用户在等待秒杀开始的前几秒，可能会反复刷新页面；
抢单机器人甚至会进行毫秒级的轮询抢单。
如何在前台限流，尽力守卫后台服务器和数据库服务器？
2 、后台服务器
数据的准确性。例如超卖问题、并发一致性问题等。
超卖问题。即如何避免“用户成功下单的数量 > 秒杀商品的库存数量”？在处理超卖时，还要考虑一些不良的恶意行为。例如，如果竞争对手故意将商品抢到手但却不付款，该如何处理？
并发环境下的一致性问题。如果使用了缓存，如何保证缓存的一致性？如果使用了分布式，如何保证分布式事务的一致性？
数据的时效性
除了要在并发环境下保证数据的准确性以外，秒杀系统还要控制数据的时效性。例如，用户在下单后，系统务必要在几秒内返回结果，保证用户体验。
系统的可用性
为了防止单节点故障，保证系统的高可用性，就需要将秒杀系统部署在由多个节点组成的集群上。集群如何搭建？应该依据什么将海量请求分流到集群中的不同节点上？在机房部署集群时，应该如何具体划分？
系统的稳定性
除了高可用以外，我们也应当尽力提高集群中各个节点的性能。高并发会导致部分节点的性能下降，甚至造成某些节点的崩溃。我们如何在有限的硬件条件下，提高单节点的性能，从而提高整个集群系统的稳定性？
作为系统的设计者，我们还应当思考：即使我们尽力准备了一切，但如果秒杀服务在极端情况下仍然无法满足海量请求的冲击，是否会对电商平台中物流、客服等其它服务造成影响？即，秒杀服务只是整个电商系统中的一个子系统，我们应该在为秒杀服务做好充足准备的同时，再为整个系统留一条退路。
3 、数据库服务器
并发量
对于一般的单节点关系型数据库来说，仅仅能够稳定的支撑千位数的并发量。因此在高并发环境中，往往最先遇到并发瓶颈的就是数据库。简言之，数据库是整个系统最重要的一环，但同时又是并发能力较弱的一层。
并发数
当海量请求经过了前台和后台的重重拦截抵达数据库时，必然会产生并发问题。那么，应该如何既避免并发带来的问题，又能高效进行数据存储呢？
存储容量
一个关系型数据库的存储容量有限。对于大型电商平台而言，是无法将全部的数据保存到同一个数据库中的。那么，数据应该如何存储？存储后，如何保证数据库的高可用？