高并發(fā)場景下，秒殺系統(tǒng)架構分析與實戰(zhàn)

1、秒殺業(yè)務分析

正常電子商務流程

（1）查詢商品；
（2）創(chuàng)建訂單；
（3）扣減庫存；
（4）更新訂單；
（5）付款；
（6）賣家發(fā)貨；

秒殺業(yè)務的特性

（1）低廉價格；
（2）大幅推廣；
（3）瞬時售空；
（4）一般是定時上架；
（5）時間短、瞬時并發(fā)量高；

2、秒殺技術挑戰(zhàn)

假設某網(wǎng)站秒殺活動只推出一件商品，預計會吸引1萬人參加活動，也就說最大并發(fā)請求數(shù)是10000，秒殺系統(tǒng)需要面對的技術挑戰(zhàn)有：

1.對現(xiàn)有網(wǎng)站業(yè)務造成沖擊

秒殺活動只是網(wǎng)站營銷的一個附加活動，這個活動具有時間短，并發(fā)訪問量大的特點，如果和網(wǎng)站原有應用部署在一起，必然會對現(xiàn)有業(yè)務造成沖擊，稍有不慎可能導致整個網(wǎng)站癱瘓。

解決方案：將秒殺系統(tǒng)獨立部署，甚至使用獨立域名，使其與網(wǎng)站完全隔離。

2.高并發(fā)下的應用、數(shù)據(jù)庫負載

用戶在秒殺開始前，通過不停刷新瀏覽器頁面以保證不會錯過秒殺，這些請求如果按照一般的網(wǎng)站應用架構，訪問應用服務器、連接數(shù)據(jù)庫，會對應用服務器和數(shù)據(jù)庫服務器造成負載壓力。

解決方案：重新設計秒殺商品頁面，不使用網(wǎng)站原來的商品詳細頁面，頁面內(nèi)容靜態(tài)化，用戶請求不需要經(jīng)過應用服務。

3.突然增加的網(wǎng)絡及服務器帶寬

假設商品頁面大小200K（主要是商品圖片大?。?，那么需要的網(wǎng)絡和服務器帶寬是2G（200K×10000），這些網(wǎng)絡帶寬是因為秒殺活動新增的，超過網(wǎng)站平時使用的帶寬。

解決方案：因為秒殺新增的網(wǎng)絡帶寬，必須和運營商重新購買或者租借。為了減輕網(wǎng)站服務器的壓力，需要將秒殺商品頁面緩存在CDN，同樣需要和CDN服務商臨時租借新增的出口帶寬。

4.直接下單

秒殺的游戲規(guī)則是到了秒殺才能開始對商品下單購買，在此時間點之前，只能瀏覽商品信息，不能下單。而下單頁面也是一個普通的URL，如果得到這個URL，不用等到秒殺開始就可以下單了。

解決方案：為了避免用戶直接訪問下單頁面URL，需要將改URL動態(tài)化，即使秒殺系統(tǒng)的開發(fā)者也無法在秒殺開始前訪問下單頁面的URL。辦法是在下單頁面URL加入由服務器端生成的隨機數(shù)作為參數(shù)，在秒殺開始的時候才能得到。

5.如何控制秒殺商品頁面購買按鈕的點亮

購買按鈕只有在秒殺開始的時候才能點亮，在此之前是灰色的。如果該頁面是動態(tài)生成的，當然可以在服務器端構造響應頁面輸出，控制該按鈕是灰色還是點亮，但是為了減輕服務器端負載壓力，更好地利用CDN、反向代理等性能優(yōu)化手段，該頁面被設計為靜態(tài)頁面，緩存在CDN、反向代理服務器上，甚至用戶瀏覽器上。秒殺開始時，用戶刷新頁面，請求根本不會到達應用服務器。

解決方案：使用JavaScript腳本控制，在秒殺商品靜態(tài)頁面中加入一個JavaScript文件引用，該JavaScript文件中包含秒殺開始標志為否；當秒殺開始的時候生成一個新的JavaScript文件（文件名保持不變，只是內(nèi)容不一樣），更新秒殺開始標志為是，加入下單頁面的URL及隨機數(shù)參數(shù)（這個隨機數(shù)只會產(chǎn)生一個，即所有人看到的URL都是同一個，服務器端可以用redis這種分布式緩存服務器來保存隨機數(shù)），并被用戶瀏覽器加載，控制秒殺商品頁面的展示。這個JavaScript文件的加載可以加上隨機版本號（例如xx.js?v=32353823），這樣就不會被瀏覽器、CDN和反向代理服務器緩存。
這個JavaScript文件非常小，即使每次瀏覽器刷新都訪問JavaScript文件服務器也不會對服務器集群和網(wǎng)絡帶寬造成太大壓力。

6.如何只允許第一個提交的訂單被發(fā)送到訂單子系統(tǒng)

由于最終能夠成功秒殺到商品的用戶只有一個，因此需要在用戶提交訂單時，檢查是否已經(jīng)有訂單提交。如果已經(jīng)有訂單提交成功，則需要更新 JavaScript文件，更新秒殺開始標志為否，購買按鈕變灰。事實上，由于最終能夠成功提交訂單的用戶只有一個，為了減輕下單頁面服務器的負載壓力，可以控制進入下單頁面的入口，只有少數(shù)用戶能進入下單頁面，其他用戶直接進入秒殺結束頁面。

解決方案：假設下單服務器集群有10臺服務器，每臺服務器只接受最多10個下單請求。在還沒有人提交訂單成功之前，如果一臺服務器已經(jīng)有十單了，而有的一單都沒處理，可能出現(xiàn)的用戶體驗不佳的場景是用戶第一次點擊購買按鈕進入已結束頁面，再刷新一下頁面，有可能被一單都沒有處理的服務器處理，進入了填寫訂單的頁面，可以考慮通過cookie的方式來應對，符合一致性原則。當然可以采用最少連接的負載均衡算法，出現(xiàn)上述情況的概率大大降低。

7.如何進行下單前置檢查

下單服務器檢查本機已處理的下單請求數(shù)目：

• 如果超過10條，直接返回已結束頁面給用戶；

• 如果未超過10條，則用戶可進入填寫訂單及確認頁面；

檢查全局已提交訂單數(shù)目：

• 已超過秒殺商品總數(shù)，返回已結束頁面給用戶；

• 未超過秒殺商品總數(shù)，提交到子訂單系統(tǒng)；

8.秒殺一般是定時上架

該功能實現(xiàn)方式很多。不過目前比較好的方式是：提前設定好商品的上架時間，用戶可以在前臺看到該商品，但是無法點擊“立即購買”的按鈕。但是需要考慮的是，有人可以繞過前端的限制，直接通過URL的方式發(fā)起購買，這就需要在前臺商品頁面，以及bug頁面到后端的數(shù)據(jù)庫，都要進行時鐘同步。越在后端控制，安全性越高。

定時秒殺的話，就要避免賣家在秒殺前對商品做編輯帶來的不可預期的影響。這種特殊的變更需要多方面評估。一般禁止編輯，如需變更，可以走數(shù)據(jù)訂正的流程。

9.減庫存的操作

有兩種選擇，一種是拍下減庫存 另外一種是付款減庫存；目前采用的“拍下減庫存”的方式，拍下就是一瞬間的事，對用戶體驗會好些。

10.庫存會帶來“超賣”的問題：售出數(shù)量多于庫存數(shù)量

由于庫存并發(fā)更新的問題，導致在實際庫存已經(jīng)不足的情況下，庫存依然在減，導致賣家的商品賣得件數(shù)超過秒殺的預期。方案：采用樂觀鎖

update?auction_auctions?set
quantity?=?#inQuantity#
where?auction_id?=?#itemId#?and?quantity?=?#dbQuantity#

還有一種方式，會更好些，叫做嘗試扣減庫存，扣減庫存成功才會進行下單邏輯：

update?auction_auctions?set?
quantity?=?quantity-#count#?
where?auction_id?=?#itemId#?and?quantity?>=?#count#?

11.秒殺器的應對

秒殺器一般下單個購買及其迅速，根據(jù)購買記錄可以甄別出一部分。可以通過校驗碼達到一定的方法，這就要求校驗碼足夠安全，不被破解，采用的方式有：秒殺專用驗證碼，電視公布驗證碼，秒殺答題。

3、秒殺架構原則

1.盡量將請求攔截在系統(tǒng)上游

傳統(tǒng)秒殺系統(tǒng)之所以掛，請求都壓倒了后端數(shù)據(jù)層，數(shù)據(jù)讀寫鎖沖突嚴重，并發(fā)高響應慢，幾乎所有請求都超時，流量雖大，下單成功的有效流量甚小【一趟火車其實只有2000張票，200w個人來買，基本沒有人能買成功，請求有效率為0】。

2.讀多寫少的常用多使用緩存

這是一個典型的讀多寫少的應用場景【一趟火車其實只有2000張票，200w個人來買，最多2000個人下單成功，其他人都是查詢庫存，寫比例只有0.1%，讀比例占99.9%】，非常適合使用緩存。

4、秒殺架構設計

秒殺系統(tǒng)為秒殺而設計，不同于一般的網(wǎng)購行為，參與秒殺活動的用戶更關心的是如何能快速刷新商品頁面，在秒殺開始的時候搶先進入下單頁面，而不是商品詳情等用戶體驗細節(jié)，因此秒殺系統(tǒng)的頁面設計應盡可能簡單。

商品頁面中的購買按鈕只有在秒殺活動開始的時候才變亮，在此之前及秒殺商品賣出后，該按鈕都是灰色的，不可以點擊。

下單表單也盡可能簡單，購買數(shù)量只能是一個且不可以修改，送貨地址和付款方式都使用用戶默認設置，沒有默認也可以不填，允許等訂單提交后修改；只有第一個提交的訂單發(fā)送給網(wǎng)站的訂單子系統(tǒng)，其余用戶提交訂單后只能看到秒殺結束頁面。

要做一個這樣的秒殺系統(tǒng)，業(yè)務會分為兩個階段：

• 第一個階段是秒殺開始前某個時間到秒殺開始， 這個階段可以稱之為準備階段，用戶在準備階段等待秒殺；

• 第二個階段就是秒殺開始到所有參與秒殺的用戶獲得秒殺結果， 這個就稱為秒殺階段吧。

4.1 前端層設計

首先要有一個展示秒殺商品的頁面，在這個頁面上做一個秒殺活動開始的倒計時，在準備階段內(nèi)用戶會陸續(xù)打開這個秒殺的頁面， 并且可能不停的刷新頁面。這里需要考慮兩個問題：

第一個是秒殺頁面的展示

我們知道一個html頁面還是比較大的，即使做了壓縮，http頭和內(nèi)容的大小也可能高達數(shù)十K，加上其他的css， js，圖片等資源，如果同時有幾千萬人參與一個商品的搶購，一般機房帶寬也就只有1G10G，網(wǎng)絡帶寬就極有可能成為瓶頸，所以這個頁面上各類靜態(tài)資源首先應分開存放，然后放到cdn節(jié)點上分散壓力，由于CDN節(jié)點遍布全國各地，能緩沖掉絕大部分的壓力，而且還比機房帶寬便宜

第二個是倒計時

出于性能原因這個一般由js調(diào)用客戶端本地時間，就有可能出現(xiàn)客戶端時鐘與服務器時鐘不一致，另外服務器之間也是有可能出現(xiàn)時鐘不一致?？蛻舳伺c服務器時鐘不一致可以采用客戶端定時和服務器同步時間。

這里考慮一下性能問題，用于同步時間的接口由于不涉及到后端邏輯，只需要將當前web服務器的時間發(fā)送給客戶端就可以了，因此速度很快，就我以前測試的結果來看，一臺標準的web服務器2W+QPS不會有問題，如果100W人同時刷，100W QPS也只需要50臺web，一臺硬件LB就可以了~。

并且web服務器群是可以很容易的橫向擴展的(LB+DNS輪詢)，這個接口可以只返回一小段json格式的數(shù)據(jù)，而且可以優(yōu)化一下減少不必要cookie和其他http頭的信息，所以數(shù)據(jù)量不會很大，一般來說網(wǎng)絡不會成為瓶頸，即使成為瓶頸也可以考慮多機房專線連通，加智能DNS的解決方案；web服務器之間時間不同步可以采用統(tǒng)一時間服務器的方式，比如每隔1分鐘所有參與秒殺活動的web服務器就與時間服務器做一次時間同步。

瀏覽器層請求攔截

• 產(chǎn)品層面，用戶點擊“查詢”或者“購票”后，按鈕置灰，禁止用戶重復提交請求;

• JS層面，限制用戶在x秒之內(nèi)只能提交一次請求;

4.2 站點層設計

前端層的請求攔截，只能攔住小白用戶（不過這是99%的用戶喲），高端的程序員根本不吃這一套，寫個for循環(huán)，直接調(diào)用你后端的http請求，怎么整？

• 同一個uid，限制訪問頻度，做頁面緩存，x秒內(nèi)到達站點層的請求，均返回同一頁面

• 同一個item的查詢，例如手機車次，做頁面緩存，x秒內(nèi)到達站點層的請求，均返回同一頁面

如此限流，又有99%的流量會被攔截在站點層。

4.3 服務層設計

站點層的請求攔截，只能攔住普通程序員，高級***，假設他控制了10w臺肉雞（并且假設買票不需要實名認證），這下uid的限制不行了吧？怎么整？

• 大哥，我是服務層，我清楚的知道小米只有1萬部手機，我清楚的知道一列火車只有2000張車票，我透10w個請求去數(shù)據(jù)庫有什么意義呢？對于寫請求，做請求隊列，每次只透過有限的寫請求去數(shù)據(jù)層，如果均成功再放下一批，如果庫存不夠則隊列里的寫請求全部返回“已售完”；

• 對于讀請求，還用說么？cache來抗，不管是memcached還是redis，單機抗個每秒10w應該都是沒什么問題的；

如此限流，只有非常少的寫請求，和非常少的讀緩存mis的請求會透到數(shù)據(jù)層去，又有99.9%的請求被攔住了。

• 用戶請求分發(fā)模塊：使用Nginx或Apache將用戶的請求分發(fā)到不同的機器上。

• 用戶請求預處理模塊：判斷商品是不是還有剩余來決定是不是要處理該請求。

• 用戶請求處理模塊：把通過預處理的請求封裝成事務提交給數(shù)據(jù)庫，并返回是否成功。

• 數(shù)據(jù)庫接口模塊：該模塊是數(shù)據(jù)庫的唯一接口，負責與數(shù)據(jù)庫交互，提供RPC接口供查詢是否秒殺結束、剩余數(shù)量等信息。

用戶請求預處理模塊

經(jīng)過HTTP服務器的分發(fā)后，單個服務器的負載相對低了一些，但總量依然可能很大，如果后臺商品已經(jīng)被秒殺完畢，那么直接給后來的請求返回秒殺失敗即可，不必再進一步發(fā)送事務了，示例代碼可以如下所示：

package?seckill;
import?org.apache.http.HttpRequest;
/**
????*?預處理階段，把不必要的請求直接駁回，必要的請求添加到隊列中進入下一階段.
????*/
public?class?PreProcessor?{
??????//?商品是否還有剩余
??????private?static?boolean?reminds?=?true;
??????private?static?void?forbidden()?{
??????????//?Do?something.
??????}
??????public?static?boolean?checkReminds()?{
??????????if?(reminds)?{
??????????????//?遠程檢測是否還有剩余，該RPC接口應由數(shù)據(jù)庫服務器提供，不必完全嚴格檢查.
??????????????if?(!RPC.checkReminds())?{
??????????????????reminds?=?false;
??????????????}
??????????}
??????????return?reminds;
??????}
????/**
?????*?每一個HTTP請求都要經(jīng)過該預處理.
?????*/
??????public?static?void?preProcess(HttpRequest?request)?{
??????????if?(checkReminds())?{
??????????????//?一個并發(fā)的隊列
??????????????RequestQueue.queue.add(request);
??????????}?else?{
??????????????//?如果已經(jīng)沒有商品了，則直接駁回請求即可.
??????????????forbidden();
??????????}
??????}
}

并發(fā)隊列的選擇

Java的并發(fā)包提供了三個常用的并發(fā)隊列實現(xiàn)，分別是：ConcurrentLinkedQueue、LinkedBlockingQueue和ArrayBlockingQueue。

• ArrayBlockingQueue是初始容量固定的阻塞隊列，我們可以用來作為數(shù)據(jù)庫模塊成功競拍的隊列，比如有10個商品，那么我們就設定一個10大小的數(shù)組隊列。

• ConcurrentLinkedQueue使用的是CAS原語無鎖隊列實現(xiàn)，是一個異步隊列，入隊的速度很快，出隊進行了加鎖，性能稍慢。

• LinkedBlockingQueue也是阻塞的隊列，入隊和出隊都用了加鎖，當隊空的時候線程會暫時阻塞。

由于我們的系統(tǒng)入隊需求要遠大于出隊需求，一般不會出現(xiàn)隊空的情況，所以我們可以選擇ConcurrentLinkedQueue來作為我們的請求隊列實現(xiàn)：

package?seckill;
import?java.util.concurrent.ArrayBlockingQueue;
import?java.util.concurrent.ConcurrentLinkedQueue;
import?org.apache.http.HttpRequest;
public?class?RequestQueue?{
????????public?static?ConcurrentLinkedQueue<HttpRequest>?queue?=?new?ConcurrentLinkedQueue<HttpRequest>();
}

用戶請求模塊

package?seckill;
import?org.apache.http.HttpRequest;
public?class?Processor?{
????/**
?????*?發(fā)送秒殺事務到數(shù)據(jù)庫隊列.
?????*/
????public?static?void?kill(BidInfo?info)?{
????????DB.bids.add(info);
????}
????public?static?void?process()?{
????????BidInfo?info?=?new?BidInfo(RequestQueue.queue.poll());
????????if?(info?!=?null)?{
????????????kill(info);
????????}
????}
}
class?BidInfo?{
????BidInfo(HttpRequest?request)?{
????????//?Do?something.
????}
}

數(shù)據(jù)庫模塊

數(shù)據(jù)庫主要是使用一個ArrayBlockingQueue來暫存有可能成功的用戶請求。

package?seckill;
import?java.util.concurrent.ArrayBlockingQueue;
/**
????*?DB應該是數(shù)據(jù)庫的唯一接口.
????*/
public?class?DB?{
??????public?static?int?count?=?10;
??????public?static?ArrayBlockingQueue<BidInfo>?bids?=?new?ArrayBlockingQueue<BidInfo>(10);
??????public?static?boolean?checkReminds()?{
??????????//?TODO
??????????return?true;
??????}
??????//?單線程操作
??????public?static?void?bid()?{
??????????BidInfo?info?=?bids.poll();
??????????while?(count--?>?0)?{
??????????????//?insert?into?table?Bids?values(item_id,?user_id,?bid_date,?other)
??????????????//?select?count(id)?from?Bids?where?item_id?=??
??????????????//?如果數(shù)據(jù)庫商品數(shù)量大約總數(shù)，則標志秒殺已完成，設置標志位reminds?=?false.
??????????????info?=?bids.poll();
??????????}
??????}
}

4.4 數(shù)據(jù)庫設計

順便給大家推薦一個Java技術交流群：908676731，里面會分享一些資深架構師錄制的視頻資料：有Spring，MyBatis，Netty源碼分析，高并發(fā)、高性能、分布式、微服務架構的原理，JVM性能優(yōu)化、分布式架構等這些成為架構師必備的知識體系。還能領取免費的學習資源，目前受益良多！

4.4.1 基本概念

概念一“單庫”

概念二“分片”

分片解決的是“數(shù)據(jù)量太大”的問題，也就是通常說的“水平切分”。一旦引入分片，勢必有“數(shù)據(jù)路由”的概念，哪個數(shù)據(jù)訪問哪個庫。路由規(guī)則通常有3種方法：

1、范圍：range

優(yōu)點：簡單，容易擴展
缺點：各庫壓力不均（新號段更活躍）

2、哈希：hash 【大部分互聯(lián)網(wǎng)公司采用的方案二：哈希分庫，哈希路由】

優(yōu)點：簡單，數(shù)據(jù)均衡，負載均勻
缺點：遷移麻煩（2庫擴3庫數(shù)據(jù)要遷移）

3、路由服務：router-config-server

優(yōu)點：靈活性強，業(yè)務與路由算法解耦
缺點：每次訪問數(shù)據(jù)庫前多一次查詢

概念三“分組”

分組解決“可用性”問題，分組通常通過主從復制的方式實現(xiàn)。

互聯(lián)網(wǎng)公司數(shù)據(jù)庫實際軟件架構是：又分片，又分組（如下圖）

4.4.2 設計思路

數(shù)據(jù)庫軟件架構師平時設計些什么東西呢？至少要考慮以下四點：

• 如何保證數(shù)據(jù)可用性；

• 如何提高數(shù)據(jù)庫讀性能（大部分應用讀多寫少，讀會先成為瓶頸）；

• 如何保證一致性；

• 如何提高擴展性；

1.如何保證數(shù)據(jù)的可用性？

解決可用性問題的思路是=>冗余

如何保證站點的可用性？復制站點，冗余站點
如何保證服務的可用性？復制服務，冗余服務
如何保證數(shù)據(jù)的可用性？復制數(shù)據(jù)，冗余數(shù)據(jù)

數(shù)據(jù)的冗余，會帶來一個副作用=>引發(fā)一致性問題（先不說一致性問題，先說可用性）。

2.如何保證數(shù)據(jù)庫“讀”高可用？

冗余讀庫

冗余讀庫帶來的副作用？讀寫有延時，可能不一致。

上面這個圖是很多互聯(lián)網(wǎng)公司mysql的架構，寫仍然是單點，不能保證寫高可用。

3.如何保證數(shù)據(jù)庫“寫”高可用？

冗余寫庫

采用雙主互備的方式，可以冗余寫庫帶來的副作用？雙寫同步，數(shù)據(jù)可能沖突（例如“自增id”同步?jīng)_突），如何解決同步?jīng)_突，有兩種常見解決方案：

• 兩個寫庫使用不同的初始值，相同的步長來增加id：1寫庫的id為0,2,4,6…；2寫庫的id為1,3,5,7…；

• 不使用數(shù)據(jù)的id，業(yè)務層自己生成唯一的id，保證數(shù)據(jù)不沖突；

實際中沒有使用上述兩種架構來做讀寫的“高可用”，采用的是“雙主當主從用”的方式：

仍是雙主，但只有一個主提供服務（讀+寫），另一個主是“shadow-master”，只用來保證高可用，平時不提供服務。

master掛了，shadow-master頂上（vip漂移，對業(yè)務層透明，不需要人工介入）。

這種方式的好處：

• 讀寫沒有延時；

• 讀寫高可用；

不足：

• 不能通過加從庫的方式擴展讀性能；

• 資源利用率為50%，一臺冗余主沒有提供服務；

那如何提高讀性能呢？進入第二個話題，如何提供讀性能。

4.如何擴展讀性能

提高讀性能的方式大致有三種：

第一種是建立索引。這種方式不展開，要提到的一點是，不同的庫可以建立不同的索引。

寫庫不建立索引；
線上讀庫建立線上訪問索引，例如uid；
線下讀庫建立線下訪問索引，例如time；

第二種擴充讀性能的方式是，增加從庫，這種方法大家用的比較多，但是，存在兩個缺點：

• 從庫越多，同步越慢；

• 同步越慢，數(shù)據(jù)不一致窗口越大（不一致后面說，還是先說讀性能的提高）；

實際中沒有采用這種方法提高數(shù)據(jù)庫讀性能（沒有從庫），采用的是增加緩存。常見的緩存架構如下：

上游是業(yè)務應用，下游是主庫，從庫（讀寫分離），緩存。實際的玩法：服務+數(shù)據(jù)庫+緩存一套。

業(yè)務層不直接面向db和cache，服務層屏蔽了底層db、cache的復雜性。為什么要引入服務層，今天不展開，采用了“服務+數(shù)據(jù)庫+緩存一套”的方式提供數(shù)據(jù)訪問，用cache提高讀性能。

不管采用主從的方式擴展讀性能，還是緩存的方式擴展讀性能，數(shù)據(jù)都要復制多份（主+從，db+cache），一定會引發(fā)一致性問題。

5.如何保證一致性？

主從數(shù)據(jù)庫的一致性，通常有兩種解決方案：

1、中間件

如果某一個key有寫操作，在不一致時間窗口內(nèi)，中間件會將這個key的讀操作也路由到主庫上。這個方案的缺點是，數(shù)據(jù)庫中間件的門檻較高（百度，騰訊，阿里，360等一些公司有）。

2、強制讀主

上面實際用的“雙主當主從用”的架構，不存在主從不一致的問題。第二類不一致，是db與緩存間的不一致：

常見的緩存架構如上，此時寫操作的順序是：

（1）淘汰cache；
（2）寫數(shù)據(jù)庫；

讀操作的順序是：

（1）讀cache，如果cache hit則返回；
（2）如果cache miss，則讀從庫；
（3）讀從庫后，將數(shù)據(jù)放回cache；

在一些異常時序情況下，有可能從【從庫讀到舊數(shù)據(jù)（同步還沒有完成），舊數(shù)據(jù)入cache后】，數(shù)據(jù)會長期不一致。解決辦法是“緩存雙淘汰”，寫操作時序升級為：

（1）淘汰cache；
（2）寫數(shù)據(jù)庫；
（3）在經(jīng)過“主從同步延時窗口時間”后，再次發(fā)起一個異步淘汰cache的請求；

這樣，即使有臟數(shù)據(jù)如cache，一個小的時間窗口之后，臟數(shù)據(jù)還是會被淘汰。帶來的代價是，多引入一次讀miss（成本可以忽略）。

除此之外，最佳實踐之一是：建議為所有cache中的item設置一個超時時間。

3.如何提高數(shù)據(jù)庫的擴展性？

原來用hash的方式路由，分為2個庫，數(shù)據(jù)量還是太大，要分為3個庫，勢必需要進行數(shù)據(jù)遷移，有一個很帥氣的“數(shù)據(jù)庫秒級擴容”方案。

如何秒級擴容？

首先，我們不做2庫變3庫的擴容，我們做2庫變4庫（庫加倍）的擴容（未來4->8->16）

服務+數(shù)據(jù)庫是一套（省去了緩存），數(shù)據(jù)庫采用“雙主”的模式。

擴容步驟：

• 第一步，將一個主庫提升;

• 第二步，修改配置，2庫變4庫（原來MOD2，現(xiàn)在配置修改后MOD4），擴容完成；

原MOD2為偶的部分，現(xiàn)在會MOD4余0或者2；原MOD2為奇的部分，現(xiàn)在會MOD4余1或者3；數(shù)據(jù)不需要遷移，同時，雙主互相同步，一遍是余0，一邊余2，兩邊數(shù)據(jù)同步也不會沖突，秒級完成擴容！

最后，要做一些收尾工作：

• 將舊的雙主同步解除；

• 增加新的雙主（雙主是保證可用性的，shadow-master平時不提供服務）；

• 刪除多余的數(shù)據(jù)（余0的主，可以將余2的數(shù)據(jù)刪除掉）；

這樣，秒級別內(nèi)，我們就完成了2庫變4庫的擴展。

5、大并發(fā)帶來的挑戰(zhàn)

5.1、請求接口的合理設計

一個秒殺或者搶購頁面，通常分為2個部分，一個是靜態(tài)的HTML等內(nèi)容，另一個就是參與秒殺的Web后臺請求接口。

通常靜態(tài)HTML等內(nèi)容，是通過CDN的部署，一般壓力不大，核心瓶頸實際上在后臺請求接口上。這個后端接口，必須能夠支持高并發(fā)請求，同時，非常重要的一點，必須盡可能“快”，在最短的時間里返回用戶的請求結果。為了實現(xiàn)盡可能快這一點，接口的后端存儲使用內(nèi)存級別的操作會更好一點。仍然直接面向MySQL之類的存儲是不合適的，如果有這種復雜業(yè)務的需求，都建議采用異步寫入。

當然，也有一些秒殺和搶購采用“滯后反饋”，就是說秒殺當下不知道結果，一段時間后才可以從頁面中看到用戶是否秒殺成功。但是，這種屬于“偷懶”行為，同時給用戶的體驗也不好，容易被用戶認為是“暗箱操作”。

5.2 高并發(fā)的挑戰(zhàn)：一定要“快”

我們通常衡量一個Web系統(tǒng)的吞吐率的指標是QPS（Query Per Second，每秒處理請求數(shù)），解決每秒數(shù)萬次的高并發(fā)場景，這個指標非常關鍵。舉個例子，我們假設處理一個業(yè)務請求平均響應時間為100ms，同時，系統(tǒng)內(nèi)有20臺Apache的Web服務器，配置MaxClients為500個（表示Apache的最大連接數(shù)目）。

那么，我們的Web系統(tǒng)的理論峰值QPS為（理想化的計算方式）：

20*500/0.1 = 100000 （10萬QPS）

咦？我們的系統(tǒng)似乎很強大，1秒鐘可以處理完10萬的請求，5w/s的秒殺似乎是“紙老虎”哈。實際情況，當然沒有這么理想。在高并發(fā)的實際場景下，機器都處于高負載的狀態(tài)，在這個時候平均響應時間會被大大增加。

就Web服務器而言，Apache打開了越多的連接進程，CPU需要處理的上下文切換也越多，額外增加了CPU的消耗，然后就直接導致平均響應時間增加。因此上述的MaxClient數(shù)目，要根據(jù)CPU、內(nèi)存等硬件因素綜合考慮，絕對不是越多越好?？梢酝ㄟ^Apache自帶的abench來測試一下，取一個合適的值。然后，我們選擇內(nèi)存操作級別的存儲的Redis，在高并發(fā)的狀態(tài)下，存儲的響應時間至關重要。網(wǎng)絡帶寬雖然也是一個因素，不過，這種請求數(shù)據(jù)包一般比較小，一般很少成為請求的瓶頸。負載均衡成為系統(tǒng)瓶頸的情況比較少，在這里不做討論哈。

那么問題來了，假設我們的系統(tǒng)，在5w/s的高并發(fā)狀態(tài)下，平均響應時間從100ms變?yōu)?50ms（實際情況，甚至更多）：

20*500/0.25 = 40000 （4萬QPS）

于是，我們的系統(tǒng)剩下了4w的QPS，面對5w每秒的請求，中間相差了1w。

然后，這才是真正的惡夢開始。舉個例子，高速路口，1秒鐘來5部車，每秒通過5部車，高速路口運作正常。突然，這個路口1秒鐘只能通過4部車，車流量仍然依舊，結果必定出現(xiàn)大塞車。（5條車道忽然變成4條車道的感覺）。

同理，某一個秒內(nèi)，20*500個可用連接進程都在滿負荷工作中，卻仍然有1萬個新來請求，沒有連接進程可用，系統(tǒng)陷入到異常狀態(tài)也是預期之內(nèi)。

其實在正常的非高并發(fā)的業(yè)務場景中，也有類似的情況出現(xiàn)，某個業(yè)務請求接口出現(xiàn)問題，響應時間極慢，將整個Web請求響應時間拉得很長，逐漸將Web服務器的可用連接數(shù)占滿，其他正常的業(yè)務請求，無連接進程可用。

更可怕的問題是，是用戶的行為特點，系統(tǒng)越是不可用，用戶的點擊越頻繁，惡性循環(huán)最終導致“雪崩”（其中一臺Web機器掛了，導致流量分散到其他正常工作的機器上，再導致正常的機器也掛，然后惡性循環(huán)），將整個Web系統(tǒng)拖垮。

5.3 重啟與過載保護

如果系統(tǒng)發(fā)生“雪崩”，貿(mào)然重啟服務，是無法解決問題的。最常見的現(xiàn)象是，啟動起來后，立刻掛掉。這個時候，最好在入口層將流量拒絕，然后再將重啟。如果是redis/memcache這種服務也掛了，重啟的時候需要注意“預熱”，并且很可能需要比較長的時間。

秒殺和搶購的場景，流量往往是超乎我們系統(tǒng)的準備和想象的。這個時候，過載保護是必要的。如果檢測到系統(tǒng)滿負載狀態(tài)，拒絕請求也是一種保護措施。在前端設置過濾是最簡單的方式，但是，這種做法是被用戶“千夫所指”的行為。更合適一點的是，將過載保護設置在CGI入口層，快速將客戶的直接請求返回。

6、作弊的手段：進攻與防守

秒殺和搶購收到了“海量”的請求，實際上里面的水分是很大的。不少用戶，為了“搶“到商品，會使用“刷票工具”等類型的輔助工具，幫助他們發(fā)送盡可能多的請求到服務器。還有一部分高級用戶，制作強大的自動請求腳本。這種做法的理由也很簡單，就是在參與秒殺和搶購的請求中，自己的請求數(shù)目占比越多，成功的概率越高。

這些都是屬于“作弊的手段”，不過，有“進攻”就有“防守”，這是一場沒有硝煙的戰(zhàn)斗哈。

6.1、同一個賬號，一次性發(fā)出多個請求

部分用戶通過瀏覽器的插件或者其他工具，在秒殺開始的時間里，以自己的賬號，一次發(fā)送上百甚至更多的請求。實際上，這樣的用戶破壞了秒殺和搶購的公平性。

這種請求在某些沒有做數(shù)據(jù)安全處理的系統(tǒng)里，也可能造成另外一種破壞，導致某些判斷條件被繞過。例如一個簡單的領取邏輯，先判斷用戶是否有參與記錄，如果沒有則領取成功，最后寫入到參與記錄中。這是個非常簡單的邏輯，但是，在高并發(fā)的場景下，存在深深的漏洞。多個并發(fā)請求通過負載均衡服務器，分配到內(nèi)網(wǎng)的多臺Web服務器，它們首先向存儲發(fā)送查詢請求，然后，在某個請求成功寫入?yún)⑴c記錄的時間差內(nèi)，其他的請求獲查詢到的結果都是“沒有參與記錄”。這里，就存在邏輯判斷被繞過的風險。

應對方案：

在程序入口處，一個賬號只允許接受1個請求，其他請求過濾。不僅解決了同一個賬號，發(fā)送N個請求的問題，還保證了后續(xù)的邏輯流程的安全。實現(xiàn)方案，可以通過Redis這種內(nèi)存緩存服務，寫入一個標志位（只允許1個請求寫成功，結合watch的樂觀鎖的特性），成功寫入的則可以繼續(xù)參加。

或者，自己實現(xiàn)一個服務，將同一個賬號的請求放入一個隊列中，處理完一個，再處理下一個。

6.2、多個賬號，一次性發(fā)送多個請求

很多公司的賬號注冊功能，在發(fā)展早期幾乎是沒有限制的，很容易就可以注冊很多個賬號。因此，也導致了出現(xiàn)了一些特殊的工作室，通過編寫自動注冊腳本，積累了一大批“僵尸賬號”，數(shù)量龐大，幾萬甚至幾十萬的賬號不等，專門做各種刷的行為（這就是微博中的“僵尸粉“的來源）。

舉個例子，例如微博中有轉(zhuǎn)發(fā)抽獎的活動，如果我們使用幾萬個“僵尸號”去混進去轉(zhuǎn)發(fā)，這樣就可以大大提升我們中獎的概率。

這種賬號，使用在秒殺和搶購里，也是同一個道理。例如，iPhone官網(wǎng)的搶購，火車票黃牛黨。

應對方案：

這種場景，可以通過檢測指定機器IP請求頻率就可以解決，如果發(fā)現(xiàn)某個IP請求頻率很高，可以給它彈出一個驗證碼或者直接禁止它的請求：

彈出驗證碼，最核心的追求，就是分辨出真實用戶。因此，大家可能經(jīng)常發(fā)現(xiàn)，網(wǎng)站彈出的驗證碼，有些是“鬼神亂舞”的樣子，有時讓我們根本無法看清。他們這樣做的原因，其實也是為了讓驗證碼的圖片不被輕易識別，因為強大的“自動腳本”可以通過圖片識別里面的字符，然后讓腳本自動填寫驗證碼。實際上，有一些非常創(chuàng)新的驗證碼，效果會比較好，例如給你一個簡單問題讓你回答，或者讓你完成某些簡單操作（例如百度貼吧的驗證碼）。

直接禁止IP，實際上是有些粗暴的，因為有些真實用戶的網(wǎng)絡場景恰好是同一出口IP的，可能會有“誤傷“。但是這一個做法簡單高效，根據(jù)實際場景使用可以獲得很好的效果。

6.3、多個賬號，不同IP發(fā)送不同請求

所謂道高一尺，魔高一丈。有進攻，就會有防守，永不休止。這些“工作室”，發(fā)現(xiàn)你對單機IP請求頻率有控制之后，他們也針對這種場景，想出了他們的“新進攻方案”，就是不斷改變IP。

有同學會好奇，這些隨機IP服務怎么來的。有一些是某些機構自己占據(jù)一批獨立IP，然后做成一個隨機代理IP的服務，×××給這些“工作室”使用。還有一些更為黑暗一點的，就是通過***黑掉普通用戶的電腦，這個***也不破壞用戶電腦的正常運作，只做一件事情，就是轉(zhuǎn)發(fā)IP包，普通用戶的電腦被變成了IP代理出口。通過這種做法，***就拿到了大量的獨立IP，然后搭建為隨機IP服務，就是為了掙錢。

應對方案：

說實話，這種場景下的請求，和真實用戶的行為，已經(jīng)基本相同了，想做分辨很困難。再做進一步的限制很容易“誤傷“真實用戶，這個時候，通常只能通過設置業(yè)務門檻高來限制這種請求了，或者通過賬號行為的”數(shù)據(jù)挖掘“來提前清理掉它們。

僵尸賬號也還是有一些共同特征的，例如賬號很可能屬于同一個號碼段甚至是連號的，活躍度不高，等級低，資料不全等等。根據(jù)這些特點，適當設置參與門檻，例如限制參與秒殺的賬號等級。通過這些業(yè)務手段，也是可以過濾掉一些僵尸號。

7、高并發(fā)下的數(shù)據(jù)安全

我們知道在多線程寫入同一個文件的時候，會存現(xiàn)“線程安全”的問題（多個線程同時運行同一段代碼，如果每次運行結果和單線程運行的結果是一樣的，結果和預期相同，就是線程安全的）。如果是MySQL數(shù)據(jù)庫，可以使用它自帶的鎖機制很好的解決問題，但是，在大規(guī)模并發(fā)的場景中，是不推薦使用MySQL的。

秒殺和搶購的場景中，還有另外一個問題，就是“超發(fā)”，如果在這方面控制不慎，會產(chǎn)生發(fā)送過多的情況。我們也曾經(jīng)聽說過，某些電商搞搶購活動，買家成功拍下后，商家卻不承認訂單有效，拒絕發(fā)貨。這里的問題，也許并不一定是商家奸詐，而是系統(tǒng)技術層面存在超發(fā)風險導致的。

7.1、超發(fā)的原因

假設某個搶購場景中，我們一共只有100個商品，在最后一刻，我們已經(jīng)消耗了99個商品，僅剩最后一個。這個時候，系統(tǒng)發(fā)來多個并發(fā)請求，這批請求讀取到的商品余量都是99個，然后都通過了這一個余量判斷，最終導致超發(fā)。

在上面的這個圖中，就導致了并發(fā)用戶B也“搶購成功”，多讓一個人獲得了商品。這種場景，在高并發(fā)的情況下非常容易出現(xiàn)。

7.2、悲觀鎖思路

解決線程安全的思路很多，可以從“悲觀鎖”的方向開始討論。

悲觀鎖，也就是在修改數(shù)據(jù)的時候，采用鎖定狀態(tài)，排斥外部請求的修改。遇到加鎖的狀態(tài)，就必須等待。

雖然上述的方案的確解決了線程安全的問題，但是，別忘記，我們的場景是“高并發(fā)”。也就是說，會很多這樣的修改請求，每個請求都需要等待“鎖”，某些線程可能永遠都沒有機會搶到這個“鎖”，這種請求就會死在那里。同時，這種請求會很多，瞬間增大系統(tǒng)的平均響應時間，結果是可用連接數(shù)被耗盡，系統(tǒng)陷入異常。

7.3、FIFO隊列思路

那好，那么我們稍微修改一下上面的場景，我們直接將請求放入隊列中的，采用FIFO（First Input First Output，先進先出），這樣的話，我們就不會導致某些請求永遠獲取不到鎖。看到這里，是不是有點強行將多線程變成單線程的感覺哈。

然后，我們現(xiàn)在解決了鎖的問題，全部請求采用“先進先出”的隊列方式來處理。那么新的問題來了，高并發(fā)的場景下，因為請求很多，很可能一瞬間將隊列內(nèi)存“撐爆”，然后系統(tǒng)又陷入到了異常狀態(tài)?；蛘咴O計一個極大的內(nèi)存隊列，也是一種方案，但是，系統(tǒng)處理完一個隊列內(nèi)請求的速度根本無法和瘋狂涌入隊列中的數(shù)目相比。也就是說，隊列內(nèi)的請求會越積累越多，最終Web系統(tǒng)平均響應時候還是會大幅下降，系統(tǒng)還是陷入異常。

7.4、樂觀鎖思路

這個時候，我們就可以討論一下“樂觀鎖”的思路了。樂觀鎖，是相對于“悲觀鎖”采用更為寬松的加鎖機制，大都是采用帶版本號（Version）更新。實現(xiàn)就是，這個數(shù)據(jù)所有請求都有資格去修改，但會獲得一個該數(shù)據(jù)的版本號，只有版本號符合的才能更新成功，其他的返回搶購失敗。這樣的話，我們就不需要考慮隊列的問題，不過，它會增大CPU的計算開銷。但是，綜合來說，這是一個比較好的解決方案。

有很多軟件和服務都“樂觀鎖”功能的支持，例如Redis中的watch就是其中之一。通過這個實現(xiàn)，我們保證了數(shù)據(jù)的安全。

8、總結

互聯(lián)網(wǎng)正在高速發(fā)展，使用互聯(lián)網(wǎng)服務的用戶越多，高并發(fā)的場景也變得越來越多。電商秒殺和搶購，是兩個比較典型的互聯(lián)網(wǎng)高并發(fā)場景。雖然我們解決問題的具體技術方案可能千差萬別，但是遇到的挑戰(zhàn)卻是相似的，因此解決問題的思路也異曲同工。

順便給大家推薦一個Java技術交流群：908676731，里面會分享一些資深架構師錄制的視頻資料：有Spring，MyBatis，Netty源碼分析，高并發(fā)、高性能、分布式、微服務架構的原理，JVM性能優(yōu)化、分布式架構等這些成為架構師必備的知識體系。還能領取免費的學習資源，目前受益良多！