JavaWeb秒杀业务场景设计

r囧r小猫 2022-05-27 04:13 266阅读 0赞

秒杀业务场景设计问题经常被面试的时候被问到,在实际业务中,也常常需要实现,下面我们来看看如何实现秒杀业务.

秒杀业务,是典型的短时大量突发访问类问题

特点:    秒杀时网站的访问量大增;

秒杀时购买的请求数量远小于库存,只有部分用户能够成功;

业务流程简单,根据先后顺序,下订单减库存;

首先看一下普通商品购买业务的基本逻辑

![70][]

那么,秒杀业务,会影响到上面的哪些方面呢

前端:

在同一时段,大量的用户集中访问前端页面的资源,流量剧增,导致页面刷新不及时,甚至无法访问,秒杀系统特点是并发量极大,但实际秒杀成功的请求数量却很少,所以如果不在前端拦截很可能造成数据库读写锁冲突,甚至导致死锁,最终请求超时;

解决方案:(1).当流量过大的时候，加一个验证码可以在单位时间内有效的控制住合法用户;

(2).将活动页面上的所有可以静态的元素全部静态化,并尽量减少动态元素,通过CDN来抗峰值;

(3).用户提交之后按钮置灰，禁止重复提交,在某一时间段内只允许用户提交一次请求，比如可以采取IP限流;

后端:

传统秒杀系统之所以挂，请求都压倒了后端数据层，数据读写锁冲突严重，并发高响应慢，几乎所有请求都超时，流量虽大，下单成功的有效流量甚小【一趟火车其实只有2000张票，200w个人来买，基本没有人能买成功，请求有效率为0】

解决方案:

**站点层设计**

前端层的请求拦截，只能拦住小白用户（不过这是99%的用户哟），高端的程序员根本不吃这一套，写个for循环，直接调用你后端的http请求，怎么整？

（1）同一个uid，限制访问频度，做页面缓存，x秒内到达站点层的请求，均返回同一页面

（2）同一个item的查询，例如手机车次，做页面缓存，x秒内到达站点层的请求，均返回同一页面

如此限流，又有99%的流量会被拦截在站点层。

**服务层设计**

站点层的请求拦截，只能拦住普通程序员，高级黑客，假设他控制了10w台肉鸡（并且假设买票不需要实名认证），这下uid的限制不行了吧？怎么整？

(请求队列,cache缓存)

（1）大哥，我是服务层，我清楚的知道小米只有1万部手机，我清楚的知道一列火车只有2000张车票，我透10w个请求去数据库有什么意义呢？对于写请求，做请求队列，每次只透过有限的写请求去数据层，如果均成功再放下一批，如果库存不够则队列里的写请求全部返回“已售完”；

（2）对于读请求，还用说么？cache来抗，不管是memcached还是redis，单机抗个每秒10w应该都是没什么问题的；

如此限流，只有非常少的写请求，和非常少的读缓存mis的请求会透到数据层去，又有99.9%的请求被拦住了。

上面只拦截了一部分访问请求，当秒杀的用户量很大时，即使每个用户只有一个请求，到服务层的请求数量还是很大。比如我们有100W用户同时抢100台手机，服务层并发请求压力至少为100W。

(1). 采用消息队列缓存请求：既然服务层知道库存只有100台手机，那完全没有必要把100W个请求都传递到数据库啊，那么可以先把这些请求都写到消息队列缓存一下，数据库层订阅消息减库存，减库存成功的请求返回秒杀成功，失败的返回秒杀结束。

(2). 利用缓存应对读请求：对类似于12306等购票业务，是典型的读多写少业务，大部分请求是查询请求，所以可以利用缓存分担数据库压力。

(3). 利用缓存应对写请求：缓存也是可以应对写请求的，比如我们就可以把数据库中的库存数据转移到Redis缓存中，所有减库存操作都在Redis中进行，然后再通过后台进程把Redis中的用户秒杀请求同步到数据库中。

**数据库层 **

数据库层是最脆弱的一层，一般在应用设计时在上游就需要把请求拦截掉，数据库层只承担“能力范围内”的访问请求。所以，上面通过在服务层引入队列和缓存，让最底层的数据库高枕无忧。

**接下来详细讲Redis缓存详细思路;**

#  #

[Redis][]是一个分布式缓存系统，支持多种[数据结构][Link 1]，可利用Redis轻松实现一个强大的秒杀系统。

实现原理：list双向链表

此处用到了Redis中的链表(list)数据类型:

![70 1][]

![70 2][]

我们可以采用Redis 最简单的key-value数据结构，用一个原子类型的变量值(AtomicInteger)作为key，把用户id作为value，库存数量便是原子变量的最大值。对于每个用户的秒杀，我们使用 RPUSH key value插入秒杀请求， 当插入的秒杀请求数达到上限时，停止所有后续插入。**因为pop操作是原子的，即使有很多用户同时到达，也是依次执行.(mysql事务在高并发下性能下降很厉害，文件锁的方式也是).**

然后我们可以再启动多个工作线程，使用 LPOP key 读取秒杀成功者的用户id，然后再操作数据库做最终的下订单减库存操作。

当然，上面Redis也可以替换成消息中间件如ActiveMQ、RabbitMQ等，也可以将缓存和消息中间件 组合起来，缓存系统负责接收记录用户请求，消息中间件负责将缓存中的请求同步到数据库。

（1）使用Redis中间件缓存动态资源的好处？

提高访问速度，减少对数据库的链接的打开、关闭，

（2）为什么不用JVM内存而使用Redis作为缓存呢？

JVM 内存较小，隔一段时间会自动进行垃圾回收。  
      JVM和业务程序绑定在一起了，如果程序出错，JVM也会停止，这样就导致缓存数据丢失。

如果使用Redis，除了缓存比较大之外，还实现了缓存数据和业务程序的分离，即使运行程序出现错误，也不会影响缓存。

**压力测试工具**

使用JMeter 压测工具

下载、安装、进入C:/JMeter/bin下面的jmeter.bat批处理文件来启动JMeter的可视化界面，

进入测试计划添加线程组: 设置线程数，循环次数，添加HTTP默认请求，服务器名称，IP，以及自己设定的携带参数

添加监听器，存放测试结果：聚合报告，可以表格查询、图形结果、树结果

点击运行-》启动。

并发量:50W-100W 100W-500W

以下的文章给了我很多思路

[https://blog.csdn.net/csdn\_terence/article/details/77744042][https_blog.csdn.net_csdn_terence_article_details_77744042]

[https://blog.csdn.net/csdn\_terence/article/details/77160734][https_blog.csdn.net_csdn_terence_article_details_77160734]

**[https://www.cnblogs.com/wangzhongqiu/p/6557596.html][https_www.cnblogs.com_wangzhongqiu_p_6557596.html]**

[https://segmentfault.com/a/1190000002990385][https_segmentfault.com_a_1190000002990385]

[70]: /images/20220527/4bd1908741e043c39071d1d0e2c6734f.png
[Redis]: http://lib.csdn.net/base/redis
[Link 1]: http://lib.csdn.net/base/datastructure
[70 1]: /images/20220527/d56599ca9cf74dbe9c792b6727096f46.png
[70 2]: /images/20220527/7d9f41448f5f4a448192b112acaa10bb.png
[https_blog.csdn.net_csdn_terence_article_details_77744042]: https://blog.csdn.net/csdn_terence/article/details/77744042
[https_blog.csdn.net_csdn_terence_article_details_77160734]: https://blog.csdn.net/csdn_terence/article/details/77160734
[https_www.cnblogs.com_wangzhongqiu_p_6557596.html]: https://www.cnblogs.com/wangzhongqiu/p/6557596.html
[https_segmentfault.com_a_1190000002990385]: https://segmentfault.com/a/1190000002990385