实战讲解高并发和秒杀抢购系统设计

互联网特别是电商平台，阿里双11秒杀、还有12306春运抢票、以及平时各种节假日抢购活动等，都是典型的高并发场景。

这类场景最大的特征就是活动周期短，瞬间流量大（高并发），大量的人短期涌入服务器抢购，但是数量有限，最终只有少数人能成功下单。

这里，就来讲一讲对应该场景下需要考虑的技术实现。

先从基本的概念的建立，再讲对应的实现部分。

第一：高并发

技术要做的事，一方面优化程序，让程序性能最优，单次请求时间能从50ms优化到25ms，那就可以在一秒钟内成功响应翻倍的请求了。

另一方面就是增加服务器，用更大的集群来处理用户请求，设计好一个可靠且灵活扩充的分布式方案就更加重要了。

第二：时间短

火热的秒杀活动，真的是一秒钟以内就会把商品抢购一空，而大部分用户的感受是，提交订单的过程却要等待好几秒、甚至十几秒，更糟糕的当然是请求报错。

那么一个好的秒杀体验，当然希望尽可能减少用户等待时间，准确的提示用户当前是否还有商品库存。而这些，也是需要有优秀的程序设计来保证的。

第三：系统容量预估

系统设计的时候，都需要有一个容量预估，那就是要提前计算好，我们设计的系统，要承载多大的数量级。

假如线上前端服务器规格是8核16G内存的服务器，而提交订单的处理程序耗时100ms，那么可以简单计算一下：

每秒可以处理的订单请求数=1000ms/100ms*8=80qps

上面这个结果，对于秒杀系统来说，肯定是非常不理想的。

如果能将处理程序耗时优化后，降低到10ms，那么就可以达到800qps。

如果我们可以把程序继续优化，能快速区分开有库存和无库存处理，那么无库存时处理就有可能做到1ms甚至更低的耗时。这样无库存时就能有更好的性能，上万的qps也是可以达到的。

上面的预估，都是针对单机，那么简单的增加前端服务器，是不是就能有更好的并发处理量呢？

肯定没这么简单，因为数据库、缓存系统甚至机房网络带宽都会成为瓶颈。

于是就要有一个更好的分布式方案。

第四：好的分布式方案

一个好的分布式方案，首先当然是稳定可靠，不要出乱子，然后就是方便扩充，最好的效果当然是增加一台服务器，并发处理量可以1:1线性增长。

比如：单机qps是1k，那么10台服务器可以做到1w，100台可以做到10w每秒。

要做到这样的线性增长效果，就要杜绝出现瓶颈，否则还是会代价太大。

拒绝假的分布式尤其重要，比如：前端服务器是可以独立存在的，但是都依赖集中的一个数据库或者缓存系统，那最后，一定是集中的那个数据库或者缓存系统受不了，同样无法做到一个好的分布式。

第五：关注系统的瓶颈

大家先有几个基本的共识，系统的处理速度

程序内数据读写 > redis > mysql > 磁盘

单机网络请求 > 局域网内请求 > 跨机房请求

我们优化程序的时候，尽量用最快的方式，尽量用最简短的逻辑。

用redis替代mysql来保存订单处理中依赖的数据，用程序中的提交的数据代替从redis中二次获取数据，比如：商品库存信息，用户订单信息。

逻辑处理中，把速度快且提前中断的逻辑放在最前面，比如：验证登录，验证问答。

我们做分布式方案的时候，尽量把资源调用放在最近的地方。

前端服务器依赖的数据尽量就在局域网内，如果能在单机都有读的redis服务当然更好，程序维护数据响应会复杂些。

不要出现跨机房网络请求，不要出现跨机房网络请求，不要出现跨机房网络请求，重要的事情说三遍。

第六：什么语言更适合这类系统

当然，像是用golang, ngx_lua可能在高并发和性能方面会更有优势。

如果使用java、php当然也是可以的，作为一个系统，语言只是工具，更好的设计和优化，才能达到最终想要的效果。

有了上面的基本概念，我们接下来再来看看，具体运行时，会出现什么状况。

下面是一些具体的实现问题：

问题1：库存超卖

只有10个库存，但是一秒钟有1k个订单，怎么能不超卖呢？

核心思想就是保证库存递减是原子性操作，10--返回9，9--返回8，8--返回7。

而不能是读取出来库存10，10-1=9再更新回去。因为这个读取和更新是并发执行的，很可能就会有1k个订单都成功了，而库存实际只有10。

那么，怎么保证原子性操作呢？

1 数据库：

update product set left_num=left_num-1 where left_num>0;

这里用到的是left_num=left_num-1，如果left_num>0才能执行成功，数据库查询、更新的时候有用到锁，是可以保证更新操作的原子性的。

数据库性能较差，不建议使用。

2 分布式锁

用redis来做一个分布式锁，reids->setnx('lock', 1) 设置一个锁，程序执行完成再del这个锁。

锁定的过程，不利于并发执行，大家都在等待锁解开，不建议使用。

3 消息队列

将订单请求全部放入消息队列，然后另外一个后台程序一个个处理队列中的订单请求。

并发不受影响，但是用户等待的时间较长，进入队列的订单也会很多，体验上并不好，也不建议使用。

4 redis递减

通过 redis->incrby('product', -1) 得到递减之后的库存数。

问题2：集群怎么来规划

前端服务器因为没有相互间关联，集群的数量不受影响。

redis的性能可以达到每秒几万次响应，所以一个集群的规模，也就是redis服务可以承载的数量。

比如：一台前端服务器是1~2k的qps（有库存时），那么10台+1台redis就可以是一个独立的集群，可以支撑1~2w每秒订单量。

10个上述的集群就可以做到一秒钟处理10w~20w的有效订单。

如果秒杀活动的库存量在1w以内，预计参与的人数在百万左右，那么有一个集群也就可以搞定。

如果秒杀参与的人数超过千万，那么就要用到不止一个集群了。

问题3：多个集群的数据怎么保持一致性

不要做多集群的数据同步，而是用散列，每个集群的数据是独立存在的。

假设，有10个商品，每个商品有1w库存，规划用10个集群，那么每个集群有10个商品，每个商品是1k库存。

每个集群只需要负责把自己的库存卖掉即可，至于说，会不会有用户知道有10个集群，然后每个集群都去抢。

这种情况就不要用程序来处理了，利用运营规则，活动结束后汇总订单的时候再去处理就好了。

如果担心散列的不合理，比如：某个集群用户访问量特别少，那么可以引入一个中控服务，来监控各个集群的库存，然后再做平衡。

问题4：机器人抢购怎么办：

没什么太好的办法，类似DDOS攻击，只能是让自身更强大才是王道。

运营策略上，可以严格控制用户注册，必须登录，提交订单的时候引入图像验证码，问答，交互式验证等。

以上是高并发和秒杀实战， 更多架构资料请狂戳