做秒杀的几个思路

秒杀业务为什么难做

  1. im系统,例如qq或者微博,每个人都读自己的数据(好友列表、群列表、个人信息);
  2. 微博系统,每个人读你关注的人的数据,一个人读多个人的数据;
  3. 秒杀系统,库存只有一份,所有人会在集中的时间读和写这些数据,多个人读一个数据。

小米手机每周二的秒杀,可能手机只有1万部,但瞬时进入的流量可能是几百几千万。

12306抢票,票是有限的,库存一份,瞬时流量非常多,都读相同的库存。读写冲突,锁非常严重,这是秒杀业务难的地方。那我们怎么优化秒杀业务的架构呢?(其实12306比淘宝要更难做,因为所有的都是动态库存,几百种sku。有兴趣请点击查看

优化方向

  1. 将请求尽量拦截在系统上游(不要让锁冲突落到数据库上去)。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。以12306为例,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。

  2. 充分利用缓存,秒杀买票,这是一个典型的读多些少的应用场景,大部分请求是车次查询,票查询,下单和支付才是写请求。一趟火车其实只有2000张票,200w个人来买,最多2000个人下单成功,其他人都是查询库存,写比例只有0.1%,读比例占99.9%,非常适合使用缓存来优化。

常见秒杀架构

  1. 浏览器端,最上层,会执行到一些JS代码
  2. 站点层,这一层会访问后端数据,拼html页面返回给浏览器
  3. 服务层,向上游屏蔽底层数据细节,提供数据访问
  4. 数据层,最终的库存是存在这里的,mysql是一个典型(当然还有会缓存)

各层次优化细节

客户端怎么优化(浏览器层,APP层)

- 产品层面,用户点击“查询”或者“购票”后,按钮置灰,禁止用户重复提交请求;
- JS层面,**限制用户**在x秒之内只能提交一次请求;
- APP层面,可以做类似的事情,虽然你疯狂的在摇微信,其实x秒才向后端发起一次请求。这就是所谓的“将请求尽量拦截在系统上游”,越上游越好,浏览器层,APP层就给拦住,这样就能挡住80%+的请求。

但是这种办法只能拦住普通用户(但99%的用户是普通用户)对于群内的高端程序员是拦不住的。firebug一抓包,http长啥样都知道,js是万万拦不住程序员写for循环,调用http接口的,这部分请求怎么处理?

站点层面的请求拦截

怎么拦截?怎么防止程序员写for循环调用,有去重依据么?ip?cookie-id?…想复杂了,这类业务都需要登录,用uid即可。在站点层面,对uid进行请求计数和去重,甚至不需要统一存储计数,直接站点层内存存储(这样计数会不准,但最简单)。一个uid,5秒只准透过1个请求,这样又能拦住99%的for循环请求。

5s只透过一个请求,其余的请求怎么办?
缓存,页面缓存,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。
同一个item的查询,例如车次,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,既能保证用户有良好的用户体验(没有返回404)又能保证系统的健壮性(利用页面缓存,把请求拦截在站点层了)。

页面缓存不一定要保证所有站点返回一致的页面,直接放在每个站点的内存也是可以的。优点是简单,坏处是http请求落到不同的站点,返回的车票数据可能不一样,这是站点层的请求拦截与缓存优化。

好,这个方式拦住了写for循环发http请求的程序员,有些高端程序员(黑客)控制了10w个肉鸡,手里有10w个uid,同时发请求(先不考虑实名制的问题,小米抢手机不需要实名制),这下怎么办,站点层按照uid限流拦不住了。

服务层来拦截(反正就是不要让请求落到数据库上去)

服务层怎么拦截?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?没错, 请求队列!
对于写请求,做请求队列,每次只透有限的写请求去数据层( 下订单,支付 这样的写业务)

1w部手机,只透1w个下单请求去db
3k张火车票,只透3k个下单请求去db
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”。

对于读请求,怎么优化?cache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。

其他业务优化方面:

  • 还有业务规则上的一些优化。回想12306所做的,分时分段售票,原来统一10点卖票,现在8点,8点半,9点,…每隔半个小时放出一批:将流量摊匀。
  • 数据粒度的优化:你去购票,对于余票查询这个业务,票剩了58张,还是26张,你真的关注么,其实我们只关心有票和无票?流量大的时候,做一个粗粒度的“有票”“无票”缓存即可。
  • 一些业务逻辑的异步:例如下单业务与 支付业务的分离。这些优化都是结合 业务 来的

数据库层

  • 浏览器拦截了80%
  • 站点层拦截了99.9%并做了页面缓存
  • 服务层又做了写请求队列与数据缓存

每次透到数据库层的请求都是可控的,db基本就没什么压力了。库存是有限的,透这么多请求来数据库没有意义,全部透到数据库,100w个下单,0个成功,请求有效率0%。透3k个到数据,全部成功,请求有效率100%。

总体思路

  1. 尽量将请求拦截在系统上游(越上游越好);
  2. 读多写少的常用多使用缓存(缓存抗读压力);
  • 浏览器和APP:做限速
  • 站点层:按照uid做限速,做页面缓存
  • 服务层:按照业务做写请求队列控制流量,做数据缓存
  • 数据层:闲庭信步

其他的优化:

  • 当还是有大量流量到了站点层了,用扩容;或着拦截或抛弃50%的请求,50%的请求直接返回稍后重试,不能让所有的用户都失败。
  • 服务层可以使用队列,若队列已经有远超过库存的,在过来的请求就直接返回稍后重试。可以一个服务一个队列,总数/服务个数。如果同意一个队列的话,有并发锁的问题。
  • 其他常见的场景,运营活动页面,短时间的推送消息,都可以做缓存
  • 下单不支付,过了等待时间“回仓”改库存。
  • 如果同时进行的活动很多,需要垂直拆分
  • 如果业务失败的话,直接返回重试,没必要再从新放入队列
  • 数据和缓存不一致的时候,脏读了,只要数据库层面真实性没有问题,这个场景是可以容忍的。
分享即是成长