f4644f8d2b4fc3bdca1bcd301faaaf11.jpeg
秒杀业务是电商平台最核心的业务，像我们耳熟能详的双十一、双十二等等，也是商业活动中最重要的促销手段
一、面临挑战
1、热销商品的查询并发量大，用户往往刷不出相应热销商品
热销商品的查询并发量大，给数据库和服务器造成巨大压力，使得服务器的cpu和内存的监控不断报警。而且用户在手机端刷新不出相应的热销商品，给用户造成极差的体验，往往招致用户投诉
2、确保高并发环境下，热销商品不能被超卖。
电商平台对某些热销商品的限购非常严格，不仅对库存有严格的限制，同时对每个用户在设定期限内的购买数量也有严格的限制。在高并发的环境下，怎么保证复杂业务的原子性，既能控制住每个人的购买数量？同时又能控制住整体的库存？而且还能保证下单的效率？
3、瞬间产生大量订单，如果没有缓冲，服务器会宕机
秒杀过程中，会瞬间产生大量订单，由于产生订单的时间远远低于订单写入数据库的时间，这使得大量的订单滞留在服务器的资源中无法及时消费，一旦服务器资源被耗尽，就会面临宕机。
4、产生大量订单后，数据库不但面临着大量的写入，同时还要面临大量的读取，造成死锁，使用户感觉系统非常不流畅，影响用户体验
5、当系统资源无法满足当前流量时，怎样自动在新的服务器资源中拉起相应的秒杀服务，来保证当前的业务顺利进行。当秒杀结束后，又怎样自动释放相应的资源？
二、解决方案
面临以上的挑战和用户的痛点，怎么破？
1、引入缓存，让查询热销商品的速度飞起来
<1>、限制用户查询的频率
比如3秒之内只能刷新一次，这样可以减轻服务器的压力
<2>、本地缓存和分布式缓存相结合（guava+redis）
- 一般情况，使用分布式缓存redis就可以大大商品的查询速度
- 如果并发量非常大，分布式缓存中的某些Key对应的value存储在集群中一台机器（比如冬奥会时的冰墩墩），使得所有流量涌向同⼀机器，成为系统的瓶颈，无法通过增加机器容量来解决
- 引入本地缓存，例如guava，对于每次读请求，将⾸先检查key是否存在于本地缓存中，如果存在则直接返回，如果不存在再去访问分布式缓存的机器
<3>、变化的热销商品信息实时同步到缓存中（canal+rocketmq+dxs+redis）
热销商品的信息有时会发生变化，比如价格，描述信息、图片链接等。而且这些变化，都是存储到数据库。使用canal监控数据库的变化，数据库变化后将变化的消息写入到消息队列ons，dxs通过监听ons，实时将变化的信息同步到缓存中
2、高效下单，同时保证限购规则和防止口罩被超卖
<1>、redis+lua，保证每个用户所有操作的原子性
高并发的情况下，保证每个用户在特定时间内只能购买限购数量的热销商品，而且整体不能被超卖。 这就需要保证每个人所有操作的原子性。使用redis+lua这种分布锁的方式，不仅能保证每个用的所有操作的原子性，并且能大大降低相应的网络开销，节省服务器资源
<2>、高效生成订单的揭秘
- 限购规则生效时，实时同步到redis，lua脚本直接从redis取出相应规则（限购数量、限购天数、整体库存等），效率更高
- 每个人的购买明细（购买日期、已购买数量）也直接写入到redis中，lua脚本会结合限购规则和用户的明细判断该用户是否可以继续购买
- 每个门店整体的库存也直接从redis里判断，lua脚本会根据是否有足够的库存而控制用户是否可以下单
- 由于所有相关操作都是从redis中读取和写入，而非关系型数据库，所有生成订单的效率非常高
3、面对大量订单瞬间生成，使用分库分表和消息队列来保证订单安全高效的写入数据库
<1>、生成订单和存储订单的不平衡
由于订单是通过redis高效生成，生成订单后，需要写入mysql数据库。生成订单的速度远远高于存储订单的速度，如果短时间内大量的订单无法消费积压在服务器内存中，在服务器资源耗尽的情况下，出现服务器宕机
<2>、使用分库分表的方式，提升数据库的并发访问能力
<3>、使用消息队列rabbitmq列作为缓冲，来解决生成订单和存储订单的不平衡
消息队列rabbitmq有两个作用：一是解耦，生成订单后，不需要直接写入mysql，而是发送到rabbitmq，从而完成订单的高效生成。二是削峰，当大量订单瞬间生成的时候，就不会积压在服务器的内存中，从而保证服务器不会被宕机，可以根据消息队列的积压程度，动态调整消息队列消费者的个数，提升消费的效率
4、订单的高效读写
<1>、读写分离+SLB实现高效读写
可以通过一主多从（比如一主六从）实现读写分离，主库只负责将数据写入数据库，同时将数据同步到其他的从库中。而从库只负责读取，同时在所有的从库中引入SLB，通过负载均衡的方式分摊从库读取的压力
<2>、NOSQL冗余，用空间换时间（canal+rocketmq+dxs+es）
使用canal监听主库的数据变化，有新的订单写入，将新订单的日志写入到消息队列ons中，dxs通过监听ons，实时将新的订单写入到es中，用户可以通过查询es查到自己的订单
5、未来，系统可以根据设定指标在集群中自动启动/关闭秒杀服务，增加自身的并发能力，应对突如其来的流量
<1>、使用docker管理秒杀服务，使秒杀服务容器化
<2>、使用容器编排管理平台Rancher管理秒杀容器，同时配置容器扩容和缩容的回调服务
<3>、自动扩容和缩容
当突发流量可以快速扩容，当流量峰值过去可以快速缩容，有两个方法：
- 使用flink监控nginx访问日志的方式，实时监控流量的变化。当流量达到某个峰值时，调相应的容器扩容服务。同时，当流量过后，启动相应的缩容服务
- 使用prometheus实时监控服务器对应的指标。当指标触发报警时，调相应的容器扩容服务。同时当指标恢复时，启动相应的缩容服务
以上就是实现秒杀的整个底层逻辑，这套方案经历了实践的考验。现在，也是用这套方案来抢购很多促销商品。当然还有很多的不足，而且业务的要求也越来越高，相信这套方案会在不断升级中越做越好
网友评论