秒杀系统

秒杀系统：同一时刻有大量请求争抢购买同一商品。红包，12306。。。

涉及大量并发读，并发写。要求系统高可用，高性能，一致性。（快准稳）

 

高性能：

1.数据要尽量少

• 用户请求的数据尽量少，返回给用户的数据尽量少。数据的网络传输需要时间，服务器处理数据的大小影响CPU压缩和编码消耗。

• 尽量少依赖其他系统，RCP的协议转化，序列化占用时间较多。（那就要从主业务中抽离单独的秒杀系统）

2.请求尽量少

• 这里是指只保留主要请求，其他能省则省，能静态就静态。

• 不同的请求不一样，还涉及域名解析。（APP端要注意）

3.路径尽量短，依赖尽量少

• 一次请求跨越多个服务，系统。增加了序列化，socket链接等成本。这好比我们依赖中间件或服务越多，越不安全，因为我们要考虑他们的可用性，不稳定性。

• 能不依赖的不依赖，秒杀的特殊性让我们考虑怎么用最少的服务满足它，只保留强依赖。

4.不要有单点：

• 单点意味着没有备份，分布式系统中是不允许存在单点的。

• 服务的无状态化，可以在任何机器上部署。

 

不同场景下的架构设计：

第一阶段：最简单也是秒杀的业务主干，商品增加一个定时上架功能（火车票起售了），仅在秒杀开始才能购买，商品库存卖完了就结束了。

第二阶段：

• 请求量加大后，秒杀系统单独出来一个系统，可以针对性的优化，还不影响主要业务流程。

• 这个系统单独部署在一个机器集群中，不会对其他业务机器负载造成影响。

• 对热点数据缓存。

• 增加秒杀答题，防止秒杀器抢单。

第三阶段：

• 对页面进行动静分离，秒杀时不需要刷新整个页面，把页面沙墟的数据降到最少。

• 在服务端对秒杀商品进行本地缓存，不再需要调用依赖系统获取数据，不需要在从缓存服务器获取数据，减少一切能减少的网络IO，也能避免压垮别的系统。

• 增加系统限流保护。

秒杀系统不仅要做系统的优化，也要在业务设计上减缓系统压力；因为单方面做到极致的成本太高，比如12306的动态图片答题。

热点数据放入缓存，做动静分离，都能有效的减少路径和请求数据量。

 

减库存（重点：不能超卖）

三种方式：

下单减库存：下单就扣，简单精确，直接数据库扣减。

付款减库存：下单后不减，付款才减。会出现下单了确付不了款，被别人买走了。

预扣：下单后扣减，预留15分钟不支付订单自动取消，库存回滚。下单时再次检查订单预扣的库存还有没有，没有再次扣减库存并支付，如果扣减不成功则不能支付。

tips：印象中电影选座，是没下单，但选中座位了就不能被别人选中，这里应该是选座代替了预扣流程。

我认为系统设计是从业务和技术的结合设计，以下有几个问题待思考

1.恶意下单，有竞对过来买你的低价商品，或者只下单不购买。这时一般设置每次下单个数上限，一天内下单取消次数上限，同一个人只能购买一次，等等限制恶意行为，放弃部分请求和减少无效请求都能缓解应用压力。最后加上反作弊更好了。

2.付款减库存，用户体验不好，用户已经下单成功了，付款时却被告知失败，难道我还要再来一遍么？如果有选择我会放弃使用这个产品，没说这么满是因为12306这座大山。。。

3.库存是不是一定不能超？不能的，就要提示库存不足。但如果可以超，那就可以有容错，自己补货。之前做过一个商城的例子，库存是假的，后台有另一个真正的库存系统，放量是个评估值，目的是防止竞对看到我们的真实存量。

 

大并发秒杀中到底用哪种减库存？

1.万事无绝对，具体事情具体分析。从上面说的来看，可能预扣比另两种严谨一些。但从目前接触的秒杀场景来看，下单减库存好一些。因为大家的购买意愿都很强，取消或不支付的概率低，也就是无效请求很少，这样库存回滚只占少部分。而付款减库存不仅体验不好，还有第三方支付的参与，时间慢，不稳定性高。预扣就多做了一次检查，没有下单减库存快和直接。这也符合我们的路径尽量短，依赖尽量少的原则。

2.能不能在缓存中减库存?如何在数据库中减库存？

简单的减库存逻辑可以用缓存，如果有事务控制，用数据库较好。但innodb行锁会影响其他用这个表的查询操作，即少部分业务影响了大部分业务。这时候把热点数据隔离出去单独数据库可以避免问题，也能和服务的单机器对应。

然后是解决热点数据自己的并发锁问题，锁的问题到哪里都是排队的，无论是应用层排队还是数据库层排队。

 

3.订单取消补回库存

 

4.第三方支付结果和减库存的一致性保证

 

动静分离

动态数据指的是个性化数据，静态是相对的，对热点数据进行本地存储，自然会快。

把数据缓存到离用户最近的地方。服务端缓存，CDN，用户浏览器。

让web服务器如Nginx做缓存更适合

 

 未完待续。。。

---

热点发现与隔离

 

流量削峰

队列缓冲、分层过滤

 

高可用

降级、限流、拒绝服务

 

性能优化

如何发现瓶颈

影响性能的因素