嚼一嚼秒杀系统（一）基于数据库乐观锁

嚼一嚼秒杀系统（一）基于数据库乐观锁

1、背景

最近突然对秒杀系统比较感兴趣，所以突发奇想来研究一下。其实在面试过程中也经常会遇到此类问题：如果你有一千个商品，怎么在最快的时间内卖出去，且不多卖不少卖。

下面我就基于这个常见的问题，逐步完成一个高性能的秒杀系统。

github地址：https://github.com/351524388/flash-sale

2、架构

本篇文章介绍demo1，使用到的技术如下：

• SpringBoot-V2.3.1.RELEASE
  • JPA
    • @Version：数据版本号，实现乐观锁
    • @UpdateTimestamp：自动更新修改时间
  • Tomcat
    • server.tomcat.threads.max：200（默认情况）
• MySQL-V5.7.20
• nginx：反向代理，主要是通过80节点访问多个后台服务
• jmeter：模拟高并发场景，聚合报告查看结果

3、代码实现

demo1实现的功能，是在高并发的情况下，正确的扣减库存。代码比较简单，分为以下几层：

• entity：数据库模型，核心代码如下：

  @Entity
  @Table(name = "good_count_info")
  public class GoodCountInfo {
      /**
       * 自增主键
       */
      @Id
      @GeneratedValue(strategy = GenerationType.IDENTITY)
      private Integer id;
      /**
       * 商品总数
       */
      private Long goodCount;
      /**
       * 数据版本号
       */
      @Version
      private Long versionNo;
      /**
       * 修改时间
       */
      @UpdateTimestamp
      private LocalDateTime modifyTime;
      // 省略 Setter、Getter 方法 ...
  }
  

• repository：操作数据库，代码如下：

  @Repository
  public interface GoodCountRepository extends JpaRepository<GoodCountInfo, Integer> {
  }
  

• service：业务操作，代码如下：

  @Service
  public class GoodCountServiceImpl implements IGoodCountService {
      @Value("${flash.sale.table.row.id:1}")
      private int rowId;
      @Autowired
      private GoodCountRepository goodCountRepository;
  
      @Override
      public Long getGoodCount() {
          return goodCountRepository.findAll().get(0).getGoodCount();
      }
  
      @Override
      @Transactional(rollbackFor = Throwable.class)
      public boolean subGoodCount() {
          GoodCountInfo goodCountInfo = goodCountRepository.getOne(rowId);
          if (goodCountInfo.getGoodCount() > 0) {
              goodCountInfo.setGoodCount(goodCountInfo.getGoodCount() - 1);
              goodCountRepository.save(goodCountInfo);
              return true;
          } else {
              return false;
          }
      }
  }
  

• controller：接口层，代码如下：

  @RestController
  @RequestMapping("/flash-sale/goodCount")
  public class FlashSaleController {
      @Autowired
      private IGoodCountService goodCountService;
  
      @GetMapping
      public Object getGoodCountInfo() {
          return goodCountService.getGoodCount();
      }
  
      @PostMapping
      public Object subGoodCountInfo() {
          try {
              return goodCountService.subGoodCount();
          } catch (Exception e) {
              System.out.println("减库存失败");
              return false;
          }
      }
  }
  

这里再贴一下application.properties配置文件的内容：

spring.datasource.url=jdbc:mysql://localhost:3306/flash-sale?serverTimezone=UTC&useSSL=false&useUnicode=true&characterEncoding=utf8
spring.datasource.username=root
spring.datasource.password=123456
spring.datasource.driver-class-name=com.mysql.jdbc.Driver
spring.jpa.database-platform=org.hibernate.dialect.MySQL5InnoDBDialect
spring.jpa.show-sql=true
spring.jpa.hibernate.ddl-auto=validate
#先启动节点1，修改这里的id，然后启动节点2
flash.sale.table.row.id=1

详细代码参见github：https://github.com/351524388/flash-sale

4、测试结果

这只是一个很简单的demo，但是再简单也需要能正确运行才行，于是我采用jmeter进行压测，通过聚合报告来分析结果，如果不太会用jmeter的读者，可以自行百度（因为我也是刚百度学会的）。

最终压测的结果如下：

• 单节点：吞吐量100/s，异常率0%
• 双节点：
  • 单行数据吞吐量200/s，异常率4%。多运行几次，可以达到300/s。
  • 两行数据吞吐量200/s，异常率2%。多运行几次，可以达到500/s。

根据结果可以看出，增加节点可以提高并发效率，但是异常率也会增加。如果将一千条数据分到不同的行中，我这里使用了两行，每行五百条，分开后可以有效提高并发效率，异常率也会降低。

另外有一点，就是服务启动以后，运行次数增加，性能会越来越好。所以秒杀之前对系统进行预热，对并发效率也会有所提升。毕竟Java号称是越跑越快。

5、总结

这是一个很简单的demo，后期会在这个基础上逐步完善，争取将单个节点的性能提升到极致。

不足之处，欢迎评论指出。

问题列表

• 安装MySQL5.7.20的时候会报错，提示需要安装Microsoft Visual C++ 2013 Redistributable (x86)，这时候只需要将这个插件的64位和32位都安装上就好了
• Idea多一个服务启动多个实例：https://www.cnblogs.com/yg_zhang/p/12651584.html
• Jmeter压测：https://blog.csdn.net/weixin_42118716/article/details/106498171