经典例子:秒杀订单
模拟场景:
商城做一个秒杀活动,秒杀的商品数量为10,秒到即得
方案:
1.应用层做首次过滤
因为考虑到处理的失败,我们要给缓存开的总数比10稍大是最好的,那我们就给队列开的总数是50。秒杀开始后,我们的队列只接收前面50个请求,当数量满50后,在请求就返回已秒杀完。如果一瞬间的并发大于50,我们就随机取50个放入队列。
缓存的处理是在内存上处理的,效率非常高,但是在这个层面处理过后要二次请求,可能会有稍许延迟。
2.数据层做二次过滤
从50个中随机或者排序的方式,二次“并发”按队列执行下单,这时候可以考虑使用文件锁。入库时也可以考虑使用乐观锁、自定义锁、限制条件等。
经过首次处理后的数据量已经非常小了,直接操作数据库的话压力会小很多,二次过滤也能尽可能的保证数据不超出
其他:
如果是分布式集群服务器,就需要有一个或多个多层专门的队列服务器,或者配置缓存队列共享
模拟场景:
商城做一个秒杀活动,秒杀的商品数量为10,秒到即得
方案:
1.应用层做首次过滤
因为考虑到处理的失败,我们要给缓存开的总数比10稍大是最好的,那我们就给队列开的总数是50。秒杀开始后,我们的队列只接收前面50个请求,当数量满50后,在请求就返回已秒杀完。如果一瞬间的并发大于50,我们就随机取50个放入队列。
缓存的处理是在内存上处理的,效率非常高,但是在这个层面处理过后要二次请求,可能会有稍许延迟。
2.数据层做二次过滤
从50个中随机或者排序的方式,二次“并发”按队列执行下单,这时候可以考虑使用文件锁。入库时也可以考虑使用乐观锁、自定义锁、限制条件等。
经过首次处理后的数据量已经非常小了,直接操作数据库的话压力会小很多,二次过滤也能尽可能的保证数据不超出
其他:
如果是分布式集群服务器,就需要有一个或多个多层专门的队列服务器,或者配置缓存队列共享