1、秒杀
1、使用redis进行实现–开启商品的监控----使用redis的watch来保证秒杀的成功–multi-watch
随机运气机制
- MULTI
- EXEC
- DISCARD
- WATCH
MULTI命令 :用于开启一个事务,它总是返回OK。
MULTI执行之后,客户端可以继续向服务器发送任意多条命令, 这些命令不会立即被执行,而是被放到一个队列中,
当 EXEC命令被调用时, 所有队列中的命令才会被执行。
EXEC命令 :负责触发并执行事务中的所有命令:
如果客户端成功开启事务后执行EXEC,那么事务中的所有命令都会被执行。
如果客户端在使用MULTI开启了事务后,却因为断线而没有成功执行EXEC,那么事务中的所有命令都不会被执行。
需要特别注意的是:即使事务中有某条/某些命令执行失败了,事务队列中的其他命令仍然会继续执行
——Redis不会停止执行事务中的命令,而不会像我们通常使用的关系型数据库一样进行回滚。
DISCARD命令
当执行 DISCARD 命令时, 事务会被放弃, 事务队列会被清空,并且客户端会从事务状态中退出。
WATCH 命令
可以为Redis事务提供 check-and-set (CAS)行为。
被WATCH的键会被监视,并会发觉这些键是否被改动过了。
如果有至少一个被监视的键在 EXEC 执行之前被修改了, 那么整个事务都会被取消, EXEC 返回nil-reply来表示事务已经失败。
//高并发的情况下,不加入事务控制,抢购出现多人抢一个的问题
@RequestMapping("kill")
@ResponseBody
public String kill(){//redis方法可能出现点的慢的比点的快的抢到--随机运气机制秒杀
String memberId = "XXXX";
Jedis jedis = redisUtil.getJedis();
//开启商品的监控----使用redis的watch来保证秒杀的成功
jedis.watch("106");
int count = Integer.parseInt(jedis.get("106"));
if(count > 0){
Transaction multi = jedis.multi();//开启事务---保证redis的安全
jedis.incrBy("106", -1);
List<Object> exec = multi.exec();
if(exec != null && exec.size() > 0){
System.out.println("当前库存剩余数量为:" + count + ",用户" + memberId + "抢购成功!!当前抢购人数为:" + (1000 - count));
//用消息队列发出订单消息---后续再发送
}else{
System.out.println("当前库存剩余数量为:" + count + ",用户" + memberId + "抢购失败!!");
}
}
jedis.close();
return "1";
}
}
2、使用Redisson进行实现—getSemaphore-----tryAcquire();
先到先得机制
@RequestMapping("secKill")
@ResponseBody
public String secKill(){//使用Redisson---与redis不同---先到先得机制秒杀
Jedis jedis = redisUtil.getJedis();//redis只是单纯的查一下数量
String memberId = "XXXX";
RSemaphore semaphore = redissonClient.getSemaphore("106");
boolean b = semaphore.tryAcquire();
int count = Integer.parseInt(jedis.get("106"));
if(b){
System.out.println("当前库存剩余数量为:" + count + ",用户" + memberId + "抢购成功!!当前抢购人数为:" + (1000 - count));
//用消息队列发出订单消息---后续再发送
System.out.println("发出订单的消息队列,由订单系统对当前抢购生成订单。");
}else{
System.out.println("当前库存剩余数量为:" + count + ",用户" + memberId + "抢购失败!!");
}
jedis.close();
return "1";
}
2、限流
限流,限制服务器的流量,单位时间内的吞吐数,处理请求的数量。
**漏桶算法:**设置一个桶的容量,即最大承载值,如果大于这个容量直接false,时间间隔乘速率。
long timeStamp = getNowTime();
int capacity = 10000;// 桶的容量,即最大承载值
int rate = 1;//水漏出的速度,即服务器的处理请求的能力
int water = 100;//当前水量,即当前的即时请求压力
//当前请求线程进入漏桶方法,true则不被拒绝,false则说明当前服务器负载水量不足,则被拒绝
public static bool control() {
long now = getNowTime();//当前请求时间
//先执行漏水代码
//rate是固定的代表服务器的处理能力,所以可以认为“时间间隔*rate”即为漏出的水量
water = Math.max(0, water - (now - timeStamp) * rate);//请求时间-上次请求时间=时间间隔
timeStamp = now;//更新时间,为下次请求计算间隔做准备
if (water < capacity) { // 执行漏水代码后,发现漏桶未满,则可以继续加水,即没有到服务器可以承担的上线
water ++;
return true;
} else {
return false;//水满,拒绝加水,到服务器可以承担的上线,拒绝请求
}
}
令牌桶算法:以一个恒定的速度往桶里放入令牌,而如果请求需要被处理,则需要先从桶里获取一个令牌,当桶里没有令牌可取时,则拒绝服务。
long timeStamp=getNowTime();
int capacity; // 桶的容量
int rate ;//令牌放入速度
int tokens;//当前水量
bool control() {
//先执行添加令牌的操作
long now = getNowTime();
tokens = max(capacity, tokens+ (now - timeStamp)*rate);
timeStamp = now;
if(tokens<1){
return false; //令牌已用完,拒绝访问
}else{
tokens--;
retun true; //还有令牌,领取令牌
}
}
3、docker+K8s
1、云容器
云容器的架构能够提供一整套的,自动提交,自动打包,自动部署,自动重启,动态配置的解决方案,
云容器代替原始部署完成以下工作:搭建虚拟机,安装redis,nginx,mq,mysql,tomcat,jdk,maven。
然后搭完以后镜像出来,换到另外一台上,换个ip,单独做测试环境。
然后每次部署,通过ssh连接到linux服务器,kill -9,然后备份,重启服务器,打war包等等等
2、云容器的整体结构
流程:
1 ->程序员提交代码到git
2 ->Jenkins对新版本进行打包测试
3 ->提交docker进行自动部署
4 ->通过webui动态配置nginx反向代理
1 git 代码版本控制(svn)
2 jenkins 自动打包测试工具(将写好的代码从git上拉下来,然后打成为服务的jar包)
3 glusterfs 分布式文件存储系统,相当于fastdfs
4 docker 把(springboot)微服务作为一个个单独的容器,单独运行
5 Kubernetes解决的就是docker集群以及各处网络访问的阻碍(它还有负载均衡功能,我们用的是nginx+springcloud)
6 etcd+confd+nginx 将nginx的配置实现动态化,在webui页面上就可以配置nginx的反向代理