php 过载保护,PHP如何解决高并发问题

概念：

我们通常衡量一个Web系统的吞吐率的指标是QPS(Query Per Second，每秒处理请求数)，解决每秒数万次的高并发场景，这个指标非常关键。举个例子，我们假设处理一个业务请求平均响应时间为100ms，同时，系统内有20台Apache的Web服务器，配置MaxClients为500个(表示Apache的最大连接数目)。最大连接数越高，可以处理的并发请求越高。

那么，我们的Web系统的理论峰值QPS为(理想化的计算方式)：20*500/0.1 = 100000 (10万QPS)咦？我们的系统似乎很强大，1秒钟可以处理完10万的请求，5w/s的秒杀似乎是“纸老虎”哈。实际情况，当然没有这么理想。在高并发的实际场景下，机器都处于高负载的状态，在这个时候平均响应时间会被大大增加。普通的一个p4的服务器每天最多能支持大约10万左右的IP，如果访问量超过10W那么需要专用的服务器才能解决，如果硬件不给力 软件怎么优化都是于事无补的。

主要影响服务器的速度有：网络-硬盘读写速度-内存大小-cpu处理速度。就Web服务器而言，Apache打开了越多的连接进程，CPU需要处理的上下文切换也越多，额外增加了CPU的消耗，然后就直接导致平均响应时间增加。因此上述的MaxClient数目，要根据CPU、内存等硬件因素综合考虑，绝对不是越多越好。可以通过Apache自带的abench来测试一下，取一个合适的值。然后，我们选择内存操作级别的存储的Redis，在高并发的状态下，存储的响应时间至关重要。网络带宽虽然也是一个因素，不过，这种请求数据包一般比较小，一般很少成为请求的瓶颈。

那么问题来了，假设我们的系统，在5w/s的高并发状态下，平均响应时间从100ms变为250ms(实际情况，甚至更多)：20*500/0.25 = 40000 (4万QPS)于是，我们的系统剩下了4w的QPS，面对5w每秒的请求，中间相差了1w。举个例子，高速路口，1秒钟来5部车，每秒通过5部车，高速路口运作正常。突然，这个路口1秒钟只能通过4部车，车流量仍然依旧，结果必定出现大塞车。(5条车道忽然变成4条车道的感觉)同理，某一个秒内，20*500个可用连接进程都在满负荷工作中，却仍然有1万个新来请求，没有连接进程可用，系统陷入到异常状态也是预期之内。

重启与过载保护

如果系统发生“雪崩”，贸然重启服务，是无法解决问题的。最常见的现象是，启动起来后，立刻挂掉。这个时候，最好在入口层将流量拒绝，然后再将重启。如果是redis/memcache这种服务也挂了，重启的时候需要注意“预热”，并且很可能需要比较长的时间。

秒杀和抢购的场景，流量往往是超乎我们系统的准备和想象的。这个时候，过载保护是必要的。如果检测到系统满负载状态，拒绝请求也是一种保护措施。在前端设置过滤是最简单的方式，但这种做法是被用户“千夫所指”的行为。更合适一点的是，将过载保护设置在CGI入口层，快速将客户的直接请求返回

高并发下的数据安全

在多线程写入同一个文件的时候，会存现“线程安全”的问题(多个线程同时运行同一段代码，如果每次运行结果和单线程运行的结果是一样的，结果和预期相同，就是线程安全的)。如果是MySQL数据库，可以使用它自带的锁机制很好的解决问题，但是，在大规模并发的场景中，是不推荐使用MySQL的。秒杀和抢购的场景中，还有另外一个问题，就是“超发”，如果在这方面控制不慎，会产生发送过多的情况。我们也曾经听说过，某些电商搞抢购活动，买家成功拍下后，商家却不承认订单有效，拒绝发货。这里的问题，也许并不一定是商家奸诈，而是系统技术层面存在超发风险导致的。

假设某个抢购场景中，我们一共只有100个商品，在最后一刻，我们已经消耗了99个商品，仅剩最后一个。这个时候，系统发来多个并发请求，这批请求读取到的商品余量都是99个，然后都通过了这一个余量判断，最终导致超发。

在上面的这个图中，就导致了并发用户B也“抢购成功”，多让一个人获得了商品。这种场景，在高并发的情况下非常容易出现。

优化方案1：将库存字段number字段设为unsigned，当库存为0时，因为字段不能为负数，将会返回false

悲观锁思路  解决线程安全的思路很多，可以从“悲观锁”的方向开始讨论。

优化方案2：使用MySQL的事务，锁住操作的行

优化方案3：使用文件锁排它锁

flock函数用于获取文件的锁，这个锁同时只能被一个线程获取到，其它没有获取到锁的线程要么阻塞，要么获取失败。在获取到锁的时候，先查询库存，如果库存大于0，则进行下订单操作，减库存，然后释放锁。在现实应用中，很多情况下会把数据存入缓存，当缓存失效时，去数据库取数据并重新设置缓存，如果这时并发量很大，会有很多进程同时去数据库取数据，导致很多请求穿透到数据库，而使数据库奔溃，这里可用文件锁来解决。

优化方案4：使用队列(redis队列)

将用户的下单请求依次存入一个队列中，后台用一个单独的进程处理队列中的下单请求

优化方案5：使用Redis

redis的操作都是原子性的，可以将商品的库存存入redis中，下单之前对库存进行decr操作，如果返回的值大于等于0等可以下单，否则不能下单,这种方式效率较高。

if(redis->get('stock_num') > 0){

stock_num = redis->decr('stock_num')

if(stock_num >= 0){

//下订单

}else{

//库存不足

}

}else{

//库存不足

}

优化方案6：乐观锁思路

乐观锁，是相对于“悲观锁”采用更为宽松的加锁机制，大都是采用带版本号(Version)更新。实现就是，这个数据所有请求都有资格去修改，但会获得一个该数据的版本号，只有版本号符合的才能更新成功，其他的返回抢购失败。这样的话，我们就不需要考虑队列的问题，不过，它会增大CPU的计算开销。但是，综合来说，这是一个比较好的解决方案。

有很多软件和服务都“乐观锁”功能的支持，例如Redis中的watch(事务)就是其中之一。通过这个实现，我们保证了数据的安全。