php流量削峰,电商高并发秒杀5 流量削峰技术

前言

对应的交易优化技术使用了缓存校验+异步扣减库存的方式，使得秒杀下单的方式有了明显的提升。

即便查询优化，交易优化技术用到极致后，只要外部的流量超过了系统可承载的范围就有拖垮系统的风险。本章通过秒杀令牌，秒杀大闸，队列泄洪等流量削峰技术解决全站的流量高性能运行效率。

项目缺陷：

秒杀下单接口会被脚本不停的刷新；

秒杀验证逻辑和秒杀下单接口强关联，代码冗余度高；

秒杀验证逻辑复杂，对交易系统产生无关联负载；

1. 秒杀令牌

1.1 原理

*秒杀接口需要依靠令牌才能进入，对应的秒杀下单接口需要新增一个入参，表示对应前端用户获得传入的一个令牌，只有令牌处于合法之后，才能进入对应的秒杀下单的逻辑；

秒杀令牌由秒杀活动模块负责生成，交易系统仅仅验证令牌的可靠性，以此来判断对应的秒杀接口是否可以被这次http的request进入；

秒杀活动模块对秒杀令牌生成全权处理，逻辑收口；

秒杀下单前需要获得秒杀令牌才能开始秒杀；

1.2 代码实现

/**

* 每次下单生成秒杀令牌 替代原来令牌

*/

@RequestMapping(value = "/generatetoken", method = {RequestMethod.POST}, consumes = {CONTENT_TYPE_FORMED})

@ResponseBody

public CommonReturnType generatetoken(@RequestParam(name = "itemId") Integer itemId,

@RequestParam(name = "promoId") Integer promoId) throws BusinessException {

//根据token获取用户信息

String[] tokenArray = httpServletRequest.getParameterMap().get("token");

if (ArrayUtils.isEmpty(tokenArray) || StringUtils.isEmpty(tokenArray[0]) || tokenArray[0].equals("null")) {

throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登陆，不能下单");

}

//获取用户的登陆信息

UserModel userModel = (UserModel) redisTemplate.opsForValue().get(tokenArray[0]);

if (userModel == null) {

throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登陆，不能下单");

}

/**

* 以userid为维度防止token重复

*/

//获取秒杀访问令牌

String promoToken = promoService.generateSecondKillToken(promoId, itemId, userModel.getId());

if (promoToken == null) {

throw new BusinessException(EmBusinessError.PARAMETER_VALIDATION_ERROR, "生成令牌失败");

}

//返回对应的结果

return CommonReturnType.create(promoToken);

}

//封装下单请求

@RequestMapping(value = "/createorder", method = {RequestMethod.POST}, consumes = {CONTENT_TYPE_FORMED})

@ResponseBody

public CommonReturnType createOrder(@RequestParam(name = "itemId") Integer itemId,

@RequestParam(name = "amount") Integer amount,

@RequestParam(name = "promoId", required = false) Integer promoId,

@RequestParam(name = "promoToken", required = false) String promoToken) throws BusinessException {

//根据token获取用户信息

String[] tokenArray = httpServletRequest.getParameterMap().get("token");

if (ArrayUtils.isEmpty(tokenArray) || StringUtils.isEmpty(tokenArray[0]) || tokenArray[0].equals("null")) {

throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登陆，不能下单");

}

//获取用户的登陆信息

UserModel userModel = (UserModel) redisTemplate.opsForValue().get(tokenArray[0]);

if (userModel == null) {

throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登陆，不能下单");

}

//校验秒杀令牌是否正确

if (promoId != null) {

String inRedisPromoToken = (String) redisTemplate.opsForValue().get("promo_token_" + promoId + "_userid_" + userModel.getId() + "_itemid_" + itemId);

if (inRedisPromoToken == null) {

throw new BusinessException(EmBusinessError.PARAMETER_VALIDATION_ERROR, "秒杀令牌校验失败");

}

if (!org.apache.commons.lang3.StringUtils.equals(promoToken, inRedisPromoToken)) {

throw new BusinessException(EmBusinessError.PARAMETER_VALIDATION_ERROR, "秒杀令牌校验失败");

}

}

....

}

生成秒杀令牌

/**

* 生成秒杀用的令牌

*

* @param promoId

* @param itemId

* @param userId

*/

@Override

public String generateSecondKillToken(Integer promoId, Integer itemId, Integer userId) {

//判断是否库存已售罄，若对应的售罄key存在，则直接返回下单失败

if (redisTemplate.hasKey(PROMO_ITEM_STOCK_INVALID + itemId)) {

return null;

}

PromoDO promoDO = promoDOMapper.selectByPrimaryKey(promoId);

//dataobject->model

PromoModel promoModel = convertFromDataObject(promoDO);

if (promoModel == null) {

return null;

}

//判断当前时间是否秒杀活动即将开始或正在进行

if (promoModel.getStartDate().isAfterNow()) {

promoModel.setStatus(1);

} else if (promoModel.getEndDate().isBeforeNow()) {

promoModel.setStatus(3);

} else {

promoModel.setStatus(2);

}

//判断活动是否正在进行

if (promoModel.getStatus().intValue() != 2) {

return null;

}

//判断item信息是否存在

ItemModel itemModel = itemService.getItemByIdInCache(itemId);

if (itemModel == null) {

return null;

}

//判断用户信息是否存在

UserModel userModel = userService.getUserByIdInCache(userId);

if (userModel == null) {

return null;

}

/**

* 如果已发放令牌数量大于活动商品的数量 * 系数，就不在发放秒杀令牌

*

* 获取秒杀大闸的count数量

*/

long result = redisTemplate.opsForValue().increment(PROMO_DOOR_COUNT + promoId, -1);

if (result < 0) {

return null;

}

//生成token并且存入redis内并给一个5分钟的有效期

String token = UUID.randomUUID().toString().replace("-", "");

/**

* 以USERid为维度防止token重复

*/

redisTemplate.opsForValue().set("promo_token_" + promoId + "_userid_" + userId + "_itemid_" + itemId, token, 5, TimeUnit.MINUTES);

return token;

}

image.png

点击下单按钮，前端两次接口请求：

1.创建与用户id、商品id、促销id关联的时效性token( 非用户token)&

2.创建订单createOrder

2. 秒杀大闸

为了解决秒杀令牌在活动一开始无限制生成，影响系统的性能，提出了秒杀大闸的解决方案；

2.1 原理

依靠秒杀令牌的授权原理定制化发牌逻辑，解决用户对应流量问题，做到大闸功能；

根据秒杀商品初始化库存颁发对应数量令牌，控制大闸流量；

用户风控策略前置到秒杀令牌发放中；

库存售罄判断前置到秒杀令牌发放中。

2.2 代码实现：

/**

* 将大闸的限制数字设到redis内

*/

redisTemplate.opsForValue().set(PROMO_ITEM_STOCK +itemModel.getId(), itemModel.getStock());

String promo_itemid = "promoid_" + promoId + "_itemid_" + itemModel.getId();

redisTemplate.opsForValue().set(promo_itemid, 1, 10, TimeUnit.MINUTES);

/**

* 每隔一段时间重新设置令牌最大数量

*/

String promo_itemid = "promoid_" + promoId + "_itemid_" + itemId;

if (!redisTemplate.hasKey(promo_itemid)) {

/**

* 将大闸的限制数字设到redis内

*/

redisTemplate.opsForValue().set(PROMO_DOOR_COUNT + promoId, itemModel.getStock().intValue() * 5);

redisTemplate.opsForValue().set(promo_itemid, 1, 10, TimeUnit.MINUTES);

}

long result = redisTemplate.opsForValue().increment(PROMO_DOOR_COUNT + promoId, -1);

if (result < 0) {

return null;

}

方案缺陷

浪涌流量涌入后系统无法应对

多库存多商品等令牌限制能力弱；

3. 队列泄洪

采用秒杀大闸之后，还是无法解决浪涌流量涌入后台系统，并且多库存多商品等令牌限制能力较弱；

3.1 技术来源

排队有些时候比并发更高效(例如redis单线程模型，innodb mutex key等)；

依靠排队去限制并发流量；

依靠排队和下游阻塞窗口程度调整队列释放流量大小；

以支付宝银行网关队列为例，支付宝需要对接许多银行网关，当你的支付宝绑定多张银行卡，那么支付宝对于这些银行都有不同的支付渠道。在大促活动时，支付宝的网关会有上亿级别的流量，银行的网关扛不住，支付宝就会将支付请求队列放到自己的消息队列中，依靠银行网关承诺可以处理的TPS流量去泄洪；

消息队列就像“水库”一样，拦蓄上游的洪水，削减进入下游河道的洪峰流量，从而达到减免洪水灾害的目的；

3.2 代码实现

private ExecutorService executorService;

@PostConstruct

public void init() {

executorService = new ThreadPoolExecutor(20, 20,

0L, TimeUnit.MILLISECONDS,

new LinkedBlockingQueue<>(1024),new ThreadPoolExecutor.AbortPolicy());

}

/**

* 同步调用线程池的submit方法

*/

/**

* 拥塞窗口为20的等待队列，用来队列化泄洪

*/

Future future = executorService.submit(new Callable() {

@Override

public Object call() throws Exception {

//加入库存流水init状态

String stockLogId = itemService.initStockLog(itemId, amount);

//再去完成对应的下单事务型消息机制

if (!mqProducer.transactionAsyncReduceStock(userModel.getId(), itemId, promoId, amount, stockLogId)) {

throw new BusinessException(EmBusinessError.UNKNOWN_ERROR, "下单失败");

}

return null;

}

});

try {

future.get();

} catch (InterruptedException e) {

throw new BusinessException(EmBusinessError.UNKNOWN_ERROR);

} catch (ExecutionException e) {

throw new BusinessException(EmBusinessError.UNKNOWN_ERROR);

}

3.3 本地OR分布式

本地：将队列维护在本地内存中；

分布式：将队列设置到外部redis中

比如说我们有100台机器，假设每台机器设置20个队列，那我们的拥塞窗口就是2000，但是由于负载均衡的关系，很难保证每台机器都能够平均收到对应的createOrder的请求，那如果将这2000个排队请求放入redis中，每次让redis去实现以及去获取对应拥塞窗口设置的大小，这种就是分布式队列；

本地和分布式有利有弊：

分布式队列最严重的就是性能问题，发送任何一次请求都会引起call网络的消耗，并且要对Redis产生对应的负载，Redis本身也是集中式的，虽然有扩展的余地。单点问题就是若Redis挂了，整个队列机制就失效了。

本地队列的好处就是完全维护在内存当中的，因此其对应的没有网络请求的消耗，只要JVM不挂，应用是存活的，那本地队列的功能就不会失效。因此企业级开发应用还是推荐使用本地队列，本地队列的性能以及高可用性对应的应用性和广泛性。可以使用外部的分布式集中队列，当外部集中队列不可用时或者请求时间超时，可以采用降级的策略，切回本地的内存队列。