熱點推薦：秒殺系統架構分析與實戰

時間 2019-11-10

標籤熱點推薦秒殺系統架構分析實戰欄目系統架構简体版

原文原文鏈接

1 秒殺業務分析 css

正常電子商務流程（1）查詢商品；（2）建立訂單；（3）扣減庫存；（4）更新訂單；（5）付款；（6）賣家發貨 html
秒殺業務的特性（1）低廉價格；（2）大幅推廣；（3）瞬時售空；（4）通常是定時上架；（5）時間短、瞬時併發量高；前端

2 秒殺技術挑戰 java

假設某網站秒殺活動只推出一件商品，預計會吸引1萬人參加活動，也就說最大併發請求數是10000，秒殺系統須要面對的技術挑戰有： mysql

對現有網站業務形成衝擊秒殺活動只是網站營銷的一個附加活動，這個活動具備時間短，併發訪問量大的特色，若是和網站原有應用部署在一塊兒，必然會對現有業務形成衝擊，稍有不慎可能致使整個網站癱瘓。解決方案：將秒殺系統獨立部署，甚至使用獨立域名，使其與網站徹底隔離。程序員
高併發下的應用、數據庫負載用戶在秒殺開始前，經過不停刷新瀏覽器頁面以保證不會錯過秒殺，這些請求若是按照通常的網站應用架構，訪問應用服務器、鏈接數據庫，會對應用服務器和數據庫服務器形成負載壓力。解決方案：從新設計秒殺商品頁面，不使用網站原來的商品詳細頁面，頁面內容靜態化，用戶請求不須要通過應用服務。 web
忽然增長的網絡及服務器帶寬假設商品頁面大小200K（主要是商品圖片大小），那麼須要的網絡和服務器帶寬是2G（200K×10000），這些網絡帶寬是由於秒殺活動新增的，超過網站平時使用的帶寬。解決方案：由於秒殺新增的網絡帶寬，必須和運營商從新購買或者租借。爲了減輕網站服務器的壓力，須要將秒殺商品頁面緩存在CDN，一樣須要和CDN服務商臨時租借新增的出口帶寬。 redis
直接下單秒殺的遊戲規則是到了秒殺才能開始對商品下單購買，在此時間點以前，只能瀏覽商品信息，不能下單。而下單頁面也是一個普通的URL，若是獲得這個URL，不用等到秒殺開始就能夠下單了。解決方案：爲了不用戶直接訪問下單頁面URL，須要將改URL動態化，即便秒殺系統的開發者也沒法在秒殺開始前訪問下單頁面的URL。辦法是在下單頁面URL加入由服務器端生成的隨機數做爲參數，在秒殺開始的時候才能獲得。算法
如何控制秒殺商品頁面購買按鈕的點亮購買按鈕只有在秒殺開始的時候才能點亮，在此以前是灰色的。若是該頁面是動態生成的，固然能夠在服務器端構造響應頁面輸出，控制該按鈕是灰色還是點亮，可是爲了減輕服務器端負載壓力，更好地利用CDN、反向代理等性能優化手段，該頁面被設計爲靜態頁面，緩存在CDN、反向代理服務器上，甚至用戶瀏覽器上。秒殺開始時，用戶刷新頁面，請求根本不會到達應用服務器。解決方案：使用JavaScript腳本控制，在秒殺商品靜態頁面中加入一個JavaScript文件引用，該JavaScript文件中包含秒殺開始標誌爲否；當秒殺開始的時候生成一個新的JavaScript文件（文件名保持不變，只是內容不同），更新秒殺開始標誌爲是，加入下單頁面的URL及隨機數參數（這個隨機數只會產生一個，即全部人看到的URL都是同一個，服務器端能夠用redis這種分佈式緩存服務器來保存隨機數），並被用戶瀏覽器加載，控制秒殺商品頁面的展現。這個JavaScript文件的加載能夠加上隨機版本號（例如xx.js?v=32353823），這樣就不會被瀏覽器、CDN和反向代理服務器緩存。這個JavaScript文件很是小，即便每次瀏覽器刷新都訪問JavaScript文件服務器也不會對服務器集羣和網絡帶寬形成太大壓力。 sql
如何只容許第一個提交的訂單被髮送到訂單子系統因爲最終可以成功秒殺到商品的用戶只有一個，所以須要在用戶提交訂單時，檢查是否已經有訂單提交。若是已經有訂單提交成功，則須要更新 JavaScript文件，更新秒殺開始標誌爲否，購買按鈕變灰。事實上，因爲最終可以成功提交訂單的用戶只有一個，爲了減輕下單頁面服務器的負載壓力，能夠控制進入下單頁面的入口，只有少數用戶能進入下單頁面，其餘用戶直接進入秒殺結束頁面。解決方案：假設下單服務器集羣有10臺服務器，每臺服務器只接受最多10個下單請求。在尚未人提交訂單成功以前，若是一臺服務器已經有十單了，而有的一單都沒處理，可能出現的用戶體驗不佳的場景是用戶第一次點擊購買按鈕進入已結束頁面，再刷新一下頁面，有可能被一單都沒有處理的服務器處理，進入了填寫訂單的頁面，能夠考慮經過cookie的方式來應對，符合一致性原則。固然能夠採用最少鏈接的負載均衡算法，出現上述狀況的機率大大下降。
如何進行下單前置檢查
- 下單服務器檢查本機已處理的下單請求數目：
若是超過10條，直接返回已結束頁面給用戶；

若是未超過10條，則用戶可進入填寫訂單及確認頁面；
- 檢查全局已提交訂單數目：
已超過秒殺商品總數，返回已結束頁面給用戶；

未超過秒殺商品總數，提交到子訂單系統；
秒殺通常是定時上架該功能實現方式不少。不過目前比較好的方式是：提早設定好商品的上架時間，用戶能夠在前臺看到該商品，可是沒法點擊「當即購買」的按鈕。可是須要考慮的是，有人能夠繞過前端的限制，直接經過URL的方式發起購買，這就須要在前臺商品頁面，以及bug頁面到後端的數據庫，都要進行時鐘同步。越在後端控制，安全性越高。定時秒殺的話，就要避免賣家在秒殺前對商品作編輯帶來的不可預期的影響。這種特殊的變動須要多方面評估。通常禁止編輯，如需變動，能夠走數據訂正多的流程。
減庫存的操做有兩種選擇，一種是拍下減庫存另一種是付款減庫存；目前採用的「拍下減庫存」的方式，拍下就是一瞬間的事，對用戶體驗會好些。
庫存會帶來「超賣」的問題：售出數量多於庫存數量因爲庫存併發更新的問題，致使在實際庫存已經不足的狀況下，庫存依然在減，致使賣家的商品賣得件數超過秒殺的預期。方案：採用樂觀鎖

update auction_auctions set
quantity = #inQuantity#
where auction_id = #itemId# and quantity = #dbQuantity#
秒殺器的應對秒殺器通常下單個購買及其迅速，根據購買記錄能夠甄別出一部分。能夠經過校驗碼達到必定的方法，這就要求校驗碼足夠安全，不被破解，採用的方式有：秒殺專用驗證碼，電視公佈驗證碼，秒殺答題。

3 秒殺架構原則

儘可能將請求攔截在系統上游傳統秒殺系統之因此掛，請求都壓倒了後端數據層，數據讀寫鎖衝突嚴重，併發高響應慢，幾乎全部請求都超時，流量雖大，下單成功的有效流量甚小【一趟火車其實只有2000張票，200w我的來買，基本沒有人能買成功，請求有效率爲0】。
讀多寫少的經常使用多使用緩存這是一個典型的讀多寫少的應用場景【一趟火車其實只有2000張票，200w我的來買，最多2000我的下單成功，其餘人都是查詢庫存，寫比例只有0.1%，讀比例佔99.9%】，很是適合使用緩存。

4 秒殺架構設計

秒殺系統爲秒殺而設計，不一樣於通常的網購行爲，參與秒殺活動的用戶更關心的是如何能快速刷新商品頁面，在秒殺開始的時候搶先進入下單頁面，而不是商品詳情等用戶體驗細節，所以秒殺系統的頁面設計應儘量簡單。

商品頁面中的購買按鈕只有在秒殺活動開始的時候才變亮，在此以前及秒殺商品賣出後，該按鈕都是灰色的，不能夠點擊。

下單表單也儘量簡單，購買數量只能是一個且不能夠修改，送貨地址和付款方式都使用用戶默認設置，沒有默認也能夠不填，容許等訂單提交後修改；只有第一個提交的訂單發送給網站的訂單子系統，其他用戶提交訂單後只能看到秒殺結束頁面。

要作一個這樣的秒殺系統，業務會分爲兩個階段，第一個階段是秒殺開始前某個時間到秒殺開始，這個階段能夠稱之爲準備階段，用戶在準備階段等待秒殺；第二個階段就是秒殺開始到全部參與秒殺的用戶得到秒殺結果，這個就稱爲秒殺階段吧。

4.1 前端層設計

首先要有一個展現秒殺商品的頁面，在這個頁面上作一個秒殺活動開始的倒計時，在準備階段內用戶會陸續打開這個秒殺的頁面，而且可能不停的刷新頁面。這裏須要考慮兩個問題：

第一個是秒殺頁面的展現咱們知道一個html頁面仍是比較大的，即便作了壓縮，http頭和內容的大小也可能高達數十K，加上其餘的css， js，圖片等資源，若是同時有幾千萬人蔘與一個商品的搶購，通常機房帶寬也就只有1G~10G，網絡帶寬就極有可能成爲瓶頸，因此這個頁面上各種靜態資源首先應分開存放，而後放到cdn節點上分散壓力，因爲CDN節點遍及全國各地，能緩衝掉絕大部分的壓力，並且還比機房帶寬便宜~
第二個是倒計時出於性能緣由這個通常由js調用客戶端本地時間，就有可能出現客戶端時鐘與服務器時鐘不一致，另外服務器之間也是有可能出現時鐘不一致。客戶端與服務器時鐘不一致能夠採用客戶端定時和服務器同步時間，這裏考慮一下性能問題，用於同步時間的接口因爲不涉及到後端邏輯，只須要將當前web服務器的時間發送給客戶端就能夠了，所以速度很快，就我之前測試的結果來看，一臺標準的web服務器2W+QPS不會有問題，若是100W人同時刷，100W QPS也只須要50臺web，一臺硬件LB就能夠了~，而且web服務器羣是能夠很容易的橫向擴展的(LB+DNS輪詢)，這個接口能夠只返回一小段 json格式的數據，並且能夠優化一下減小沒必要要cookie和其餘http頭的信息，因此數據量不會很大，通常來講網絡不會成爲瓶頸，即便成爲瓶頸也能夠考慮多機房專線連通，加智能DNS的解決方案；web服務器之間時間不一樣步能夠採用統一時間服務器的方式，好比每隔1分鐘全部參與秒殺活動的web服務器就與時間服務器作一次時間同步。
瀏覽器層請求攔截（1）產品層面，用戶點擊「查詢」或者「購票」後，按鈕置灰，禁止用戶重複提交請求;（2）JS層面，限制用戶在x秒以內只能提交一次請求;

4.2 站點層設計

前端層的請求攔截，只能攔住小白用戶（不過這是99%的用戶喲），高端的程序員根本不吃這一套，寫個for循環，直接調用你後端的http請求，怎麼整？

（1）同一個uid，限制訪問頻度，作頁面緩存，x秒內到達站點層的請求，均返回同一頁面

（2）同一個item的查詢，例如手機車次，作頁面緩存，x秒內到達站點層的請求，均返回同一頁面

如此限流，又有99%的流量會被攔截在站點層。

4.3 服務層設計

站點層的請求攔截，只能攔住普通程序員，高級黑客，假設他控制了10w臺肉雞（而且假設買票不須要實名認證），這下uid的限制不行了吧？怎麼整？

（1）大哥，我是服務層，我清楚的知道小米只有1萬部手機，我清楚的知道一列火車只有2000張車票，我透10w個請求去數據庫有什麼意義呢？對於寫請求，作請求隊列，每次只透過有限的寫請求去數據層，若是均成功再放下一批，若是庫存不夠則隊列裏的寫請求所有返回「已售完」；

（2）對於讀請求，還用說麼？cache來抗，無論是memcached仍是redis，單機抗個每秒10w應該都是沒什麼問題的；

如此限流，只有很是少的寫請求，和很是少的讀緩存mis的請求會透到數據層去，又有99.9%的請求被攔住了。

用戶請求分發模塊：使用Nginx或Apache將用戶的請求分發到不一樣的機器上。
用戶請求預處理模塊：判斷商品是否是還有剩餘來決定是否是要處理該請求。
用戶請求處理模塊：把經過預處理的請求封裝成事務提交給數據庫，並返回是否成功。
數據庫接口模塊：該模塊是數據庫的惟一接口，負責與數據庫交互，提供RPC接口供查詢是否秒殺結束、剩餘數量等信息。

用戶請求預處理模塊通過HTTP服務器的分發後，單個服務器的負載相對低了一些，但總量依然可能很大，若是後臺商品已經被秒殺完畢，那麼直接給後來的請求返回秒殺失敗便可，沒必要再進一步發送事務了，示例代碼能夠以下所示：

package seckill; 
import org.apache.http.HttpRequest; 
/** 
* 預處理階段，把沒必要要的請求直接駁回，必要的請求添加到隊列中進入下一階段. 
*/ 
public class PreProcessor { 
  // 商品是否還有剩餘 
  private static boolean reminds = true; 
  private static void forbidden() { 
      // Do something. 
  } 
  public static boolean checkReminds() { 
      if (reminds) { 
          // 遠程檢測是否還有剩餘，該RPC接口應由數據庫服務器提供，沒必要徹底嚴格檢查. 
          if (!RPC.checkReminds()) { 
              reminds = false; 
          } 
      } 
      return reminds; 
  } 
  /** 
   * 每個HTTP請求都要通過該預處理. 
   */ 
  public static void preProcess(HttpRequest request) { 
      if (checkReminds()) { 
          // 一個併發的隊列 
          RequestQueue.queue.add(request); 
      } else { 
          // 若是已經沒有商品了，則直接駁回請求便可. 
          forbidden(); 
      } 
  } 
}

併發隊列的選擇

Java的併發包提供了三個經常使用的併發隊列實現，分別是：ConcurrentLinkedQueue 、 LinkedBlockingQueue 和 ArrayBlockingQueue。

ArrayBlockingQueue是初始容量固定的阻塞隊列，咱們能夠用來做爲數據庫模塊成功競拍的隊列，好比有10個商品，那麼咱們就設定一個10大小的數組隊列。

ConcurrentLinkedQueue使用的是CAS原語無鎖隊列實現，是一個異步隊列，入隊的速度很快，出隊進行了加鎖，性能稍慢。

LinkedBlockingQueue也是阻塞的隊列，入隊和出隊都用了加鎖，當隊空的時候線程會暫時阻塞。

因爲咱們的系統入隊需求要遠大於出隊需求，通常不會出現隊空的狀況，因此咱們能夠選擇ConcurrentLinkedQueue來做爲咱們的請求隊列實現：

package seckill;
import java.util.concurrent.ArrayBlockingQueue;
import java.util.concurrent.ConcurrentLinkedQueue;
import org.apache.http.HttpRequest;
public class RequestQueue {
    public static ConcurrentLinkedQueue<HttpRequest> queue =
            new ConcurrentLinkedQueue<HttpRequest>();
}

用戶請求模塊

package seckill; import org.apache.http.HttpRequest; public class Processor { /** * 發送秒殺事務到數據庫隊列. */ public static void kill(BidInfo info) { DB.bids.add(info); } public static void process() { BidInfo info = new BidInfo(RequestQueue.queue.poll()); if (info != null) { kill(info); } } } class BidInfo { BidInfo(HttpRequest request) { // Do something. } }

數據庫模塊數據庫主要是使用一個ArrayBlockingQueue來暫存有可能成功的用戶請求。

package seckill;
import java.util.concurrent.ArrayBlockingQueue;
/**
 * DB應該是數據庫的惟一接口.
 */
public class DB {
    public static int count = 10;
    public static ArrayBlockingQueue<BidInfo> bids = new ArrayBlockingQueue<BidInfo>(10);
    public static boolean checkReminds() {
        // TODO
        return true;
    }
    // 單線程操做
    public static void bid() {
        BidInfo info = bids.poll();
        while (count-- > 0) {
            // insert into table Bids values(item_id, user_id, bid_date, other)
            // select count(id) from Bids where item_id = ?
            // 若是數據庫商品數量大約總數，則標誌秒殺已完成，設置標誌位reminds = false.
            info = bids.poll();
        }
    }
}

4.4 數據庫設計

4.4.1 基本概念

概念一「單庫」

概念二「分片」

分片解決的是「數據量太大」的問題，也就是一般說的「水平切分」。一旦引入分片，勢必有「數據路由」的概念，哪一個數據訪問哪一個庫。路由規則一般有3種方法：

範圍：range優勢：簡單，容易擴展缺點：各庫壓力不均（新號段更活躍）
哈希：hash 【大部分互聯網公司採用的方案二：哈希分庫，哈希路由】優勢：簡單，數據均衡，負載均勻缺點：遷移麻煩（2庫擴3庫數據要遷移）
路由服務：router-config-server優勢：靈活性強，業務與路由算法解耦缺點：每次訪問數據庫前多一次查詢

概念三「分組」

分組解決「可用性」問題，分組一般經過主從複製的方式實現。

互聯網公司數據庫實際軟件架構是：又分片，又分組（以下圖）

4.4.2 設計思路

數據庫軟件架構師平時設計些什麼東西呢？至少要考慮如下四點：

如何保證數據可用性；
如何提升數據庫讀性能（大部分應用讀多寫少，讀會先成爲瓶頸）；
如何保證一致性；
如何提升擴展性；

1. 如何保證數據的可用性？解決可用性問題的思路是=>冗餘如何保證站點的可用性？複製站點，冗餘站點如何保證服務的可用性？複製服務，冗餘服務如何保證數據的可用性？複製數據，冗餘數據

數據的冗餘，會帶來一個反作用=>引起一致性問題（先不說一致性問題，先說可用性）。
2. 如何保證數據庫「讀」高可用？冗餘讀庫冗餘讀庫帶來的反作用？讀寫有延時，可能不一致上面這個圖是不少互聯網公司mysql的架構，寫仍然是單點，不能保證寫高可用。
3. 如何保證數據庫「寫」高可用？冗餘寫庫採用雙主互備的方式，能夠冗餘寫庫帶來的反作用？雙寫同步，數據可能衝突（例如「自增id」同步衝突）,如何解決同步衝突，有兩種常看法決方案：
1. 兩個寫庫使用不一樣的初始值，相同的步長來增長id：1寫庫的id爲0,2,4,6…；2寫庫的id爲1,3,5,7…；
2. 不使用數據的id，業務層本身生成惟一的id，保證數據不衝突；

實際中沒有使用上述兩種架構來作讀寫的「高可用」，採用的是「雙主當主從用」的方式：

還是雙主，但只有一個主提供服務（讀+寫），另外一個主是「shadow-master」，只用來保證高可用，平時不提供服務。 master掛了，shadow-master頂上（vip漂移，對業務層透明，不須要人工介入）。這種方式的好處：

讀寫沒有延時；
讀寫高可用；

不足：

不能經過加從庫的方式擴展讀性能；
資源利用率爲50%，一臺冗餘主沒有提供服務；

那如何提升讀性能呢？進入第二個話題，如何提供讀性能。

4. 如何擴展讀性能提升讀性能的方式大體有三種，第一種是創建索引。這種方式不展開，要提到的一點是，不一樣的庫能夠創建不一樣的索引。寫庫不創建索引；線上讀庫創建線上訪問索引，例如uid；

線下讀庫創建線下訪問索引，例如time；

第二種擴充讀性能的方式是，增長從庫，這種方法你們用的比較多，可是，存在兩個缺點：
1. 從庫越多，同步越慢；
2. 同步越慢，數據不一致窗口越大（不一致後面說，仍是先說讀性能的提升）；
實際中沒有采用這種方法提升數據庫讀性能（沒有從庫），採用的是增長緩存。常見的緩存架構以下：

上游是業務應用，下游是主庫，從庫（讀寫分離），緩存。

實際的玩法：服務+數據庫+緩存一套

業務層不直接面向db和cache，服務層屏蔽了底層db、cache的複雜性。爲何要引入服務層，今天不展開，採用了「服務+數據庫+緩存一套」的方式提供數據訪問，用cache提升讀性能。

無論採用主從的方式擴展讀性能，仍是緩存的方式擴展讀性能，數據都要複製多份（主+從，db+cache），必定會引起一致性問題。
5. 如何保證一致性？主從數據庫的一致性，一般有兩種解決方案：1. 中間件若是某一個key有寫操做，在不一致時間窗口內，中間件會將這個key的讀操做也路由到主庫上。這個方案的缺點是，數據庫中間件的門檻較高（百度，騰訊，阿里，360等一些公司有）。

2. 強制讀主

上面實際用的「雙主當主從用」的架構，不存在主從不一致的問題。

第二類不一致，是db與緩存間的不一致：

常見的緩存架構如上，此時寫操做的順序是：

（1）淘汰cache；

（2）寫數據庫；

讀操做的順序是：

（1）讀cache，若是cache hit則返回；

（2）若是cache miss，則讀從庫；

（3）讀從庫後，將數據放回cache；

在一些異常時序狀況下，有可能從【從庫讀到舊數據（同步尚未完成），舊數據入cache後】，數據會長期不一致。解決辦法是「緩存雙淘汰」，寫操做時序升級爲：

（1）淘汰cache；

（2）寫數據庫；

（3）在經驗「主從同步延時窗口時間」後，再次發起一個異步淘汰cache的請求；

這樣，即便有髒數據如cache，一個小的時間窗口以後，髒數據仍是會被淘汰。帶來的代價是，多引入一次讀miss（成本能夠忽略）。

除此以外，最佳實踐之一是：建議爲全部cache中的item設置一個超時時間。
6. 如何提升數據庫的擴展性？原來用hash的方式路由，分爲2個庫，數據量仍是太大，要分爲3個庫，勢必須要進行數據遷移，有一個很帥氣的「數據庫秒級擴容」方案。如何秒級擴容？首先，咱們不作2庫變3庫的擴容，咱們作2庫變4庫（庫加倍）的擴容（將來4->8->16）

服務+數據庫是一套（省去了緩存），數據庫採用「雙主」的模式。

擴容步驟：

第一步，將一個主庫提高;

第二步，修改配置，2庫變4庫（原來MOD2，如今配置修改後MOD4），擴容完成；

原MOD2爲偶的部分，如今會MOD4餘0或者2；原MOD2爲奇的部分，如今會MOD4餘1或者3；數據不須要遷移，同時，雙主互相同步，一遍是餘0，一邊餘2，兩邊數據同步也不會衝突，秒級完成擴容！

最後，要作一些收尾工做：
1. 將舊的雙主同步解除；
2. 增長新的雙主（雙主是保證可用性的，shadow-master平時不提供服務）；
3. 刪除多餘的數據（餘0的主，能夠將餘2的數據刪除掉）；
這樣，秒級別內，咱們就完成了2庫變4庫的擴展。

5 大併發帶來的挑戰

5.1 請求接口的合理設計

一個秒殺或者搶購頁面，一般分爲2個部分，一個是靜態的HTML等內容，另外一個就是參與秒殺的Web後臺請求接口。

一般靜態HTML等內容，是經過CDN的部署，通常壓力不大，核心瓶頸實際上在後臺請求接口上。這個後端接口，必須可以支持高併發請求，同時，很是重要的一點，必須儘量「快」，在最短的時間裏返回用戶的請求結果。爲了實現儘量快這一點，接口的後端存儲使用內存級別的操做會更好一點。仍然直接面向MySQL之類的存儲是不合適的，若是有這種複雜業務的需求，都建議採用異步寫入。

固然，也有一些秒殺和搶購採用「滯後反饋」，就是說秒殺當下不知道結果，一段時間後才能夠從頁面中看到用戶是否秒殺成功。可是，這種屬於「偷懶」行爲，同時給用戶的體驗也很差，容易被用戶認爲是「暗箱操做」。

5.2 高併發的挑戰：必定要「快」

咱們一般衡量一個Web系統的吞吐率的指標是QPS（Query Per Second，每秒處理請求數），解決每秒數萬次的高併發場景，這個指標很是關鍵。舉個例子，咱們假設處理一個業務請求平均響應時間爲100ms，同時，系統內有20臺Apache的Web服務器，配置MaxClients爲500個（表示Apache的最大鏈接數目）。

那麼，咱們的Web系統的理論峯值QPS爲（理想化的計算方式）：

20*500/0.1 = 100000 （10萬QPS）

咦？咱們的系統彷佛很強大，1秒鐘能夠處理完10萬的請求，5w/s的秒殺彷佛是「紙老虎」哈。實際狀況，固然沒有這麼理想。在高併發的實際場景下，機器都處於高負載的狀態，在這個時候平均響應時間會被大大增長。

就Web服務器而言，Apache打開了越多的鏈接進程，CPU須要處理的上下文切換也越多，額外增長了CPU的消耗，而後就直接致使平均響應時間增長。所以上述的MaxClient數目，要根據CPU、內存等硬件因素綜合考慮，絕對不是越多越好。能夠經過Apache自帶的abench來測試一下，取一個合適的值。而後，咱們選擇內存操做級別的存儲的Redis，在高併發的狀態下，存儲的響應時間相當重要。網絡帶寬雖然也是一個因素，不過，這種請求數據包通常比較小，通常不多成爲請求的瓶頸。負載均衡成爲系統瓶頸的狀況比較少，在這裏不作討論哈。

那麼問題來了，假設咱們的系統，在5w/s的高併發狀態下，平均響應時間從100ms變爲250ms（實際狀況，甚至更多）：

20*500/0.25 = 40000 （4萬QPS）

因而，咱們的系統剩下了4w的QPS，面對5w每秒的請求，中間相差了1w。

而後，這纔是真正的惡夢開始。舉個例子，高速路口，1秒鐘來5部車，每秒經過5部車，高速路口運做正常。忽然，這個路口1秒鐘只能經過4部車，車流量仍然依舊，結果一定出現大塞車。（5條車道突然變成4條車道的感受）。

同理，某一個秒內，20*500個可用鏈接進程都在滿負荷工做中，卻仍然有1萬個新來請求，沒有鏈接進程可用，系統陷入到異常狀態也是預期以內。

其實在正常的非高併發的業務場景中，也有相似的狀況出現，某個業務請求接口出現問題，響應時間極慢，將整個Web請求響應時間拉得很長，逐漸將Web服務器的可用鏈接數佔滿，其餘正常的業務請求，無鏈接進程可用。

更可怕的問題是，是用戶的行爲特色，系統越是不可用，用戶的點擊越頻繁，惡性循環最終致使「雪崩」（其中一臺Web機器掛了，致使流量分散到其餘正常工做的機器上，再致使正常的機器也掛，而後惡性循環），將整個Web系統拖垮。

5.3 重啓與過載保護

若是系統發生「雪崩」，貿然重啓服務，是沒法解決問題的。最多見的現象是，啓動起來後，馬上掛掉。這個時候，最好在入口層將流量拒絕，而後再將重啓。若是是redis/memcache這種服務也掛了，重啓的時候須要注意「預熱」，而且極可能須要比較長的時間。

秒殺和搶購的場景，流量每每是超乎咱們系統的準備和想象的。這個時候，過載保護是必要的。若是檢測到系統滿負載狀態，拒絕請求也是一種保護措施。在前端設置過濾是最簡單的方式，可是，這種作法是被用戶「千夫所指」的行爲。更合適一點的是，將過載保護設置在CGI入口層，快速將客戶的直接請求返回。

6 做弊的手段：進攻與防守

秒殺和搶購收到了「海量」的請求，實際上裏面的水分是很大的。很多用戶，爲了「搶「到商品，會使用「刷票工具」等類型的輔助工具，幫助他們發送儘量多的請求到服務器。還有一部分高級用戶，製做強大的自動請求腳本。這種作法的理由也很簡單，就是在參與秒殺和搶購的請求中，本身的請求數目佔比越多，成功的機率越高。

這些都是屬於「做弊的手段」，不過，有「進攻」就有「防守」，這是一場沒有硝煙的戰鬥哈。

6.1 同一個帳號，一次性發出多個請求

部分用戶經過瀏覽器的插件或者其餘工具，在秒殺開始的時間裏，以本身的帳號，一次發送上百甚至更多的請求。實際上，這樣的用戶破壞了秒殺和搶購的公平性。

這種請求在某些沒有作數據安全處理的系統裏，也可能形成另一種破壞，致使某些判斷條件被繞過。例如一個簡單的領取邏輯，先判斷用戶是否有參與記錄，若是沒有則領取成功，最後寫入到參與記錄中。這是個很是簡單的邏輯，可是，在高併發的場景下，存在深深的漏洞。多個併發請求經過負載均衡服務器，分配到內網的多臺Web服務器，它們首先向存儲發送查詢請求，而後，在某個請求成功寫入參與記錄的時間差內，其餘的請求獲查詢到的結果都是「沒有參與記錄」。這裏，就存在邏輯判斷被繞過的風險。

應對方案：

在程序入口處，一個帳號只容許接受1個請求，其餘請求過濾。不只解決了同一個帳號，發送N個請求的問題，還保證了後續的邏輯流程的安全。實現方案，能夠經過Redis這種內存緩存服務，寫入一個標誌位（只容許1個請求寫成功，結合watch的樂觀鎖的特性），成功寫入的則能夠繼續參加。

或者，本身實現一個服務，將同一個帳號的請求放入一個隊列中，處理完一個，再處理下一個。

6.2 多個帳號，一次性發送多個請求

不少公司的帳號註冊功能，在發展早期幾乎是沒有限制的，很容易就能夠註冊不少個帳號。所以，也致使了出現了一些特殊的工做室，經過編寫自動註冊腳本，積累了一大批「殭屍帳號」，數量龐大，幾萬甚至幾十萬的帳號不等，專門作各類刷的行爲（這就是微博中的「殭屍粉「的來源）。舉個例子，例如微博中有轉發抽獎的活動，若是咱們使用幾萬個「殭屍號」去混進去轉發，這樣就能夠大大提高咱們中獎的機率。

這種帳號，使用在秒殺和搶購裏，也是同一個道理。例如，iPhone官網的搶購，火車票黃牛黨。

應對方案：

這種場景，能夠經過檢測指定機器IP請求頻率就能夠解決，若是發現某個IP請求頻率很高，能夠給它彈出一個驗證碼或者直接禁止它的請求：

彈出驗證碼，最核心的追求，就是分辨出真實用戶。所以，你們可能常常發現，網站彈出的驗證碼，有些是「鬼神亂舞」的樣子，有時讓咱們根本沒法看清。他們這樣作的緣由，其實也是爲了讓驗證碼的圖片不被輕易識別，由於強大的「自動腳本」能夠經過圖片識別裏面的字符，而後讓腳本自動填寫驗證碼。實際上，有一些很是創新的驗證碼，效果會比較好，例如給你一個簡單問題讓你回答，或者讓你完成某些簡單操做（例如百度貼吧的驗證碼）。
直接禁止IP，其實是有些粗暴的，由於有些真實用戶的網絡場景剛好是同一出口IP的，可能會有「誤傷「。可是這一個作法簡單高效，根據實際場景使用能夠得到很好的效果。

6.3 多個帳號，不一樣IP發送不一樣請求

所謂道高一尺，魔高一丈。有進攻，就會有防守，永不休止。這些「工做室」，發現你對單機IP請求頻率有控制以後，他們也針對這種場景，想出了他們的「新進攻方案」，就是不斷改變IP。

有同窗會好奇，這些隨機IP服務怎麼來的。有一些是某些機構本身佔據一批獨立IP，而後作成一個隨機代理IP的服務，有償提供給這些「工做室」使用。還有一些更爲黑暗一點的，就是經過木馬黑掉普通用戶的電腦，這個木馬也不破壞用戶電腦的正常運做，只作一件事情，就是轉發IP包，普通用戶的電腦被變成了IP代理出口。經過這種作法，黑客就拿到了大量的獨立IP，而後搭建爲隨機IP服務，就是爲了掙錢。

應對方案：

說實話，這種場景下的請求，和真實用戶的行爲，已經基本相同了，想作分辨很困難。再作進一步的限制很容易「誤傷「真實用戶，這個時候，一般只能經過設置業務門檻高來限制這種請求了，或者經過帳號行爲的」數據挖掘「來提早清理掉它們。

殭屍帳號也仍是有一些共同特徵的，例如帳號極可能屬於同一個號碼段甚至是連號的，活躍度不高，等級低，資料不全等等。根據這些特色，適當設置參與門檻，例如限制參與秒殺的帳號等級。經過這些業務手段，也是能夠過濾掉一些殭屍號。

7 高併發下的數據安全

咱們知道在多線程寫入同一個文件的時候，會存現「線程安全」的問題（多個線程同時運行同一段代碼，若是每次運行結果和單線程運行的結果是同樣的，結果和預期相同，就是線程安全的）。若是是MySQL數據庫，可使用它自帶的鎖機制很好的解決問題，可是，在大規模併發的場景中，是不推薦使用MySQL的。秒殺和搶購的場景中，還有另一個問題，就是「超發」，若是在這方面控制不慎，會產生髮送過多的狀況。咱們也曾經據說過，某些電商搞搶購活動，買家成功拍下後，商家卻不認可訂單有效，拒絕發貨。這裏的問題，也許並不必定是商家奸詐，而是系統技術層面存在超發風險致使的。

7.1 超發的緣由

假設某個搶購場景中，咱們一共只有100個商品，在最後一刻，咱們已經消耗了99個商品，僅剩最後一個。這個時候，系統發來多個併發請求，這批請求讀取到的商品餘量都是99個，而後都經過了這一個餘量判斷，最終致使超發。

在上面的這個圖中，就致使了併發用戶B也「搶購成功」，多讓一我的得到了商品。這種場景，在高併發的狀況下很是容易出現。

7.2 悲觀鎖思路

解決線程安全的思路不少，能夠從「悲觀鎖」的方向開始討論。

悲觀鎖，也就是在修改數據的時候，採用鎖定狀態，排斥外部請求的修改。遇到加鎖的狀態，就必須等待。

雖然上述的方案的確解決了線程安全的問題，可是，別忘記，咱們的場景是「高併發」。也就是說，會不少這樣的修改請求，每一個請求都須要等待「鎖」，某些線程可能永遠都沒有機會搶到這個「鎖」，這種請求就會死在那裏。同時，這種請求會不少，瞬間增大系統的平均響應時間，結果是可用鏈接數被耗盡，系統陷入異常。

7.3 FIFO隊列思路

那好，那麼咱們稍微修改一下上面的場景，咱們直接將請求放入隊列中的，採用FIFO（First Input First Output，先進先出），這樣的話，咱們就不會致使某些請求永遠獲取不到鎖。看到這裏，是否是有點強行將多線程變成單線程的感受哈。

而後，咱們如今解決了鎖的問題，所有請求採用「先進先出」的隊列方式來處理。那麼新的問題來了，高併發的場景下，由於請求不少，極可能一瞬間將隊列內存「撐爆」，而後系統又陷入到了異常狀態。或者設計一個極大的內存隊列，也是一種方案，可是，系統處理完一個隊列內請求的速度根本沒法和瘋狂涌入隊列中的數目相比。也就是說，隊列內的請求會越積累越多，最終Web系統平均響應時候仍是會大幅降低，系統仍是陷入異常。

7.4 樂觀鎖思路

這個時候，咱們就能夠討論一下「樂觀鎖」的思路了。樂觀鎖，是相對於「悲觀鎖」採用更爲寬鬆的加鎖機制，大都是採用帶版本號（Version）更新。實現就是，這個數據全部請求都有資格去修改，但會得到一個該數據的版本號，只有版本號符合的才能更新成功，其餘的返回搶購失敗。這樣的話，咱們就不須要考慮隊列的問題，不過，它會增大CPU的計算開銷。可是，綜合來講，這是一個比較好的解決方案。

有不少軟件和服務都「樂觀鎖」功能的支持，例如Redis中的watch就是其中之一。經過這個實現，咱們保證了數據的安全。

8 總結

互聯網正在高速發展，使用互聯網服務的用戶越多，高併發的場景也變得愈來愈多。電商秒殺和搶購，是兩個比較典型的互聯網高併發場景。雖然咱們解決問題的具體技術方案可能千差萬別，可是遇到的挑戰倒是類似的，所以解決問題的思路也殊途同歸。