大家也許開發過高并發的系統或者秒殺程序，但肯定都有接觸過，像電商平臺的秒殺、搶購等活動，還有12306春運搶票。

活動周期短，瞬間流量大(高并發)，技術在這種情況下，會發生和要做的事。

[[243754]]

第一：高并發

技術要做的事，一方面優化程序，讓程序性能最優，單次請求時間能從50ms優化到25ms，那就可以在一秒鐘內成功響應翻倍的請求了。

另一方面就是增加服務器，用更大的集群來處理用戶請求，設計好一個可靠且靈活擴充的分布式方案就更加重要了。

第二：時間短

火熱的秒殺活動，真的是一秒鐘以內就會把商品搶購一空，而大部分用戶的感受是，提交訂單的過程卻要等待好幾秒、甚至十幾秒，更糟糕的當然是請求報錯。

那么一個好的秒殺體驗，當然希望盡可能減少用戶等待時間，準確的提示用戶當前是否還有商品庫存。而這些，也是需要有優秀的程序設計來保證的。

第三：系統容量預估

系統設計的時候，都需要有一個容量預估，那就是要提前計算好，我們設計的系統，要承載多大的數量級。

假如線上前端服務器規格是8核16G內存的服務器，而提交訂單的處理程序耗時100ms，那么可以簡單計算一下：

上面這個結果，對于秒殺系統來說，肯定是非常不理想的。

如果能將處理程序耗時優化后，降低到10ms，那么就可以達到800qps。

如果我們可以把程序繼續優化，能快速區分開有庫存和無庫存處理，那么無庫存時處理就有可能做到1ms甚至更低的耗時。這樣無庫存時就能有更好的性能，上萬的qps也是可以達到的。

上面的預估，都是針對單機，那么簡單的增加前端服務器，是不是就能有更好的并發處理量呢?

肯定沒這么簡單，因為數據庫、緩存系統甚至機房網絡帶寬都會成為瓶頸。

于是就要有一個更好的分布式方案。

第四：好的分布式方案

一個好的分布式方案，首先當然是穩定可靠，不要出亂子，然后就是方便擴充，最好的效果當然是增加一臺服務器，并發處理量可以1:1線性增長。

比如：單機qps是1k，那么10臺服務器可以做到1w，100臺可以做到10w每秒。

要做到這樣的線性增長效果，就要杜絕出現瓶頸，否則還是會代價太大。

拒絕假的分布式尤其重要，比如：前端服務器是可以獨立存在的，但是都依賴集中的一個數據庫或者緩存系統，那最后，一定是集中的那個數據庫或者緩存系統受不了，同樣無法做到一個好的分布式。

第五：關注系統的瓶頸

大家先有幾個基本的共識，系統的處理速度

• 程序內數據讀寫 > redis > mysql > 磁盤
• 單機網絡請求 > 局域網內請求 > 跨機房請求

我們優化程序的時候，盡量用最快的方式，盡量用最簡短的邏輯。

用redis替代mysql來保存訂單處理中依賴的數據，用程序中的提交的數據代替從redis中二次獲取數據，比如：商品庫存信息，用戶訂單信息。

邏輯處理中，把速度快且提前中斷的邏輯放在最前面，比如：驗證登錄，驗證問答。

我們做分布式方案的時候，盡量把資源調用放在最近的地方。

前端服務器依賴的數據盡量就在局域網內，如果能在單機都有讀的redis服務當然更好，程序維護數據響應會復雜些。

不要出現跨機房網絡請求，不要出現跨機房網絡請求，不要出現跨機房網絡請求，重要的事情說三遍。

第六：什么語言更適合這類系統

課程中用的是PHP語言，開發這類系統也是沒問題的。

當然，像是用golang, ngx_lua可能在高并發和性能方面會更有優勢。

如果使用java、.net當然也是可以的，作為一個系統，語言只是工具，更好的設計和優化，才能達到最終想要的效果。

有了上面的基本概念，我們接下來再來看看，具體運行時，會出現什么狀況。

下面是一些具體的問題：

問題1：庫存超賣

只有10個庫存，但是一秒鐘有1k個訂單，怎么能不超賣呢?

核心思想就是保證庫存遞減是原子性操作，10--返回9，9--返回8，8--返回7。

而不能是讀取出來庫存10，10-1=9再更新回去。因為這個讀取和更新是并發執行的，很可能就會有1k個訂單都成功了，而庫存實際只有10。

那么，怎么保證原子性操作呢?

1. 數據庫：

update product set left_numleft_num=left_num-1 where left_num>0; 

這里用到的是left_num=left_num-1，如果left_num>0才能執行成功，數據庫查詢、更新的時候有用到鎖，是可以保證更新操作的原子性的。

數據庫性能較差，不建議使用。

2. 分布式鎖

用redis來做一個分布式鎖，reids->setnx('lock', 1) 設置一個鎖，程序執行完成再del這個鎖。

鎖定的過程，不利于并發執行，大家都在等待鎖解開，不建議使用。

3. 消息隊列

將訂單請求全部放入消息隊列，然后另外一個后臺程序一個個處理隊列中的訂單請求。

并發不受影響，但是用戶等待的時間較長，進入隊列的訂單也會很多，體驗上并不好，也不建議使用。

4. redis遞減

通過 redis->incrby('product', -1) 得到遞減之后的庫存數。

性能方面很好，同時體驗上也很好，在PHP秒殺課程中，優化后就是用的這種方法，而沒有使用上述其他方法，大家應該也能對比了解啦。

問題2：集群怎么來規劃

前端服務器因為沒有相互間關聯，集群的數量不受影響。

redis的性能可以達到每秒幾萬次響應，所以一個集群的規模，也就是redis服務可以承載的數量。

比如：一臺前端服務器是1~2k的qps(有庫存時)，那么10臺+1臺redis就可以是一個獨立的集群，可以支撐1~2w每秒訂單量。

10個上述的集群就可以做到一秒鐘處理10w~20w的有效訂單。

如果秒殺活動的庫存量在1w以內，預計參與的人數在百萬左右，那么有一個集群也就可以搞定。

如果秒殺參與的人數超過千萬，那么就要用到不止一個集群了。

問題3：多個集群的數據怎么保持一致性

不要做多集群的數據同步，而是用散列，每個集群的數據是獨立存在的。

假設，有10個商品，每個商品有1w庫存，規劃用10個集群，那么每個集群有10個商品，每個商品是1k庫存。

每個集群只需要負責把自己的庫存賣掉即可，至于說，會不會有用戶知道有10個集群，然后每個集群都去搶。

這種情況就不要用程序來處理了，利用運營規則，活動結束后匯總訂單的時候再去處理就好了。

如果擔心散列的不合理，比如：某個集群用戶訪問量特別少，那么可以引入一個中控服務，來監控各個集群的庫存，然后再做平衡。

問題4：機器人搶購怎么辦：

沒什么太好的辦法，類似DDOS攻擊，只能是讓自身更強大才是王道。

運營策略上，可以嚴格控制用戶注冊，必須登錄，提交訂單的時候引入圖像驗證碼，問答，交互式驗證等。