傻瓜式秒杀系统——高并发场景下的秒杀优化，超好用

秒杀系统

傻瓜式秒杀系统

秒杀系统的核心难点是并发量，如果不考虑并发问题，那么我们可以用如下图所示的简单的系统结构来实现秒杀系统，用户只有两个简单操作：刷新界面和秒杀按钮，服务端也只有两个服务接口：返回秒杀界面和处理秒杀逻辑。假设本文中秒杀商品有100个，参与秒杀的用户有100w个。

但是在高并发场景下，这个系统会有很多问题，我们全文会针对这些问题一一进行优化

1. 大量用户同时刷新界面，会对服务器的带宽造成非常大的压力；
2. 用户在秒杀前后可以多次重复点击按钮，造成很多不必要的请求；
3. 用户可以通过脚本进行抢购，并且抢购成功率非常高；
4. 服务端承受高并发请求，会出现响应过慢或失败等情况；
5. 数据库承受高并发请求，会导致连接池耗尽和响应缓慢；
6. 如果数据库更新设计的不合理，可能会出现超卖的情况；

秒杀界面CDN

秒杀开始之前，用户都会请求秒杀界面，有的用户甚至会不断的刷新秒杀界面，100W用户可能产生上千万次秒杀界面请求。秒杀界面往往包含很多静态资源，如果这些界面请求全部通过服务器获取，会造成大量的带宽消耗，甚至造成秒杀还没开始服务器就崩了的情况。

对于网页这种静态资源的并发访问，业内早就有成熟的解决方案：内容分发网络(CDN)。我们可以在秒杀开始前，预先把网页的静态资源存放在CDN节点，用户在刷新界面时直接从CDN获取静态资源，从而降低刷新秒杀界面对服务器造成的压力。添加了CDN服务之后，秒杀界面有大量用户同时访问和刷新并不会给服务端带来多大压力。

秒杀按钮优化

我们知道，秒杀系统往往会有一个秒杀按钮，如果不对按钮限制，可能存在以下问题：

• 用户在秒杀开始前点击按钮，造成很多无用请求；
• 用户在秒杀开始后多次点击按钮，造成很多重复请求；

所以我们可以对按钮做一些限制：秒杀开始前按钮不可用，用户点击一次秒杀按钮后，按钮也进入不可用状态。这种方式无法限制通过脚本请求后端的情况，但是可以限制正常用户的多次无效点击，大大降低请求量。

秒杀链接优化

普通情况下，用户在点击秒杀按钮的时候，前端会请求一个固定的URL，这个URL可以在前端界面查到。对于普通不懂技术的用户来说，这没有什么问题，如果用户稍微懂点Http协议，就可以在秒杀开始前拿到URL，在秒杀开始前或开始的毫秒级时间内请求秒杀链接，不仅会给服务端带来很大的压力，还会造成不公平现象：商品都被开脚本的人抢走了。

为了避免这种现象，我们可以将URL动态化，即使秒杀系统的开发人员也无法在知晓在秒杀开始时的URL。具体实现方法是在获取秒杀URL的接口中，返回一个服务器端生成的随机数，并在下单URL中传递该参数完成下单。

秒杀验证码

虽然说我上面通过动态URL避免了用户在秒杀开始前请求秒杀链接，但是用户还是可以通过脚本在秒杀开始的那一刻去请求秒杀连接，普通用户基本没有办法和脚本秒杀进行竞争。

我们可以引入机器难以识别的验证码，用户在请求秒杀链接之前，需要填写验证码识别的结果，验证码错误的请求直接拒绝。使用验证码不仅可以增加脚本秒杀的难度，还可以降低请求的QPS，因为请求不再是在秒杀那一刻进来，而会被分散到填写验证码的时间段内。

过滤请求

通过上面的步骤，我们可以减少很多重复请求和脚本请求，可以保证秒杀活动中一个人大致只会请求一次(脚本还是可以请求多次)。但是100W人参与秒杀，每人请求一次秒杀链接也有将近100W次请求，服务器还是扛不住。

仔细分析之后可以发现，秒杀的商品只有100个，最后成功的也只有100个，那么我们100W的请求是不是都有必要请求到秒杀服务器上呢？显而易见，我们没有必要把所有请求都打到秒杀服务器上，我们只需要保证有大于100个请求打到秒杀服务器就可以保证秒杀的正常进行，所以我们可以在用户端和服务端添加一层过滤层，过滤层只要保证有100个以上的请求能打到秒杀服务器端。

我们可以使用Nginx服务器来构建过滤层，一个Nginx服务器也没法抗100W的请求，我们假设每个Nginx服务器可以处理10W的请求，那么我们就需要10台Nginx。那么怎么用保证至少有100个请求可以请求到后端呢？我们可以简单的让每个Nginx服务器只通过前100个请求，后续请求直接返回降级界面。通过Nginx过滤，我们可以把100W的请求过滤为1000个请求，大大减少了服务器端的压力。

Redis缓存

如果通过前面的过滤，请求量依旧非常大，如果数据库无法处理这些请求量，我们就需要在数据库之上添加一层Redis缓存了。单个Redis可以处理几万的QPS，如果预估请求的QPS大于几万，我们还可以使用Redis集群模式来增加Redis的处理能力。

在Redis存放和售卖商品数目大小相同的数字，秒杀服务每次访问数据库之前，都需要先去Redis中扣减库存，扣减成功才能继续更新数据库。这样，最终到的数据库的请求数目和需要售卖商品的数目基本一致，数据库的压力可以大大减少。

Redis原子性

我们知道Redis是不支持事务的，所以可能出现扣减为负数的情况，这种情况下我们可以使用Lua脚本来保证一次扣减操作的原子性，从而保证扣减结果的正确性。

异步更新数据库

通过Redis判断之后，去更新数据库的请求都是必要的请求，这些请求数据库必须要处理，但是如果数据库还是处理不过来这些请求怎么办呢？

这个时候就可以考虑削峰填谷操作了，削峰填谷最好的实践就是MQ了。经过Redis库存扣减判断之后，我们已经确保这次请求需要生成订单，我们就可以通过异步的形式通知订单服务生成订单并扣减库存。