今天我们从 7 个不同的维度，讲讲秒杀系统的架构设计，主要知识点如下：
- Nginx + 前后端分离 + CDN 缓存 + 网关（限流+熔断）
- 集群的路由层 + Redis（缓存热点数据、分布式锁)
- MQ 集群
- 业务处理层
- 数据库层（读写分离、热点隔离)
1. 秒杀业务的特点
- 瞬间大量的刷新页面的操作
- 瞬间大量的抢宝的操作
- 可能有秒杀器的恶性竞争
2. 总体思路
2.1 削峰限流
- 前端+Redis拦截，只有redis扣减成功的请求才能进入到下游
- MQ堆积订单，保护订单处理层的负载，Consumer根据自己的消费能力来取Task，实际上下游的压力就可控了。重点做好路由层和MQ的安全
- 引入答题验证码、请求的随机休眠等措施，削峰填谷
安全保护
- 页面和前端要做判断，防止活动未开始就抢单，防止重复点击按钮连续抢单
- 防止秒杀器恶意抢单，IP限流、UserId限流限购、引入答题干扰答题器，并且对答题器答题时间做常理推断
- IP黑名单、UserId黑名单功能
- 过载丢弃：QPS或者CPU等核心指标超过一定限额时，丢弃请求，避免服务器挂掉，保证大部分用户可用
页面优化，动静分离
- 秒杀商品的网页内容尽可能做的简单：图片小、js css 体积小数量少，内容尽可能的做到动静分离
- 秒杀的抢宝过程中做成异步刷新抢宝，而不需要用户刷新页面来抢，降低服务器交互的压力
- 可以使用Nginx的动静分离，不通过传统web浏览器获取静态资源
- nginx开启gzip压缩，压缩静态资源，减少传输带宽，提升传输速度
- 或者使用Varnish，把静态资源缓存到内存当中，避免静态资源的获取给服务器造成的压力
异步处理
- redis抢单成功后，把后续的业务丢到线程池中异步的处理，提高抢单的响应速度
- 线程池处理时，把任务丢到MQ中，异步的等待各个子系统处理（订单系统、库存系统、支付系统、优惠券系统）
异步操作有事务问题，本地事务和分布式事务，但是为了提升并发度，最好牺牲一致性。通过定时扫描统计日志，来发现有问题的订单，并且及时处理
热点分离
尽量的避免秒杀功能给正常功能带来的影响，比如秒杀把服务器某个功能拖垮了。
分离可以提升系统的容灾性，但是完全的隔离的改造成本太高了，尽量借助中间件的配置，来实现冷热分离。
- 集群节点的分离：nginx配置让秒杀业务走的集群节点和普通业务走的集群不一样。
- MQ的分离：避免秒杀业务把消息队列堆满了，普通业务的交易延迟也特别厉害。
- 数据库的分离：根据实际的秒杀的QPS来选择，热点数据分库以后，增加了分布式事务的问题，以及查询的时候跨库查询性能要差一些（ShardingJDBC有这种功能），所以要权衡以后再决定是否需要分库
- 避免单点：各个环节都要尽力避免
- 降级：临时关闭一些没那么重要的功能，比如秒杀商品的转赠功能、红包的提现功能，待秒杀峰值过了，设置开关，再动态开放这些次要的功能
2.2 Nginx的设计细节
- 动静分离，不走tomcat获取静态资源
server {
listen 8088;
location ~ \.(gif|jpg|jpeg|png|bmp|swf)$ {
root C:/Users/502764158/Desktop/test;
}
location ~ \.(jsp|do)$ {
proxy_pass http://localhost:8082;
}
}
}
- gzip压缩，减少静态文件传输的体积，节省带宽，提高渲染速度
gzip on;
gzip_min_length 1k;
gzip_buffers 4 16k;
gzip_comp_level 3;
gzip_disable "MSIE [1-6]\.";
gzip_types text/plain application/x-javascript text/css application/xml text/javascript image/jpeg image/gif image/png;
配置集群负载和容灾，设置失效重连的时间，失效后，定期不会再重试挂掉的节点，参数：
- fail_timeout默认为10s
- max_fails默认为1。就是说，只要某个server失效一次，则在接下来的10s内，就不会分发请求到该server上
- proxy_connect_timeout 后端服务器连接的超时时间_发起握手等候响应超时时间
upstream netitcast.com { #服务器集群名字
server 127.0.0.1:8080;
server 127.0.0.1:38083;
server 127.0.0.1:8083;
}
server {
listen 88;
server_name localhost;
location / {
proxy_pass http://netitcast.com;
proxy_connect_timeout 1;
fail_timeout 5;
}
}
- 集成Varnish做静态资源的缓存
- 集成tengine做过载的保护
2.3 页面优化细节
降低交互的压力
- 尽量把js、css文件放在少数几个里面，减少浏览器和后端交互获取静态资源的次数
- 尽量避免在秒杀商品页面使用大的图片，或者使用过多的图片
安全控制
- 时间有效性验证：未到秒杀时间不能进行抢单，并且同时程序后端也要做时间有效性验证，因为网页的时间和各自的系统时间决定，而且秒杀器可以通过绕开校验直接调用抢单
- 异步抢单：通过点击按钮刷新抢宝，而不是刷新页面的方式抢宝（答题验证码等等也是ajax交互）
- redis做IP限流
- redis做UserId限流
2.4 Redis集群的应用
- 分布式锁（悲观锁）
- 缓存热点数据（库存）：如果QPS太高的话，另一种方案是通过localcache，分布式状态一致性通过数据库来控制
分布式悲观锁（参考redis悲观锁的代码）
- 悲观锁（因为肯定争抢严重）
- Expire时间（抢到锁后，立刻设置过期时间，防止某个线程的异常停摆，导致整个业务的停摆）
- 定时循环和快速反馈（for缓存有超时设置，每次超时后，重新读取一次库存，还有货再进行第二轮的for循环争夺，实现快速反馈，避免没有货了还在持续抢锁）
异步处理订单
- redis抢锁成功后，记录抢到锁的用户信息后，就可以直接释放锁，并反馈用户，通过异步的方式来处理订单，提升秒杀的效率，降低无意义的线程等待
- 为了避免异步的数据不同步，需要抢到锁的时候，在redis里面缓存用户信息列表，缓存结束后，触发抢单成功用户信息持久化，并且定时的比对一致性
2.5 消息队列限流
消息队列削峰限流(RocketMQ自带的Consumer自带线程池和限流措施)，集群。一般都是微服务，订单中心、库存中心、积分中心、用户的商品中心
2.6 数据库设计
- 拆分事务提高并发度
- 根据业务需求考虑分库：读写分离、热点隔离拆分，但是会引入分布式事务问题，以及跨库操作的难度
要执行的操作：扣减库存、生成新订单、生成待支付订单、扣减优惠券、积分变动
库存表是数据库并发的瓶颈所在，需要在事务控制上做权衡：可以把扣减库存设置成一个独立的事务，其它操作成一个大的事务（订单、优惠券、积分操作），提高并发度，但是要做好额外的check
update 库存表 set 库存=库存-1 where id=** and 库存>1
2.7 答题验证码的设计
- 可以防止秒杀器的干扰，让更多用户有机会抢到
- 延缓请求，每个人的反应时间不同，把瞬间流量分散开来了
验证码的设计可以分为2种：
- 验证失败重新刷新答题（12306）：服务器交互量大，每错一次交互一次，但是可以大大降低秒杀器答题的可能性，因为没有试错这个功能，答题一直在变
- 验证失败提示失败，但是不刷新答题的算法：要么答题成功，进入下单界面，要么提示打错，继续答题（不刷新答题，无须交互，用js验证结果)。
这种方案，可以在加载题目的时候一起加载MD5加密的答案，然后后台再校验一遍，实现类似的防止作弊的效果。好处是不需要额外的服务器交互。
MD加密答案的算法里面要引入 userId PK这些因素进来来确保每次答案都不一样而且没有规律，避免秒杀器统计结果集
答题的验证：除了验证答案的正确性意外，还要统计反应时间，例如12306的难题，正常人类的答题速度最快是1.5s，那么，小于1s的验证可以判定为机器验证
3. 注意事项
为了提升并发，需要在事务上做妥协：
- 单机上拆分事务：比如扣减库存表+(生成待支付订单+优惠券扣减+积分变动)是一个大的事务，为了提高并发，可以拆分为2个事务
- 分库以后引入分布式事务问题,为了保证用户体验，最好还是通过日志分析来人工维护，否则阻塞太严重，并发差。