[[386203]] 

圖片來自 Pexels

前者對性能有極高的要求，而后者又正好拉低了性能，本文談談秒殺的設計思路，并在最后給出秒殺設計的簡單模型圖。

秒殺的情景

生活中有很多秒殺的情景，例如商家促銷，像一元搶茅臺，五毛錢搶寶馬(這兒只是一個例子)。

假如一百萬人來搶十瓶茅臺，這時候肯定不能多賣出，也就是不能被大于 10 的人數(shù)搶到，通常最后時間會有一個倒計時按鈕，30，29，28，3，2，1，GO!之后躍躍欲試的人們開始搶。

這時候有以下問題需要被考慮：

1. 第一是多個客戶端的時間如何保持同步，也就是讓大家看到時間是一致的，不能你顯示 3，而我這還顯示 30。
2. 第二是如何保證有沒有黃牛用機器人搶。
3. 第三是如何確保后端服務器可以支撐住這巨大的流量。
4. ......

秒殺解決思路

有了上面的情景以及引出來的問題，來看看秒殺方案的設計思路，我們服務器如何應對這一百萬的TPS呢?

首先想到的是擴容，但這是不現(xiàn)實的，因為擴容需要很多很多機器，TPS 增加一萬倍對物理服務器的性能要求遠遠不止一萬倍。

另外對于一個商家來說，為了這一次促銷活動購置服務器是不劃算的，平時勢必有眾多的機器處于閑置狀態(tài)。

沒法擴容，那么也就意味著要使用其他方法，如果所有請求訪問一臺物理機器肯定不行，一百萬的數(shù)據(jù)訪問無論如何分庫分表都無濟于事，因為面對的每一條都是熱點數(shù)據(jù)，所以要用到分布式架構的思路。

秒殺的技術方案

分布式，可以降低服務器的壓力，下面開始講述秒殺的設計思路。

方案一

很明顯，要讓一百萬用戶能夠同時打開搶貨的網(wǎng)頁，勢必要用要到 CDN。

CDN 主要作用有兩個：

一方面是將一些不會改變的靜態(tài)資源放到離客戶端較近的邊緣服務器上。

這樣客戶端請求數(shù)據(jù)的時候可以直接從邊緣服務器獲取，降低中心服務器的壓力。

另外一方面可以把小服務部署到 CDN 結點上去，這樣，當前端頁面來問開沒開始時，這個小服務除了告訴前端開沒開始外，它還可以統(tǒng)計下有多少人在線。

每個小服務會把當前在線等待秒殺的人數(shù)每隔一段時間就回傳給我們的數(shù)據(jù)中心，于是我們就知道全網(wǎng)總共在線的人數(shù)有多少。

假設，我們知道有大約 100 萬的人在線等著搶，那么，在我們快要開始的時候，由數(shù)據(jù)中心向各個部署在 CDN 結點上的小服務上傳遞一個概率值，這個概率值為 CDN 節(jié)點人數(shù)權重乘以獲獎概率，比如說是 e。

于是，當秒殺開始的時候，這 100 萬用戶都在點下單按鈕，首先他們請求到的是 CDN 上的這些服務。

這些小服務按照 e 的量把用戶放到后面的數(shù)據(jù)中心，也就是放過去人數(shù)∗e，剩下的都直接返回秒殺已結束。

方案二

利用我們分布式中限流、網(wǎng)關等知識，將請求層層篩選，降低最后連接到數(shù)據(jù)庫的請求。

首先也是利用 CDN 將靜態(tài)資源分發(fā)在邊緣服務器上，當進行服務請求時，先進行鑒權，鑒權主要是篩選機器人等非人工搶購，根據(jù)實際經(jīng)驗，鑒權可以篩選很大一部分用戶，例如是否登錄。

當鑒權確定是真實有效的用戶之后，通過負載均衡，也就是 LVS+Keepalived 將請求分配到不同的 Nginx 上。

一般會建立 Nginx 集群，然后再通過網(wǎng)關集群，即使這樣還是要增加一些限流措施。

如果到這一步還是有很多請求壓到數(shù)據(jù)庫勢必撐不住，那么可以采取服務限流、服務降級等措施，進行削峰處理。

到這兒理論上流量就不高了，如果還是很高，后面就將熱點數(shù)據(jù)放進緩存集群中進行預熱，同時設置定時任務。

一方面關注數(shù)據(jù)庫與緩存的一致性，另一方面關閉超時未支付的訂單，當訂單提交之后交給任務隊列，生成訂單、修改數(shù)據(jù)庫、做好持久化工作。

架構圖如下：

這就是整個“秒殺”的技術細節(jié)，是不是有點不敢相信?

與這種秒殺業(yè)務類似的還有 12306 搶票，這個也是瞬間高流量，但是上面提到的架構就不適合了，因為 12306 完全不知道用戶來是要買哪張火車票的。

不知道這個信息，很不好過濾用戶，而且用戶在買票前需要有很多查詢操作，然后在查詢中選擇自己的車票。也就意味著沒法在開始就過濾用戶。

12306 最好的應對方式，除了不要一次把所有的票放出來，而是分批在不同的時間段把票放出來。

這樣可以讓人們不要集中在一個時間點來搶票，做到人肉分流，可以降低一些并發(fā)度。

另外，12306 最好是用預售的方式，讓大家把自己的購票先輸入到系統(tǒng)中。

系統(tǒng)并不真正放票，而是把大家的需求都收集好，然后做整體統(tǒng)籌安排，該增加車次的增加車次，該加車廂的加車廂，這樣可以確保大家都能走。實在不行，就抽簽了。

總結

我們可以看到，解決秒殺這種特定業(yè)務場景，可以使用 CDN 的邊緣結點來扛流量，然后過濾用戶請求(限流用戶請求)，來保護數(shù)據(jù)中心的系統(tǒng)，這樣才讓整個秒殺得以順利進行。

也可以像方案二那樣逐層過濾請求，這種業(yè)務場景和雙十一相同嗎?如果像雙 11 那樣，想盡可能多地賣出商品，那么就不像秒殺了。

這是要盡可能多地收訂單，但又不能超過庫存，其中還有大量的銀行支付，各大倉庫的庫存查詢和分配，這些都是非常慢的操作。

為了保證一致性，還要能夠扛得住像雙 11 這樣的大規(guī)模并發(fā)訪問，那么，應該怎么做呢?

使用秒殺這樣的解決方案基本上不太科學了。這個時候就需要認認真真地做高并發(fā)的架構和測試了。

需要各個系統(tǒng)把自己的性能調整上去，還要小心地做性能規(guī)劃，更要把分布式的彈力設計做好。

最后是要不停地做性能測試，找到整個架構的系統(tǒng)瓶頸，然后不斷地做水平擴展，以解決大規(guī)模的并發(fā)。

有些時候，我們總是在想數(shù)據(jù)中心的解決方案。其實，我們有時候也需要換一換思路，也許，在數(shù)據(jù)中心解決并不一定是最好的方式，放在邊緣來解決可能會更好一些。

尤其是針對一些有地域特征的業(yè)務，比如像外賣、共享單車、打車這樣的業(yè)務。

其實，把一些簡單的業(yè)務邏輯放在邊緣，比放在數(shù)據(jù)中心不但能夠有更好的性能，還有更便宜的成本。

我覺得，隨著請求量越來越大，數(shù)據(jù)也越來越多，數(shù)據(jù)中心是有點到瓶頸了，而需要邊緣結點來幫忙了。而且，這個邊緣化解決方案的趨勢也會越來越有優(yōu)勢。

作者：等不到的口琴

編輯：陶家龍

出處：cnblogs.com/Courage129/p/14493931.html