高并發(fā)下秒殺商品，你必須知道的九個細節(jié)
前言
高并發(fā)下如何設(shè)計秒殺系統(tǒng)?這是一個高頻面試題。這個問題看似簡單，但是里面的水很深，它考查的是高并發(fā)場景下，從前端到后端多方面的知識。
秒殺一般出現(xiàn)在商城的促銷活動中，指定了一定數(shù)量(比如：10個)的商品(比如：手機)，以極低的價格(比如：0.1元)，讓大量用戶參與活動，但只有極少數(shù)用戶能夠購買成功。這類活動商家絕大部分是不賺錢的，說白了是找個噱頭宣傳自己。
雖說秒殺只是一個促銷活動，但對技術(shù)要求不低。下面給大家總結(jié)一下設(shè)計秒殺系統(tǒng)需要注意的9個細節(jié)。
1. 瞬時高并發(fā)
一般在秒殺時間點(比如：12點)前幾分鐘，用戶并發(fā)量才真正突增，達到秒殺時間點時，并發(fā)量會達到頂峰。
但由于這類活動是大量用戶搶少量商品的場景，必定會出現(xiàn)狼多肉少的情況，所以其實絕大部分用戶秒殺會失敗，只有極少部分用戶能夠成功。
正常情況下，大部分用戶會收到商品已經(jīng)搶完的提醒，收到該提醒后，他們大概率不會在那個活動頁面停留了，如此一來，用戶并發(fā)量又會急劇下降。所以這個峰值持續(xù)的時間其實是非常短的，這樣就會出現(xiàn)瞬時高并發(fā)的情況，下面用一張圖直觀的感受一下流量的變化：
像這種瞬時高并發(fā)的場景，傳統(tǒng)的系統(tǒng)很難應對，我們需要設(shè)計一套全新的系統(tǒng)?？梢詮囊韵聨讉€方面入手：
- 頁面靜態(tài)化
- CDN加速
- 緩存
- mq異步處理
- 限流
- 分布式鎖
2. 頁面靜態(tài)化
活動頁面是用戶流量的第一入口，所以是并發(fā)量最大的地方。
如果這些流量都能直接訪問服務端，恐怕服務端會因為承受不住這么大的壓力，而直接掛掉。
活動頁面絕大多數(shù)內(nèi)容是固定的，比如：商品名稱、商品描述、圖片等。為了減少不必要的服務端請求，通常情況下，會對活動頁面做靜態(tài)化處理。用戶瀏覽商品等常規(guī)操作，并不會請求到服務端。只有到了秒殺時間點，并且用戶主動點了秒殺按鈕才允許訪問服務端。
這樣能過濾大部分無效請求。
但只做頁面靜態(tài)化還不夠，因為用戶分布在全國各地，有些人在北京，有些人在成都，有些人在深圳，地域相差很遠，網(wǎng)速各不相同。
如何才能讓用戶最快訪問到活動頁面呢?
這就需要使用CDN，它的全稱是Content Delivery Network，即內(nèi)容分發(fā)網(wǎng)絡(luò)。
使用戶就近獲取所需內(nèi)容，降低網(wǎng)絡(luò)擁塞，提高用戶訪問響應速度和命中率。
3. 秒殺按鈕
大部分用戶怕錯過秒殺時間點，一般會提前進入活動頁面。此時看到的秒殺按鈕是置灰，不可點擊的。只有到了秒殺時間點那一時刻，秒殺按鈕才會自動點亮，變成可點擊的。
但此時很多用戶已經(jīng)迫不及待了，通過不停刷新頁面，爭取在第一時間看到秒殺按鈕的點亮。
從前面得知，該活動頁面是靜態(tài)的。那么我們在靜態(tài)頁面中如何控制秒殺按鈕，只在秒殺時間點時才點亮呢?
沒錯，使用js文件控制。
為了性能考慮，一般會將css、js和圖片等靜態(tài)資源文件提前緩存到CDN上，讓用戶能夠就近訪問秒殺頁面。
看到這里，有些聰明的小伙伴，可能會問：CDN上的js文件是如何更新的?
秒殺開始之前，js標志為false，還有另外一個隨機參數(shù)。
當秒殺開始的時候系統(tǒng)會生成一個新的js文件，此時標志為true，并且隨機參數(shù)生成一個新值，然后同步給CDN。由于有了這個隨機參數(shù)，CDN不會緩存數(shù)據(jù)，每次都能從CDN中獲取最新的js代碼。
此外，前端還可以加一個定時器，控制比如：10秒之內(nèi)，只允許發(fā)起一次請求。如果用戶點擊了一次秒殺按鈕，則在10秒之內(nèi)置灰，不允許再次點擊，等到過了時間限制，又允許重新點擊該按鈕。
4 .讀多寫少
在秒殺的過程中，系統(tǒng)一般會先查一下庫存是否足夠，如果足夠才允許下單，寫數(shù)據(jù)庫。如果不夠，則直接返回該商品已經(jīng)搶完。
由于大量用戶搶少量商品，只有極少部分用戶能夠搶成功，所以絕大部分用戶在秒殺時，庫存其實是不足的，系統(tǒng)會直接返回該商品已經(jīng)搶完。
這是非常典型的：讀多寫少 的場景。
如果有數(shù)十萬的請求過來，同時通過數(shù)據(jù)庫查緩存是否足夠，此時數(shù)據(jù)庫可能會掛掉。因為數(shù)據(jù)庫的連接資源非常有限，比如：mysql，無法同時支持這么多的連接。
而應該改用緩存，比如：redis。
即便用了redis，也需要部署多個節(jié)點。
5 .緩存問題
通常情況下，我們需要在redis中保存商品信息，里面包含：商品id、商品名稱、規(guī)格屬性、庫存等信息，同時數(shù)據(jù)庫中也要有相關(guān)信息，畢竟緩存并不完全可靠。
用戶在點擊秒殺按鈕，請求秒殺接口的過程中，需要傳入的商品id參數(shù)，然后服務端需要校驗該商品是否合法。
大致流程如下圖所示：
根據(jù)商品id，先從緩存中查詢商品，如果商品存在，則參與秒殺。如果不存在，則需要從數(shù)據(jù)庫中查詢商品，如果存在，則將商品信息放入緩存，然后參與秒殺。如果商品不存在，則直接提示失敗。
這個過程表面上看起來是OK的，但是如果深入分析一下會發(fā)現(xiàn)一些問題。
5.1 緩存擊穿
比如商品A第一次秒殺時，緩存中是沒有數(shù)據(jù)的，但數(shù)據(jù)庫中有。雖說上面有如果從數(shù)據(jù)庫中查到數(shù)據(jù)，則放入緩存的邏輯。
然而，在高并發(fā)下，同一時刻會有大量的請求，都在秒殺同一件商品，這些請求同時去查緩存中沒有數(shù)據(jù)，然后又同時訪問數(shù)據(jù)庫。結(jié)果悲劇了，數(shù)據(jù)庫可能扛不住壓力，直接掛掉。
如何解決這個問題呢?
這就需要加鎖，最好使用分布式鎖。
當然，針對這種情況，最好在項目啟動之前，先把緩存進行預熱。即事先把所有的商品，同步到緩存中，這樣商品基本都能直接從緩存中獲取到，就不會出現(xiàn)緩存擊穿的問題了。
是不是上面加鎖這一步可以不需要了?
表面上看起來，確實可以不需要。但如果緩存中設(shè)置的過期時間不對，緩存提前過期了，或者緩存被不小心刪除了，如果不加速同樣可能出現(xiàn)緩存擊穿。
其實這里加鎖，相當于買了一份保險。
5.2 緩存穿透
如果有大量的請求傳入的商品id，在緩存中和數(shù)據(jù)庫中都不存在，這些請求不就每次都會穿透過緩存，而直接訪問數(shù)據(jù)庫了。
由于前面已經(jīng)加了鎖，所以即使這里的并發(fā)量很大，也不會導致數(shù)據(jù)庫直接掛掉。
但很顯然這些請求的處理性能并不好，有沒有更好的解決方案?
這時可以想到布隆過濾器。
系統(tǒng)根據(jù)商品id，先從布隆過濾器中查詢該id是否存在，如果存在則允許從緩存中查詢數(shù)據(jù)，如果不存在，則直接返回失敗。
雖說該方案可以解決緩存穿透問題，但是又會引出另外一個問題：布隆過濾器中的數(shù)據(jù)如何更緩存中的數(shù)據(jù)保持一致?
這就要求，如果緩存中數(shù)據(jù)有更新，則要及時同步到布隆過濾器中。如果數(shù)據(jù)同步失敗了，還需要增加重試機制，而且跨數(shù)據(jù)源，能保證數(shù)據(jù)的實時一致性嗎?
顯然是不行的。
所以布隆過濾器絕大部分使用在緩存數(shù)據(jù)更新很少的場景中。
如果緩存數(shù)據(jù)更新非常頻繁，又該如何處理呢?
這時，就需要把不存在的商品id也緩存起來。
下次，再有該商品id的請求過來，則也能從緩存中查到數(shù)據(jù)，只不過該數(shù)據(jù)比較特殊，表示商品不存在。需要特別注意的是，這種特殊緩存設(shè)置的超時時間應該盡量短一點。
6. 庫存問題
對于庫存問題看似簡單，實則里面還是有些東西。
真正的秒殺商品的場景，不是說扣完庫存，就完事了，如果用戶在一段時間內(nèi)，還沒完成支付，扣減的庫存是要加回去的。
所以，在這里引出了一個預扣庫存的概念，預扣庫存的主要流程如下：
扣減庫存中除了上面說到的預扣庫存和回退庫存之外，還需要特別注意的是庫存不足和庫存超賣問題。
6.1 數(shù)據(jù)庫扣減庫存
使用數(shù)據(jù)庫扣減庫存，是最簡單的實現(xiàn)方案了，假設(shè)扣減庫存的sql如下：
- update product set stock=stock-1 where id=123;
這種寫法對于扣減庫存是沒有問題的，但如何控制庫存不足的情況下，不讓用戶操作呢?
這就需要在update之前，先查一下庫存是否足夠了。
偽代碼如下：
- int stock = mapper.getStockById(123);
- if(stock > 0) {
- int count = mapper.updateStock(123);
- if(count > 0) {
- addOrder(123);
- }
- }
大家有沒有發(fā)現(xiàn)這段代碼的問題?
沒錯，查詢操作和更新操作不是原子性的，會導致在并發(fā)的場景下，出現(xiàn)庫存超賣的情況。
有人可能會說，這樣好辦，加把鎖，不就搞定了，比如使用synchronized關(guān)鍵字。
確實，可以，但是性能不夠好。
還有更優(yōu)雅的處理方案，即基于數(shù)據(jù)庫的樂觀鎖，這樣會少一次數(shù)據(jù)庫查詢，而且能夠天然的保證數(shù)據(jù)操作的原子性。
只需將上面的sql稍微調(diào)整一下：
- update product set stock=stock-1 where id=product and stock > 0;
在sql最后加上：stock > 0，就能保證不會出現(xiàn)超賣的情況。
但需要頻繁訪問數(shù)據(jù)庫，我們都知道數(shù)據(jù)庫連接是非常昂貴的資源。在高并發(fā)的場景下，可能會造成系統(tǒng)雪崩。而且，容易出現(xiàn)多個請求，同時競爭行鎖的情況，造成相互等待，從而出現(xiàn)死鎖的問題。
6.2 redis扣減庫存
redis的incr方法是原子性的，可以用該方法扣減庫存。偽代碼如下：
- boolean exist = redisClient.query(productId,userId);
- if(exist) {
- return -1;
- }
- int stock = redisClient.queryStock(productId);
- if(stock <=0) {
- return 0;
- }
- redisClient.incrby(productId, -1);
- redisClient.add(productId,userId);
- return 1;
代碼流程如下：
- 先判斷該用戶有沒有秒殺過該商品，如果已經(jīng)秒殺過，則直接返回-1。
- 查詢庫存，如果庫存小于等于0，則直接返回0，表示庫存不足。
- 如果庫存充足，則扣減庫存，然后將本次秒殺記錄保存起來。然后返回1，表示成功。
估計很多小伙伴，一開始都會按這樣的思路寫代碼。但如果仔細想想會發(fā)現(xiàn)，這段代碼有問題。
有什么問題呢?
如果在高并發(fā)下，有多個請求同時查詢庫存，當時都大于0。由于查詢庫存和更新庫存非原則操作，則會出現(xiàn)庫存為負數(shù)的情況，即庫存超賣。
當然有人可能會說，加個synchronized不就解決問題?
調(diào)整后代碼如下：
- boolean exist = redisClient.query(productId,userId);
- if(exist) {
- return -1;
- }
- synchronized(this) {
- int stock = redisClient.queryStock(productId);
- if(stock <=0) {
- return 0;
- }
- redisClient.incrby(productId, -1);
- redisClient.add(productId,userId);
- }
- return 1;
加synchronized確實能解決庫存為負數(shù)問題，但是這樣會導致接口性能急劇下降，每次查詢都需要競爭同一把鎖，顯然不太合理。
為了解決上面的問題，代碼優(yōu)化如下：
- boolean exist = redisClient.query(productId,userId);
- if(exist) {
- return -1;
- }
- if(redisClient.incrby(productId, -1)<0) {
- return 0;
- }
- redisClient.add(productId,userId);
- return 1;
該代碼主要流程如下：
- 先判斷該用戶有沒有秒殺過該商品，如果已經(jīng)秒殺過，則直接返回-1。
- 扣減庫存，判斷返回值是否小于0，如果小于0，則直接返回0，表示庫存不足。
- 如果扣減庫存后，返回值大于或等于0，則將本次秒殺記錄保存起來。然后返回1，表示成功。
該方案咋一看，好像沒問題。
但如果在高并發(fā)場景中，有多個請求同時扣減庫存，大多數(shù)請求的incrby操作之后，結(jié)果都會小于0。
雖說，庫存出現(xiàn)負數(shù)，不會出現(xiàn)超賣的問題。但由于這里是預減庫存，如果負數(shù)值負的太多的話，后面萬一要回退庫存時，就會導致庫存不準。
那么，有沒有更好的方案呢?
6.3 lua腳本扣減庫存
我們都知道lua腳本，是能夠保證原子性的，它跟redis一起配合使用，能夠完美解決上面的問題。
lua腳本有段非常經(jīng)典的代碼：
- StringBuilder lua = new StringBuilder();
- lua.append("if (redis.call('exists', KEYS[1]) == 1) then");
- lua.append(" local stock = tonumber(redis.call('get', KEYS[1]));");
- lua.append(" if (stock == -1) then");
- lua.append(" return 1;");
- lua.append(" end;");
- lua.append(" if (stock > 0) then");
- lua.append(" redis.call('incrby', KEYS[1], -1);");
- lua.append(" return stock;");
- lua.append(" end;");
- lua.append(" return 0;");
- lua.append("end;");
- lua.append("return -1;");
該代碼的主要流程如下：
- 先判斷商品id是否存在，如果不存在則直接返回。
- 獲取該商品id的庫存，判斷庫存如果是-1，則直接返回，表示不限制庫存。
- 如果庫存大于0，則扣減庫存。
- 如果庫存等于0，是直接返回，表示庫存不足。
7 .分布式鎖
之前我提到過，在秒殺的時候，需要先從緩存中查商品是否存在，如果不存在，則會從數(shù)據(jù)庫中查商品。如果數(shù)據(jù)庫中，則將該商品放入緩存中，然后返回。如果數(shù)據(jù)庫中沒有，則直接返回失敗。
大家試想一下，如果在高并發(fā)下，有大量的請求都去查一個緩存中不存在的商品，這些請求都會直接打到數(shù)據(jù)庫。數(shù)據(jù)庫由于承受不住壓力，而直接掛掉。
那么如何解決這個問題呢?
這就需要用redis分布式鎖了。
7.1 setNx加鎖
使用redis的分布式鎖，首先想到的是setNx命令。
- if (jedis.setnx(lockKey, val) == 1) {
- jedis.expire(lockKey, timeout);
- }
用該命令其實可以加鎖，但和后面的設(shè)置超時時間是分開的，并非原子操作。
假如加鎖成功了，但是設(shè)置超時時間失敗了，該lockKey就變成永不失效的了。在高并發(fā)場景中，該問題會導致非常嚴重的后果。
那么，有沒有保證原子性的加鎖命令呢?
7.2 set加鎖使
用redis的set命令，它可以指定多個參數(shù)。
- String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);
- if ("OK".equals(result)) {
- return true;
- }
- return false;
其中：
- lockKey：鎖的標識
- requestId：請求id
- NX：只在鍵不存在時，才對鍵進行設(shè)置操作。
- PX：設(shè)置鍵的過期時間為 millisecond 毫秒。
- expireTime：過期時間
由于該命令只有一步，所以它是原子操作。
7.3 釋放鎖
接下來，有些朋友可能會問：在加鎖時，既然已經(jīng)有了lockKey鎖標識，為什么要需要記錄requestId呢?
答：requestId是在釋放鎖的時候用的。
- if (jedis.get(lockKey).equals(requestId)) {
- jedis.del(lockKey);
- return true;
- }
- return false;
在釋放鎖的時候，只能釋放自己加的鎖，不允許釋放別人加的鎖。
這里為什么要用requestId，用userId不行嗎?
答：如果用userId的話，假設(shè)本次請求流程走完了，準備刪除鎖。此時，巧合鎖到了過期時間失效了。而另外一個請求，巧合使用的相同userId加鎖，會成功。而本次請求刪除鎖的時候，刪除的其實是別人的鎖了。
當然使用lua腳本也能避免該問題：
- if redis.call('get', KEYS[1]) == ARGV[1] then
- return redis.call('del', KEYS[1])
- else
- return 0
- end
它能保證查詢鎖是否存在和刪除鎖是原子操作。
7.4 自旋鎖
上面的加鎖方法看起來好像沒有問題，但如果你仔細想想，如果有1萬的請求同時去競爭那把鎖，可能只有一個請求是成功的，其余的9999個請求都會失敗。
在秒殺場景下，會有什么問題?
答：每1萬個請求，有1個成功。再1萬個請求，有1個成功。如此下去，直到庫存不足。這就變成均勻分布的秒殺了，跟我們想象中的不一樣。
如何解決這個問題呢?
答：使用自旋鎖。
- try {
- Long start = System.currentTimeMillis();
- while(true) {
- String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);
- if ("OK".equals(result)) {
- return true;
- }
- long time = System.currentTimeMillis() - start;
- if (time>=timeout) {
- return false;
- }
- try {
- Thread.sleep(50);
- } catch (InterruptedException e) {
- e.printStackTrace();
- }
- }
- } finally{
- unlock(lockKey,requestId);
- }
- return false;
在規(guī)定的時間，比如500毫秒內(nèi)，自旋不斷嘗試加鎖，如果成功則直接返回。如果失敗，則休眠50毫秒，再發(fā)起新一輪的嘗試。如果到了超時時間，還未加鎖成功，則直接返回失敗。
7.5 redisson
除了上面的問題之外，使用redis分布式鎖，還有鎖競爭問題、續(xù)期問題、鎖重入問題、多個redis實例加鎖問題等。
這些問題使用redisson可以解決，由于篇幅的原因，在這里先保留一點懸念，有疑問的私聊給我。后面會出一個專題介紹分布式鎖，敬請期待。
8. mq異步處理
我們都知道在真實的秒殺場景中，有三個核心流程：
而這三個核心流程中，真正并發(fā)量大的是秒殺功能，下單和支付功能實際并發(fā)量很小。所以，我們在設(shè)計秒殺系統(tǒng)時，有必要把下單和支付功能從秒殺的主流程中拆分出來，特別是下單功能要做成mq異步處理的。而支付功能，比如支付寶支付，是業(yè)務場景本身保證的異步。
于是，秒殺后下單的流程變成如下：
如果使用mq，需要關(guān)注以下幾個問題：
8.1 消息丟失問題
秒殺成功了，往mq發(fā)送下單消息的時候，有可能會失敗。原因有很多，比如：網(wǎng)絡(luò)問題、broker掛了、mq服務端磁盤問題等。這些情況，都可能會造成消息丟失。
那么，如何防止消息丟失呢?
答：加一張消息發(fā)送表。
在生產(chǎn)者發(fā)送mq消息之前，先把該條消息寫入消息發(fā)送表，初始狀態(tài)是待處理，然后再發(fā)送mq消息。消費者消費消息時，處理完業(yè)務邏輯之后，再回調(diào)生產(chǎn)者的一個接口，修改消息狀態(tài)為已處理。
如果生產(chǎn)者把消息寫入消息發(fā)送表之后，再發(fā)送mq消息到mq服務端的過程中失敗了，造成了消息丟失。
這時候，要如何處理呢?
答：使用job，增加重試機制。
用job每隔一段時間去查詢消息發(fā)送表中狀態(tài)為待處理的數(shù)據(jù)，然后重新發(fā)送mq消息。
8.2 重復消費問題
本來消費者消費消息時，在ack應答的時候，如果網(wǎng)絡(luò)超時，本身就可能會消費重復的消息。但由于消息發(fā)送者增加了重試機制，會導致消費者重復消息的概率增大。
那么，如何解決重復消息問題呢?
答：加一張消息處理表。
消費者讀到消息之后，先判斷一下消息處理表，是否存在該消息，如果存在，表示是重復消費，則直接返回。如果不存在，則進行下單操作，接著將該消息寫入消息處理表中，再返回。
有個比較關(guān)鍵的點是：下單和寫消息處理表，要放在同一個事務中，保證原子操作。
8.3 垃圾消息問題
這套方案表面上看起來沒有問題，但如果出現(xiàn)了消息消費失敗的情況。比如：由于某些原因，消息消費者下單一直失敗，一直不能回調(diào)狀態(tài)變更接口，這樣job會不停的重試發(fā)消息。最后，會產(chǎn)生大量的垃圾消息。
那么，如何解決這個問題呢?
每次在job重試時，需要先判斷一下消息發(fā)送表中該消息的發(fā)送次數(shù)是否達到最大限制，如果達到了，則直接返回。如果沒有達到，則將次數(shù)加1，然后發(fā)送消息。
這樣如果出現(xiàn)異常，只會產(chǎn)生少量的垃圾消息，不會影響到正常的業(yè)務。
8.4 延遲消費問題
通常情況下，如果用戶秒殺成功了，下單之后，在15分鐘之內(nèi)還未完成支付的話，該訂單會被自動取消，回退庫存。
那么，在15分鐘內(nèi)未完成支付，訂單被自動取消的功能，要如何實現(xiàn)呢?
我們首先想到的可能是job，因為它比較簡單。
但job有個問題，需要每隔一段時間處理一次，實時性不太好。
還有更好的方案?
答：使用延遲隊列。
我們都知道rocketmq，自帶了延遲隊列的功能。
下單時消息生產(chǎn)者會先生成訂單，此時狀態(tài)為待支付，然后會向延遲隊列中發(fā)一條消息。達到了延遲時間，消息消費者讀取消息之后，會查詢該訂單的狀態(tài)是否為待支付。如果是待支付狀態(tài)，則會更新訂單狀態(tài)為取消狀態(tài)。如果不是待支付狀態(tài)，說明該訂單已經(jīng)支付過了，則直接返回。
還有個關(guān)鍵點，用戶完成支付之后，會修改訂單狀態(tài)為已支付。
9. 如何限流?
通過秒殺活動，如果我們運氣爆棚，可能會用非常低的價格買到不錯的商品(這種概率堪比買福利彩票中大獎)。
但有些高手，并不會像我們一樣老老實實，通過秒殺頁面點擊秒殺按鈕，搶購商品。他們可能在自己的服務器上，模擬正常用戶登錄系統(tǒng)，跳過秒殺頁面，直接調(diào)用秒殺接口。
如果是我們手動操作，一般情況下，一秒鐘只能點擊一次秒殺按鈕。
但是如果是服務器，一秒鐘可以請求成上千接口。
這種差距實在太明顯了，如果不做任何限制，絕大部分商品可能是被機器搶到，而非正常的用戶，有點不太公平。
所以，我們有必要識別這些非法請求，做一些限制。那么，我們該如何現(xiàn)在這些非法請求呢?
目前有兩種常用的限流方式：
基于nginx限流
基于redis限流
9.1 對同一用戶限流
為了防止某個用戶，請求接口次數(shù)過于頻繁，可以只針對該用戶做限制。
限制同一個用戶id，比如每分鐘只能請求5次接口。
9.2 對同一ip限流
有時候只對某個用戶限流是不夠的，有些高手可以模擬多個用戶請求，這種nginx就沒法識別了。
這時需要加同一ip限流功能。
限制同一個ip，比如每分鐘只能請求5次接口。
但這種限流方式可能會有誤殺的情況，比如同一個公司或網(wǎng)吧的出口ip是相同的，如果里面有多個正常用戶同時發(fā)起請求，有些用戶可能會被限制住。
9.3 對接口限流
別以為限制了用戶和ip就萬事大吉，有些高手甚至可以使用代理，每次都請求都換一個ip。
這時可以限制請求的接口總次數(shù)。
在高并發(fā)場景下，這種限制對于系統(tǒng)的穩(wěn)定性是非常有必要的。但可能由于有些非法請求次數(shù)太多，達到了該接口的請求上限，而影響其他的正常用戶訪問該接口。看起來有點得不償失。
9.4 加驗證碼
相對于上面三種方式，加驗證碼的方式可能更精準一些，同樣能限制用戶的訪問頻次，但好處是不會存在誤殺的情況。
通常情況下，用戶在請求之前，需要先輸入驗證碼。用戶發(fā)起請求之后，服務端會去校驗該驗證碼是否正確。只有正確才允許進行下一步操作，否則直接返回，并且提示驗證碼錯誤。
此外，驗證碼一般是一次性的，同一個驗證碼只允許使用一次，不允許重復使用。
普通驗證碼，由于生成的數(shù)字或者圖案比較簡單，可能會被破解。優(yōu)點是生成速度比較快，缺點是有安全隱患。
還有一個驗證碼叫做：移動滑塊，它生成速度比較慢，但比較安全，是目前各大互聯(lián)網(wǎng)公司的首選。
9.5 提高業(yè)務門檻
上面說的加驗證碼雖然可以限制非法用戶請求，但是有些影響用戶體驗。用戶點擊秒殺按鈕前，還要先輸入驗證碼，流程顯得有點繁瑣，秒殺功能的流程不是應該越簡單越好嗎?
其實，有時候達到某個目的，不一定非要通過技術(shù)手段，通過業(yè)務手段也一樣。
12306剛開始的時候，全國人民都在同一時刻搶火車票，由于并發(fā)量太大，系統(tǒng)經(jīng)常掛。后來，重構(gòu)優(yōu)化之后，將購買周期放長了，可以提前20天購買火車票，并且可以在9點、10、11點、12點等整點購買火車票。調(diào)整業(yè)務之后(當然技術(shù)也有很多調(diào)整)，將之前集中的請求，分散開了，一下子降低了用戶并發(fā)量。
回到這里，我們通過提高業(yè)務門檻，比如只有會員才能參與秒殺活動，普通注冊用戶沒有權(quán)限。或者，只有等級到達3級以上的普通用戶，才有資格參加該活動。
這樣簡單的提高一點門檻，即使是黃牛黨也束手無策，他們總不可能為了參加一次秒殺活動，還另外花錢充值會員吧?
