关于电商秒杀系统中防超卖、以及高性能下单的处理方案简述

秒杀抢购系统的成功平稳运行，有一些需要注意的知识点。

1 高并发，以及刷接口等黑客请求对服务端的负载冲击

2 高并发时带来的超卖，即商品数量的控制

3 高负载下，下单的速度和成功率的保证

4 其他

以秒杀单品为例，如抢小米手机。

解决方案探讨：

第一步 限制前端发来的请求量

譬如定在了周二10点开启抢购，那么在之前的一周时间内，都会有预约通知，或者普通的用户浏览。通过预约量、浏览量等数据分析，大概能预估到在周二会参与“点击抢购按钮”的人数。譬如有500万。

此时，我们是知道实际商品数量的，譬如20万。

那么我是没有必要让这500万个请求都到后台的，我最多最多放200万个请求到后台。其他的300万直接就在前端网页看单机动画就好了。

这一步做起来很简单，20万个商品，我提前生成200万个token，在用户点击预约、或者浏览该商品时，就按规则发放出去。（规则可以是譬如公平模式，某个用户id已经预约多次了，还没抢到，那么给他token。也可以就是随机发放，5天的预热时间，每天发4万个就好）

前端接收到是否能参与秒杀的反馈后，就保存在浏览器本地就好，当秒杀开始时，没得到token的用户，就只好在本地看单机动画，过几秒告诉他商品不足就好了。

那些幸运的得到了token的用户，就有了给后台发请求参加秒杀的机会了，此时还需要前端（APP客户端）来对请求进行控制，因为用户喜欢反复点击、反复刷新页面等手段来参加抢购，这时就不能再放重复请求进后台了，哪怕是他重复点击了，也要保证请求不反复发送。

对于大部分吃瓜群众来说，只会操作页面的就通过这种方式控制，但对于程序员们就不行了，即便是你在抢购开始前，没有暴露抢购的接口，但在抢购开始的一瞬间，他们依旧能搞到你的下单接口地址，并开始用程序频繁提交下单请求。

第二步 由网关限制程序过量请求

用程序下单对程序员们都懂，拼接好请求的各个参数，开启并发提交到服务器。

到了这一步，已经不归前端管了，请求会直达负载均衡器，然后到后台网关。

在网关里要控制好这部分请求，要以最快的速度判断出来的每一个请求是否放行到后面的服务。

网关的实现方案有很多，kong（nginx+lua），Gateway，zuul等。在网关里可以简单的实现限流机制，我们主要限制的有如下几种：

   1 黑名单（ip、用户id等），可以直接放内存里

   2 过多的重复请求（可以采用redis集群计数，对同一个ip、id发起的重复请求给予拒绝），考虑到redis的带宽、性能瓶颈，可以考虑做分片，或者做二级缓存，直接在jvm内存里统计计数

   3 没有token的请求，就是之前放出去那批token

限制了非常规请求后，我们假如还有100万个请求在2秒内打到了服务端，这依旧是非常恐怖的数字，即便你有10台服务器，还是有大概率被打满CPU，后面的请求就有面临5秒超时的风险。

此时，我们要做的就是尽快处理完前面的请求，把商品赶紧卖光。100万个请求，20万个商品，那肯定是不能让那80万请求去触碰下单的服务的，我们要在网关处就终结掉这80万个请求，给他们交代你来晚了。

此时你需要令牌桶，如guava的rateLimer就可以，简单好用。譬如我有20个zuul网关服务在运行，单个服务要承担5万个请求，单个tomcat在不做复杂计算、不做数据库操作，做到1-2千的QPS还是可以的。

我每一个zuul服务里譬如开辟1.5万个令牌桶，在1-3秒内放完，得不到令牌桶的就直接返回失败就行了。在这一步失败的耗时会很短，因为在网关层就失败了，不会进入到后面的下单流程。

请注意，这一步是没有用消息队列的，因为大部分请求是要被拒绝的，需要尽快的返回拒绝信息，进队列再慢慢消费就慢了。

令牌桶签发完毕，剩下的请求都是幸运儿，就可以进入到后面的下单流程了。

第三步 极速下单

下单是另外的服务，由zuul将请求转发到这里，那么以最快的速度生成订单将非常重要，不然又是大量超时。

此时数据库是指望不上了，数据库一秒2千的写入都已经比较艰难，即便是集群，想要达到万的量级也是比较困难，等你入库完毕，都半分钟过去了。

那么下单到哪呢，首选redis。你在订单请求到达后，迅速拼接好order、orderItem对象，将订单下到redis里。考虑到redis的压力，可以将redis分片，将不同的用户的订单，下到不同的redis实例中。

下到redis的目的一是速度快，二是为了做订单查询用，因为下单后用户还是要查询订单的，而此时还没有入库。在下单到redis的同时，写入到消费队列MQ中一份，这一步是用来让后端消费，并入库的。入库就可以从MQ里慢慢消费了，再去做那些耗时的入库操作，分布式事务等等。入库成功后，就可以把redis的订单删掉了。

第四步 防超卖

从上面的流程看，我们通过令牌桶放出去的令牌数是大于商品数量的，那么就面临超卖问题。

超卖在分布式环境下，方案就是分布式锁，譬如redisson的分布式锁，可以针对商品id加分布式锁。

问题又出来了，如果商品数量很少，几百几千个，通过分布式锁也能很快的处理完。实测，redis加锁、释放锁耗时约1ms，再加上客户端逻辑处理时间，按下一单要5-10ms（非常急速了），那么一秒在对同一个分布式锁的操作上，也就百单而已。

可以发现，通过对同一个商品id加分布式锁，商品数量巨多时就麻烦了，因为是对商品id加锁，那么上锁解锁这个动作被执行几十万次，时间耗费巨大。

那么这个分布式锁就会有严重的性能问题，就要再次对商品数量进行分片，譬如一个用来分布式锁的redis key，只放500个商品数量，耗完结束，对应这个key的请求就算全部卖光。譬如商品id是10，那么我们就用goodsId-10-1，goodsId-10-2，goodsId-10-3这样，建立count/500个key，当请求来时，按照hash将分布式锁加到不同的key上。这样也能大幅提高分布式锁的性能。

当然这样会造成redis压力巨大，再将redis做个集群也行。总的来说这个方案貌似很复杂，而且很难控制，譬如比较难以控制不同key的余量消耗。

那么太复杂的方案就还是抛弃。我们直接在服务实例里写商品数量，这样直接在内存里判断商品剩余量，谁也不通信了，性能达到极致。

譬如我们部署了20个订单实例，20万个商品，我们将服务接入配置中心（Apollo，disconf，nacos之类的），通过配置中心来下发每个实例的商品数量，而且可以动态控制。可以在抢购开始前，通过配置中心下发到每个服务1万个商品数量，当这个实例将内存里的商品数量消耗完毕，就算售罄。当然，由于服务的处理速度，和请求的不均匀，可能导致某个实例早早售罄，别的实例还有大量剩余。也就是在页面上比你晚的人，来了还能买到，而你早早售罄了。那就不要怪程序员了。

要是中途个别实例挂掉了怎么办？挂掉了我们就不管它了。不要为它再设置什么复杂逻辑了。大不了少卖一些而已。既然是售罄，卖20万个，和卖了19万3千个，也没什么区别。可以等其他实例全卖光后，统计一下redis的订单数量，譬如卖了19万个3千，再把它启动起来，设置个7000的剩余量，这样也行。但这不重要了。可以将这部分放到30分钟后，没付款的被丢回库存池里再卖也一样。

————————————————
版权声明：本文为CSDN博主「天涯泪小武」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/tianyaleixiaowu/article/details/102524667