如何实现redis秒杀？
redis实现秒杀
背景：
某电商网站实现秒杀功能，用户在某个时间段内能够抢购到特价商品，且某一商品最多只能被同一用户抢购一次。
基本思路：
- 秒杀商品由商家后台添加，秒杀商品数据保存在tb_seckilll_goods表中，关键字段包括：
- id，status(审核状态)，start_time(开始时间)，end_time(结束时间)，stock_count(库存量)；
- 写一个定时器，定时从秒杀商品表中扫描数据，将符合条件的商品加载到缓存中；条件：审核状态="1"，start_time < 当前时间 < end_time，库存量大于0；
- 前端展示，此处略
- 点击抢购，拿着秒杀商品的id去缓存中查询，如果缓存中商品不存在或者为空，提示“已售罄”，否则生成订单，保存到缓存中，订单表tb_seckill_order
- 库存-1，判断减完之后缓存中商品的库存是否大于0，大于0则更新缓存，否则删除该秒杀商品的缓存，并更新到数据库
技术选型：缓存redis，定时器：spring整合quartz
如下完成了一个基本的秒杀下单的业务：
扫描秒杀商品加载到redis：
@Scheduled(cron = "0 */1 * * * ?")//cron表达式：每分钟执行一次，周期可任意定义
public void importToRedis(){
//1.查询合法秒杀商品数据
TbSeckillGoodsExample example = new TbSeckillGoodsExample();
Date date = new Date();
example.createCriteria().andStatusEqualTo("1").andStockCountGreaterThan(0)
.andStartTimeLessThan(date).andEndTimeGreaterThan(date);
List
for (TbSeckillGoods seckillGood : tbSeckillGoods) {//将秒杀商品依次存入redis
//注意如果redis中已经有的商品，则不更新,只添加之前未加入过的秒杀商品
if(redisTemplate.boundHashOps("TbSeckillGoods").get(seckillGood.getId()) == null){
redisTemplate.boundHashOps("TbSeckillGoods").put(seckillGood.getId(), seckillGood);
}
}
}
对所有的秒杀商品都使用同一个key：“TbSeckillGoods”，值的存储类型为hash
下单的service代码：
public Result saveOrder(Long id, String userId) {
//根据商品id从redis中查出商品
TbSeckillGoods seckillGood = (TbSeckillGoods) redisTemplate.boundHashOps(TbSeckillGoods.class.getSimpleName()).get(id);
//如果缓存中秒杀商品不存在或者库存为空，则提示已售罄
if(seckillGood == null || seckillGood.getStockCount() <= 0){
return new Result(false, "已售罄");
}
//如果时间已截止，提示秒杀时间已结束
if(seckillGood.getEndTime().getTime() < System.currentTimeMillis()){
return new Result(false, "活动已结束");
}
//生成订单保存到缓存中
TbSeckillOrder seckillOrder = new TbSeckillOrder();
seckillOrder.setUserId(userId);
seckillOrder.setSeckillId(idWorker.nextId());
seckillOrder.setSellerId(seckillGood.getSellerId());
seckillOrder.setMoney(seckillGood.getCostPrice());
seckillOrder.setStatus("0");//未支付
seckillOrder.setCreateTime(new Date());
redisTemplate.boundHashOps(TbSeckillOrder.class.getSimpleName()).put(userId, seckillOrder);
//秒杀商品库存量减1
seckillGood.setStockCount(seckillGood.getStockCount() - 1);
//判断减完之后redis中商品的库存是否大于0，大于0则更新缓存，否则删除该秒杀商品的缓存，并更新到数据库
if(seckillGood.getStockCount() > 0){
redisTemplate.boundHashOps(TbSeckillGoods.class.getSimpleName()).put(seckillGood.getGoodsId(), seckillGood);
}else {
redisTemplate.boundHashOps(TbSeckillGoods.class.getSimpleName()).delete(seckillGood.getGoodsId());
seckillGoodsMapper.updateByPrimaryKey(seckillGood);
}
return new Result(true, "恭喜您抢购到商品，请尽快支付");
}
以上是关键代码，其他业务代码可不关注，完整代码可在我的github中查看
分析上述代码：
上述代码在多线程环境下存在三个问题：
1.超卖：
if(seckillGood == null || seckillGood.getStockCount() <= 0){
return new Result(false, "已售罄");
}
业务逻辑是如果seckillGood不为null，且库存>0，即可进行下单，但是在实际环境中，可能会有很多的用户同时获取到redis中的商品信息，每个用户读取到的库存量一样且均大于0，假如库存只有2，但是有三个用户都符合下单条件，就出现了超卖情况
2.没有对用户多次抢购做限制
3.下单和生成订单串行，影响并发效率。完全可以在用户抢购之后立即能够下单成功，后续的订单处理可以利用多线程来异步操作
解决方案：
1.对于超卖问题，很容易想到是就是对下单操作加锁，一次只能有一个用户进行下单并减库存。这种方法可以避免超卖问题，但是却会导致效率下降。
redis中有一种存储结构list，它的元素在弹出时能够保证一次只有一个线程进行操作，并且效率比较高。例如，我们在录入秒杀商品的同时，对每一种商品都创建一个list，该商品的库存有多少，list中的元素就有多少个，每次下单就从list中弹出一个元素，防止超卖。
如图：以“SECKILLGOODS_ID_PREFIX_秒杀商品ID”的格式字符串作为list的key，商品库存有n，则该list就有n个元素，元素的压入在录入商品时完成，每下单一次，就弹出一个元素。
2.对于同一用户多次抢购的问题，我们同样可以使用redis来记录每种商品已抢购成功的用户id，我们使用set来记录用户id，防止用户id重复
如图：以“USER_ID_PREFIX_秒杀商品ID”的格式字符串作为set的key，一旦有一个用户抢购了该商品，则在先判断Set集合中是否存在用户id，不存在则添加
3.多线程处理订单，在redis中创建一个队列，每当一个用户成功抢购一个商品，就往队列中压入一个下单数据，包含商品id和用户id即可。线程从队列中弹出一个包含下单数据的元素，进行订单的生成
如图：OrederRecorder作为key，集合中记录了抢购成功的商品id和用户id，等待多线程去从集合中弹出元素进行处理
整个秒杀业务的大致流程如下：
完整代码可参考
https://github.com/ithushuai/seckill-demo
秒杀活动是绝大部分电商选择的低价促销、推广品牌的方式。不仅可以给平台带来用户量，还可以提高平台知名度。一个好的秒杀系统，可以提高平台系统的稳定性和公平性，获得更好的用户体验，提升平台的口碑，从而提升秒杀活动的最大价值。本文讨论云数据库Redis版缓存设计高并发的秒杀系统。
秒杀的特征
秒杀活动对稀缺或者特价的商品进行定时定量售卖，吸引成大量的消费者进行抢购，但又只有少部分消费者可以下单成功。因此，秒杀活动将在较短时间内产生比平时大数十倍，上百倍的页面访问流量和下单请求流量。
秒杀活动可以分为3个阶段：
- 秒杀前：用户不断刷新商品详情页，页面请求达到瞬时峰值。
- 秒杀开始：用户点击秒杀按钮，下单请求达到瞬时峰值。
- 秒杀后：一部分成功下单的用户不断刷新订单或者产生退单操作，大部分用户继续刷新商品详情页等待退单机会。
消费者提交订单，一般做法是利用数据库的行级锁，只有抢到锁的请求可以进行库存查询和下单操作。但是在高并发的情况下，数据库无法承担如此大的请求，往往会使整个服务blocked，在消费者看来就是服务器宕机。
秒杀系统
秒杀系统的流量虽然很高，但是实际有效流量是十分有限的。利用系统的层次结构，在每个阶段提前校验，拦截无效流量，可以减少大量无效的流量涌入数据库。
利用浏览器缓存和CDN抗压静态页面流量
秒杀前，用户不断刷新商品详情页，造成大量的页面请求。所以，我们需要把秒杀商品详情页与普通的商品详情页分开。对于秒杀商品详情页尽量将能静态化的元素静态化处理，除了秒杀按钮需要服务端进行动态判断，其他的静态数据可以缓存在浏览器和CDN上。这样，秒杀前刷新页面导致的流量进入服务端的流量只有很小的一部分。
利用读写分离Redis缓存拦截流量
CDN是第一级流量拦截，第二级流量拦截我们使用支持读写分离的Redis。在这一阶段我们主要读取数据，读写分离Redis能支持高达60万以上qps，完全可以支持需求。
首先通过数据控制模块，提前将秒杀商品缓存到读写分离Redis，并设置秒杀开始标记如下：
"goodsId_count": 100 //总数
"goodsId_start": 0 //开始标记
"goodsId_access": 0 //接受下单数
- 秒杀开始前，服务集群读取goodsId_Start为0，直接返回未开始。
- 数据控制模块将goodsId_start改为1，标志秒杀开始。
- 服务集群缓存开始标记位并开始接受请求，并记录到Redis中goodsId_access，商品剩余数量为（goodsId_count - goodsId_access）。
- 当接受下单数达到goodsId_count后，继续拦截所有请求，商品剩余数量为0。
可以看出，最后成功参与下单的请求只有少部分可以被接受。在高并发的情况下，允许稍微多的流量进入。因此可以控制接受下单数的比例。
利用主从版Redis缓存加速库存扣量
成功参与下单后，进入下层服务，开始进行订单信息校验，库存扣量。为了避免直接访问数据库，我们使用主从版Redis来进行库存扣量，主从版Redis提供10万级别的QPS。使用Redis来优化库存查询，提前拦截秒杀失败的请求，将大大提高系统的整体吞吐量。
通过数据控制模块提前将库存存入Redis，将每个秒杀商品在Redis中用一个hash结构表示。
"goodsId" : {
"Total": 100
"Booked": 100
}
扣量时，服务器通过请求Redis获取下单资格，通过以下lua脚本实现，由于Redis是单线程模型，lua可以保证多个命令的原子性。
local n = tonumber(ARGV[1])
if not n or n == 0 then
return 0
end
local vals = redis.call("HMGET", KEYS[1], "Total", "Booked");
local total = tonumber(vals[1])
local blocked = tonumber(vals[2])
if not total or not blocked then
return 0
end
if blocked + n <= total then
redis.call("HINCRBY", KEYS[1], "Booked", n)
return n;
end
return 0
先使用SCRIPT LOAD将lua脚本提前缓存在Redis，然后调用EVALSHA调用脚本，比直接调用EVAL节省网络带宽：
redis 127.0.0.1:6379>SCRIPT LOAD "lua code"
"438dd755f3fe0d32771753eb57f075b18fed7716"
redis 127.0.0.1:6379>EVALSHA 438dd755f3fe0d32771753eb57f075b18fed7716 1 goodsId 1
秒杀服务通过判断Redis是否返回抢购个数n，即可知道此次请求是否扣量成功。
使用主从版Redis实现简单的消息队列异步下单入库
扣量完成后，需要进行订单入库。如果商品数量较少的时候，直接操作数据库即可。如果秒杀的商品是1万，甚至10万级别，那数据库锁冲突将带来很大的性能瓶颈。因此，利用消息队列组件，当秒杀服务将订单信息写入消息队列后，即可认为下单完成，避免直接操作数据库。
- 消息队列组件依然可以使用Redis实现，在R2中用list数据结构表示。
orderList { - [0] = {订单内容}
- [1] = {订单内容}
- [2] = {订单内容}
- ...
- }
- 将订单内容写入Redis：
LPUSH orderList {订单内容} - 异步下单模块从Redis中顺序获取订单信息，并将订单写入数据库。
BRPOP orderList 0
通过使用Redis作为消息队列，异步处理订单入库，有效的提高了用户的下单完成速度。
数据控制模块管理秒杀数据同步
最开始，利用读写分离Redis进行流量限制，只让部分流量进入下单。对于下单检验失败和退单等情况，需要让更多的流量进来。因此，数据控制模块需要定时将数据库中的数据进行一定的计算，同步到主从版Redis，同时再同步到读写分离的Redis，让更多的流量进来