电商高并发秒杀5 流量削峰技术

前言

对应的交易优化技术使用了缓存校验+异步扣减库存的方式，使得秒杀下单的方式有了明显的提升。
即便查询优化，交易优化技术用到极致后，只要外部的流量超过了系统可承载的范围就有拖垮系统的风险。本章通过秒杀令牌，秒杀大闸，队列泄洪等流量削峰技术解决全站的流量高性能运行效率。

项目缺陷：

• 秒杀下单接口会被脚本不停的刷新；
• 秒杀验证逻辑和秒杀下单接口强关联，代码冗余度高；
• 秒杀验证逻辑复杂，对交易系统产生无关联负载；

1. 秒杀令牌

1.1 原理

• 秒杀接口需要依靠令牌才能进入，对应的秒杀下单接口需要新增一个入参，表示对应前端用户获得传入的一个令牌，只有令牌处于合法之后，才能进入对应的秒杀下单的逻辑；
• 秒杀令牌由秒杀活动模块负责生成，交易系统仅仅验证令牌的可靠性，以此来判断对应的秒杀接口是否可以被这次http的request进入；
• 秒杀活动模块对秒杀令牌生成全权处理，逻辑收口；
• 秒杀下单前需要获得秒杀令牌才能开始秒杀；

1.2 代码实现

 /**
    * 每次下单生成秒杀令牌 替代原来令牌
    */
   @RequestMapping(value = "/generatetoken", method = {RequestMethod.POST}, consumes = {CONTENT_TYPE_FORMED})
   @ResponseBody
   public CommonReturnType generatetoken(@RequestParam(name = "itemId") Integer itemId,
                                         @RequestParam(name = "promoId") Integer promoId) throws BusinessException {
       //根据token获取用户信息
       String[] tokenArray = httpServletRequest.getParameterMap().get("token");
       if (ArrayUtils.isEmpty(tokenArray) || StringUtils.isEmpty(tokenArray[0]) || tokenArray[0].equals("null")) {
           throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登陆，不能下单");
       }
       //获取用户的登陆信息
       UserModel userModel = (UserModel) redisTemplate.opsForValue().get(tokenArray[0]);
       if (userModel == null) {
           throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登陆，不能下单");
       }
       /**
        * 以userid为维度防止token重复
        */
       //获取秒杀访问令牌
       String promoToken = promoService.generateSecondKillToken(promoId, itemId, userModel.getId());

       if (promoToken == null) {
           throw new BusinessException(EmBusinessError.PARAMETER_VALIDATION_ERROR, "生成令牌失败");
       }
       //返回对应的结果
       return CommonReturnType.create(promoToken);
   }



   //封装下单请求
   @RequestMapping(value = "/createorder", method = {RequestMethod.POST}, consumes = {CONTENT_TYPE_FORMED})
   @ResponseBody
   public CommonReturnType createOrder(@RequestParam(name = "itemId") Integer itemId,
                                       @RequestParam(name = "amount") Integer amount,
                                       @RequestParam(name = "promoId", required = false) Integer promoId,
                                       @RequestParam(name = "promoToken", required = false) String promoToken) throws BusinessException {


       //根据token获取用户信息
       String[] tokenArray = httpServletRequest.getParameterMap().get("token");
       if (ArrayUtils.isEmpty(tokenArray) || StringUtils.isEmpty(tokenArray[0]) || tokenArray[0].equals("null")) {
           throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登陆，不能下单");
       }
       //获取用户的登陆信息
       UserModel userModel = (UserModel) redisTemplate.opsForValue().get(tokenArray[0]);
       if (userModel == null) {
           throw new BusinessException(EmBusinessError.USER_NOT_LOGIN, "用户还未登陆，不能下单");
       }
       //校验秒杀令牌是否正确
       if (promoId != null) {
           String inRedisPromoToken = (String) redisTemplate.opsForValue().get("promo_token_" + promoId + "_userid_" + userModel.getId() + "_itemid_" + itemId);
           if (inRedisPromoToken == null) {
               throw new BusinessException(EmBusinessError.PARAMETER_VALIDATION_ERROR, "秒杀令牌校验失败");
           }
           if (!org.apache.commons.lang3.StringUtils.equals(promoToken, inRedisPromoToken)) {
               throw new BusinessException(EmBusinessError.PARAMETER_VALIDATION_ERROR, "秒杀令牌校验失败");
           }
       }
....
   }

生成秒杀令牌

    /**
     * 生成秒杀用的令牌
     *
     * @param promoId
     * @param itemId
     * @param userId
     */
    @Override
    public String generateSecondKillToken(Integer promoId, Integer itemId, Integer userId) {
        //判断是否库存已售罄，若对应的售罄key存在，则直接返回下单失败
        if (redisTemplate.hasKey(PROMO_ITEM_STOCK_INVALID + itemId)) {
            return null;
        }
        PromoDO promoDO = promoDOMapper.selectByPrimaryKey(promoId);

        //dataobject->model
        PromoModel promoModel = convertFromDataObject(promoDO);
        if (promoModel == null) {
            return null;
        }

        //判断当前时间是否秒杀活动即将开始或正在进行
        if (promoModel.getStartDate().isAfterNow()) {
            promoModel.setStatus(1);
        } else if (promoModel.getEndDate().isBeforeNow()) {
            promoModel.setStatus(3);
        } else {
            promoModel.setStatus(2);
        }
        //判断活动是否正在进行
        if (promoModel.getStatus().intValue() != 2) {
            return null;
        }

        //判断item信息是否存在
        ItemModel itemModel = itemService.getItemByIdInCache(itemId);
        if (itemModel == null) {
            return null;
        }
        //判断用户信息是否存在
        UserModel userModel = userService.getUserByIdInCache(userId);
        if (userModel == null) {
            return null;
        }

        /**
         * 如果已发放令牌数量大于活动商品的数量 * 系数，就不在发放秒杀令牌
         *
         * 获取秒杀大闸的count数量
         */

        long result = redisTemplate.opsForValue().increment(PROMO_DOOR_COUNT + promoId, -1);
        if (result < 0) {
            return null;
        }
        //生成token并且存入redis内并给一个5分钟的有效期
        String token = UUID.randomUUID().toString().replace("-", "");
        /**
         * 以USERid为维度防止token重复
         */
        redisTemplate.opsForValue().set("promo_token_" + promoId + "_userid_" + userId + "_itemid_" + itemId, token, 5, TimeUnit.MINUTES);
        return token;
    }

image.png

点击下单按钮，前端两次接口请求：

• 1.创建与用户id、商品id、促销id关联的时效性token（ 非用户token）&
• 2.创建订单createOrder

秒杀令牌的缺陷

• 在活动刚开始的时候，比如有 1000w个用户下单，就会生成 1000w个秒杀令牌；
  秒杀令牌的生成是耗资源与性能的；
• 如果1000w个用户都得到秒杀令牌，那么一直关注活动的用户，在秒杀的用户没有抢占先机；

2. 秒杀大闸

为了解决秒杀令牌在活动一开始无限制生成，影响系统的性能，提出了秒杀大闸的解决方案；

2.1 原理

依靠秒杀令牌的授权原理定制化发牌逻辑，解决用户对应流量问题，做到大闸功能；
根据秒杀商品初始化库存颁发对应数量令牌，控制大闸流量；
用户风控策略前置到秒杀令牌发放中；
库存售罄判断前置到秒杀令牌发放中。

2.2 代码实现：

        /**
         * 将大闸的限制数字设到redis内
         */
        redisTemplate.opsForValue().set(PROMO_ITEM_STOCK +itemModel.getId(), itemModel.getStock());
        String promo_itemid = "promoid_" + promoId + "_itemid_" + itemModel.getId();

        redisTemplate.opsForValue().set(promo_itemid, 1, 10, TimeUnit.MINUTES);

        /**
         * 每隔一段时间重新设置令牌最大数量
         */
        String promo_itemid = "promoid_" + promoId + "_itemid_" + itemId;

        if (!redisTemplate.hasKey(promo_itemid)) {
            /**
             * 将大闸的限制数字设到redis内
             */
            redisTemplate.opsForValue().set(PROMO_DOOR_COUNT + promoId, itemModel.getStock().intValue() * 5);

            redisTemplate.opsForValue().set(promo_itemid, 1, 10, TimeUnit.MINUTES);
        }

        long result = redisTemplate.opsForValue().increment(PROMO_DOOR_COUNT + promoId, -1);
        if (result < 0) {
            return null;
        }

方案缺陷

浪涌流量涌入后系统无法应对
多库存多商品等令牌限制能力弱；

3. 队列泄洪

采用秒杀大闸之后，还是无法解决浪涌流量涌入后台系统，并且多库存多商品等令牌限制能力较弱；

3.1 技术来源

• 排队有些时候比并发更高效(例如redis单线程模型，innodb mutex key等)；
• 依靠排队去限制并发流量；
• 依靠排队和下游阻塞窗口程度调整队列释放流量大小；
• 以支付宝银行网关队列为例，支付宝需要对接许多银行网关，当你的支付宝绑定多张银行卡，那么支付宝对于这些银行都有不同的支付渠道。在大促活动时，支付宝的网关会有上亿级别的流量，银行的网关扛不住，支付宝就会将支付请求队列放到自己的消息队列中，依靠银行网关承诺可以处理的TPS流量去泄洪；

阻塞队列就像“水库”一样，拦蓄上游的洪水，削减进入下游河道的洪峰流量，从而达到减免洪水灾害的目的；

3.2 代码实现

  private ExecutorService executorService;

    @PostConstruct
    public void init() {
        executorService = new ThreadPoolExecutor(20, 20,
                0L, TimeUnit.MILLISECONDS,
                new LinkedBlockingQueue<>(1024),new ThreadPoolExecutor.AbortPolicy());
    }

       /**
         * 同步调用线程池的submit方法
         */
        /**
         * 拥塞窗口为20的等待队列，用来队列化泄洪
         */
        Future