openresty实践抢红包、秒杀之类的高并发场景
这段时间由于即将换工作（工作交接），所以处于比较空闲，也有时间空闲下来整理下技术方面的东西，社区论坛也逛得多了点，看到了网上不少相关于秒杀和抢红包之类的文章，做了对比，分享下：
首先秒杀、抢红包或者投票之类都属于瞬间高并发，所以本文只针对NOSQL（redis）做后端，各个的方案的性能做了对比:
基本业务逻辑是这样的：每个用户只允许抢一次，保证余额等操作的原子性，最后保证数据的一致性；
基于redis乐观锁方案：下面的代码转摘自本社区的某位朋友,
private int bid(HttpServletRequest request, HttpServletResponse response, Jedis jedis) throws Exception { int flag = 0;// 1,成功,2已经购买，3已经没钱了，其他異常
// 每个请求对应一个userId
int userId = new Random().nextInt(999999);
// 观察 总标值，每人抢购一元
while ("OK".equals(jedis.watch("accountBalance"))) {
// 判断是否购买过
Boolean isBuy = RedisAPI.sismember("userIdSet", userId + "");
if (isBuy) {
flag = 2;
return flag;
}
//投资额
int r = 1;// new Random().nextInt(2);
int lastAccount = 0;
String balance = RedisAPI.get("accountBalance");
if (StringUtils.isNotBlank(balance)) {
lastAccount = Integer.valueOf(balance) - r;
}
if (lastAccount < 0) {
flag = 3;
break;
}
Transaction tx = jedis.multi();
tx.set("accountBalance", lastAccount + "");
List<Object> result = tx.exec();
if (result == null || result.isEmpty()) {
jedis.unwatch();
} else {
System.out.println("恭喜您，" + userId + "已经中标" + r + "元，标余额" + lastAccount + "元");
RedisAPI.set(Thread.currentThread().getName(), r + "");
RedisAPI.sadd("userIdSet", userId + "");
flag = 1;
break;
}
}u
return flag;
}
我们看到,代码中对
while ("OK".equals(jedis.watch("accountBalance"))) {
加了乐观锁，并且也判断了
// 判断是否购买过
Boolean isBuy = RedisAPI.sismember("userIdSet", userId + "");
那么是否真的如作者所想的，保证了每个用户只能领一次么？答案显然是否定！因为servlet中线程是不安全的，在并发下
Boolean isBuy = RedisAPI.sismember("userIdSet", userId + "");
这是有漏洞的！而且即使这里做了线程安全，如果放在分布式环境中，跨JVM的线程安全也有隐患；
解决方法有两个：1.是方法前加同步锁，当然这样的性能是最差的不建议；ab测试结果：
不用太关注测试值的绝对值，cpu1.8GHz硬件环境不是太好，哈，只用关注各个方案之间的对比
2.对userid乐观锁，也做这样能保证一个用户只能领一次；ab测试结果：
那么，贴了这两种方案，其实从性能来看是没达到预期的；第一种是最暴力的java同步jizhi，以牺牲性能为代价的；
第二种性能有了很大的提高；
于是转悠中，发现了另一种比较好方案：
利用redis + lua解决抢红包高并发的方案
为尊重原作者的劳动成果，我这里只做转摘，原文网址：http://blog.csdn.net/hengyunabc/article/details/19433779/
里面写的相当的详细了，对于并发安全,操作原子性以及性能做相当细的分析；
正是基本lua脚本方式，以及redis服务端的方式形式，对类似于抢红包这样的高并发性能又了很显著的提升，原文作者是在java里面调用redis，我将其中代码部署在TOMCAT下，nginx做了反向代理；ab测试结果如下：
1000RPS,哈哈，终于有了质的飞跃，接近了预期；
那么如果不放在tomcat下，而直接放到nginx下呢结果又会怎么样？我们都知道tomcat作为WEB容器性能是有瓶颈的，我pc试过放个最简单的动态页面性能也才1K多；
我们都知道openresty将nginx所用到模块做了很好的整合，异步非阻塞会大大提高服务端的并发性能：
这里不对openresty环境如何搭建做进一步的展kai了；这里只贴下lua脚本，
local math = require("math")
userid=math.random(0, 10000000)
--连接redis
local redis = require "resty.redis"
cjson = require "cjson"
local cache= redis.new()
local ok , err = cache.connect(cache,"127.0.0.1","6379")
cache:set_timeout(60000)
local sha1, err = cache:script("load", "if redis.call('hexists',KEYS[3], KEYS[4]) ~= 0 then return nil else local hongBao = redis.call('rpop', KEYS[1]) if hongBao then local x = cjson.decode(hongBao) local food=redis.call('get','accountBalance') food=food-1 redis.call('set','accountBalance',food) x['userId'] =KEYS[4] local re = cjson.encode(x) redis.call('hset',KEYS[3], KEYS[4], KEYS[4]) redis.call('lpush',KEYS[2], re) return re end end return nil");
if not sha1 then
ngx.say("load script error : ", err)
return close_redis(cache)
end
ngx.say("sha1 : ", userid, "<br/>")
local resp, err = cache:evalsha(sha1,4, "hongBaoList", "hongBaoConsumedList", "hongBaoConsumedMap",userid);
然后再用AB做下压力测试：
2.4K了是 刚才的1倍多，而且细心的同学会发现，我前面两种方案的AB压的是200个客户端；
那么我们来看下后台数据是否一致：
说明操作还是原子性的，因为放到了redis的服务端操作了；
总结:
OpenResty 通过汇聚各种设计精良的 Nginx 模块（主要由 OpenResty 团队自主kai发），从而将 Nginx 有效地变成一个强大的通用 Web 应用平台。这样，Web kai发人员和系统工程师可以使用 Lua 脚本语言调动 Nginx 支持的各种 C 以及 Lua 模块，快速构造出足以胜任 10K 乃至 1000K 以上单ji并发连接的高性能 Web 应用系统。
有兴趣的同学可以百度openresty获取相关资料，对本文感兴趣的也可以私信我要代码；
最后吐槽：第一次在oschina上写博客，编辑器的敏感词检查实在不敢恭维啊！！！
愣是找不到包含这样的敏感词，后来才发现 JI器、KAI发者，这些都当成了敏感词了，一片博客修改了半天，才发出去，希望官方能有所改进！！