每到節(jié)假日期間，一二線城市返鄉(xiāng)、外出游玩的人們幾乎都面臨著一個(gè)問(wèn)題：搶火車(chē)票!

從上邊兩種方案的考慮，我們可以得出結(jié)論：只要?jiǎng)?chuàng)建訂單，就要頻繁操作數(shù)據(jù)庫(kù) IO。

那么有沒(méi)有一種不需要直接操作數(shù)據(jù)庫(kù) IO 的方案呢，這就是預(yù)扣庫(kù)存。先扣除了庫(kù)存，保證不超賣(mài)，然后異步生成用戶訂單，這樣響應(yīng)給用戶的速度就會(huì)快很多;那么怎么保證不少賣(mài)呢?用戶拿到了訂單，不支付怎么辦?

我們都知道現(xiàn)在訂單都有有效期，比如說(shuō)用戶五分鐘內(nèi)不支付，訂單就失效了，訂單一旦失效，就會(huì)加入新的庫(kù)存，這也是現(xiàn)在很多網(wǎng)上零售企業(yè)保證商品不少賣(mài)采用的方案。

訂單的生成是異步的，一般都會(huì)放到 MQ、Kafka 這樣的即時(shí)消費(fèi)隊(duì)列中處理，訂單量比較少的情況下，生成訂單非?？?，用戶幾乎不用排隊(duì)。

扣庫(kù)存的藝術(shù)

從上面的分析可知，顯然預(yù)扣庫(kù)存的方案最合理。我們進(jìn)一步分析扣庫(kù)存的細(xì)節(jié)，這里還有很大的優(yōu)化

為了保證扣庫(kù)存和生成訂單的原子性，需要采用事務(wù)處理，然后取庫(kù)存判斷、減庫(kù)存，最后提交事務(wù)，整個(gè)流程有很多 IO，對(duì)數(shù)據(jù)庫(kù)的操作又是阻塞的。

這種方式根本不適合高并發(fā)的秒殺系統(tǒng)。接下來(lái)我們對(duì)單機(jī)扣庫(kù)存的方案做優(yōu)化：本地扣庫(kù)存。

我們把一定的庫(kù)存量分配到本地機(jī)器，直接在內(nèi)存中減庫(kù)存，然后按照之前的邏輯異步創(chuàng)建訂單。

改進(jìn)過(guò)之后的單機(jī)系統(tǒng)是這樣的：

這樣就避免了對(duì)數(shù)據(jù)庫(kù)頻繁的 IO 操作，只在內(nèi)存中做運(yùn)算，極大的提高了單機(jī)抗并發(fā)的能力。

但是百萬(wàn)的用戶請(qǐng)求量單機(jī)是無(wú)論如何也抗不住的，雖然 Nginx 處理網(wǎng)絡(luò)請(qǐng)求使用 Epoll 模型，c10k 的問(wèn)題在業(yè)界早已得到了解決。

但是 Linux 系統(tǒng)下，一切資源皆文件，網(wǎng)絡(luò)請(qǐng)求也是這樣，大量的文件描述符會(huì)使操作系統(tǒng)瞬間失去響應(yīng)。

上面我們提到了 Nginx 的加權(quán)均衡策略，我們不妨假設(shè)將 100W 的用戶請(qǐng)求量平均均衡到 100 臺(tái)服務(wù)器上，這樣單機(jī)所承受的并發(fā)量就小了很多。

然后我們每臺(tái)機(jī)器本地庫(kù)存 100 張火車(chē)票，100 臺(tái)服務(wù)器上的總庫(kù)存還是 1 萬(wàn)，這樣保證了庫(kù)存訂單不超賣(mài)，下面是我們描述的集群架構(gòu)：

問(wèn)題接踵而至，在高并發(fā)情況下，現(xiàn)在我們還無(wú)法保證系統(tǒng)的高可用，假如這 100 臺(tái)服務(wù)器上有兩三臺(tái)機(jī)器因?yàn)榭覆蛔〔l(fā)的流量或者其他的原因宕機(jī)了。那么這些服務(wù)器上的訂單就賣(mài)不出去了，這就造成了訂單的少賣(mài)。

要解決這個(gè)問(wèn)題，我們需要對(duì)總訂單量做統(tǒng)一的管理，這就是接下來(lái)的容錯(cuò)方案。服務(wù)器不僅要在本地減庫(kù)存，另外要遠(yuǎn)程統(tǒng)一減庫(kù)存。

有了遠(yuǎn)程統(tǒng)一減庫(kù)存的操作，我們就可以根據(jù)機(jī)器負(fù)載情況，為每臺(tái)機(jī)器分配一些多余的“Buffer 庫(kù)存”用來(lái)防止機(jī)器中有機(jī)器宕機(jī)的情況。

我們結(jié)合下面架構(gòu)圖具體分析一下：

我們采用 Redis 存儲(chǔ)統(tǒng)一庫(kù)存，因?yàn)?Redis 的性能非常高，號(hào)稱單機(jī) QPS 能抗 10W 的并發(fā)。

在本地減庫(kù)存以后，如果本地有訂單，我們?cè)偃フ?qǐng)求 Redis 遠(yuǎn)程減庫(kù)存，本地減庫(kù)存和遠(yuǎn)程減庫(kù)存都成功了，才返回給用戶搶票成功的提示，這樣也能有效的保證訂單不會(huì)超賣(mài)。

當(dāng)機(jī)器中有機(jī)器宕機(jī)時(shí)，因?yàn)槊總€(gè)機(jī)器上有預(yù)留的 Buffer 余票，所以宕機(jī)機(jī)器上的余票依然能夠在其他機(jī)器上得到彌補(bǔ)，保證了不少賣(mài)。

Buffer 余票設(shè)置多少合適呢，理論上 Buffer 設(shè)置的越多，系統(tǒng)容忍宕機(jī)的機(jī)器數(shù)量就越多，但是 Buffer 設(shè)置的太大也會(huì)對(duì) Redis 造成一定的影響。

雖然 Redis 內(nèi)存數(shù)據(jù)庫(kù)抗并發(fā)能力非常高，請(qǐng)求依然會(huì)走一次網(wǎng)絡(luò) IO，其實(shí)搶票過(guò)程中對(duì) Redis 的請(qǐng)求次數(shù)是本地庫(kù)存和 Buffer 庫(kù)存的總量。

因?yàn)楫?dāng)本地庫(kù)存不足時(shí)，系統(tǒng)直接返回用戶“已售罄”的信息提示，就不會(huì)再走統(tǒng)一扣庫(kù)存的邏輯。

這在一定程度上也避免了巨大的網(wǎng)絡(luò)請(qǐng)求量把 Redis 壓跨，所以 Buffer 值設(shè)置多少，需要架構(gòu)師對(duì)系統(tǒng)的負(fù)載能力做認(rèn)真的考量。

代碼演示

Go 語(yǔ)言原生為并發(fā)設(shè)計(jì)，我采用 Go 語(yǔ)言給大家演示一下單機(jī)搶票的具體流程。

初始化工作

Go 包中的 Init 函數(shù)先于 Main 函數(shù)執(zhí)行，在這個(gè)階段主要做一些準(zhǔn)備性工作。

我們系統(tǒng)需要做的準(zhǔn)備工作有：初始化本地庫(kù)存、初始化遠(yuǎn)程 Redis 存儲(chǔ)統(tǒng)一庫(kù)存的 Hash 鍵值、初始化 Redis 連接池。

另外還需要初始化一個(gè)大小為 1 的 Int 類(lèi)型 Chan，目的是實(shí)現(xiàn)分布式鎖的功能。

也可以直接使用讀寫(xiě)鎖或者使用 Redis 等其他的方式避免資源競(jìng)爭(zhēng)，但使用 Channel 更加高效，這就是 Go 語(yǔ)言的哲學(xué)：不要通過(guò)共享內(nèi)存來(lái)通信，而要通過(guò)通信來(lái)共享內(nèi)存。

Redis 庫(kù)使用的是 Redigo，下面是代碼實(shí)現(xiàn)：

... 
//localSpike包結(jié)構(gòu)體定義 
package localSpike 
 
type LocalSpike struct { 
    LocalInStock     int64 
    LocalSalesVolume int64 
} 
... 
//remoteSpike對(duì)hash結(jié)構(gòu)的定義和redis連接池 
package remoteSpike 
//遠(yuǎn)程訂單存儲(chǔ)健值 
type RemoteSpikeKeys struct { 
    SpikeOrderHashKey string    //redis中秒殺訂單hash結(jié)構(gòu)key 
    TotalInventoryKey string    //hash結(jié)構(gòu)中總訂單庫(kù)存key 
    QuantityOfOrderKey string   //hash結(jié)構(gòu)中已有訂單數(shù)量key 
} 
 
//初始化redis連接池 
func NewPool() *redis.Pool { 
    return &redis.Pool{ 
        MaxIdle:   10000, 
        MaxActive: 12000, // max number of connections 
        Dial: func() (redis.Conn, error) { 
            c, err := redis.Dial("tcp", ":6379") 
            if err != nil { 
                panic(err.Error()) 
            } 
            return c, err 
        }, 
    } 
} 
... 
func init() { 
    localSpike = localSpike2.LocalSpike{ 
        LocalInStock:     150, 
        LocalSalesVolume: 0, 
    } 
    remoteSpike = remoteSpike2.RemoteSpikeKeys{ 
        SpikeOrderHashKey:  "ticket_hash_key", 
        TotalInventoryKey:  "ticket_total_nums", 
        QuantityOfOrderKey: "ticket_sold_nums", 
    } 
    redisPool = remoteSpike2.NewPool() 
    done = make(chan int, 1) 
    done <- 1 
} 

網(wǎng)頁(yè)題目：“12306”是如何支撐百萬(wàn)QPS的？
瀏覽路徑：http://jinyejixie.com/news/98017.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供移動(dòng)網(wǎng)站建設(shè)、品牌網(wǎng)站建設(shè)、網(wǎng)站制作、云服務(wù)器、企業(yè)建站、自適應(yīng)網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)