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問題：搶火車票!

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

那么有沒有一種不需要直接操作數(shù)據(jù)庫 IO 的方案呢，這就是預扣庫存。先扣除了庫存，保證不超賣，然后異步生成用戶訂單，這樣響應給用戶的速度就會快很多;那么怎么保證不少賣呢?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，比如說用戶五分鐘內(nèi)不支付，訂單就失效了，訂單一旦失效，就會加入新的庫存，這也是現(xiàn)在很多網(wǎng)上零售企業(yè)保證商品不少賣采用的方案。

訂單的生成是異步的，一般都會放到 MQ、Kafka 這樣的即時消費隊列中處理，訂單量比較少的情況下，生成訂單非常快，用戶幾乎不用排隊。

扣庫存的藝術(shù)

從上面的分析可知，顯然預扣庫存的方案最合理。我們進一步分析扣庫存的細節(jié)，這里還有很大的優(yōu)化

為了保證扣庫存和生成訂單的原子性，需要采用事務處理，然后取庫存判斷、減庫存，最后提交事務，整個流程有很多 IO，對數(shù)據(jù)庫的操作又是阻塞的。

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

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

改進過之后的單機系統(tǒng)是這樣的：

這樣就避免了對數(shù)據(jù)庫頻繁的 IO 操作，只在內(nèi)存中做運算，極大的提高了單機抗并發(fā)的能力。

但是百萬的用戶請求量單機是無論如何也抗不住的，雖然 Nginx 處理網(wǎng)絡請求使用 Epoll 模型，c10k 的問題在業(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)絡請求也是這樣，大量的文件描述符會使操作系統(tǒng)瞬間失去響應。

上面我們提到了 Nginx 的加權(quán)均衡策略，我們不妨假設將 100W 的用戶請求量平均均衡到 100 臺服務器上，這樣單機所承受的并發(fā)量就小了很多。

然后我們每臺機器本地庫存 100 張火車票，100 臺服務器上的總庫存還是 1 萬，這樣保證了庫存訂單不超賣，下面是我們描述的集群架構(gòu)：

問題接踵而至，在高并發(fā)情況下，現(xiàn)在我們還無法保證系統(tǒng)的高可用，假如這 100 臺服務器上有兩三臺機器因為扛不住并發(fā)的流量或者其他的原因宕機了。那么這些服務器上的訂單就賣不出去了，這就造成了訂單的少賣。

要解決這個問題，我們需要對總訂單量做統(tǒng)一的管理，這就是接下來的容錯方案。服務器不僅要在本地減庫存，另外要遠程統(tǒng)一減庫存。

有了遠程統(tǒng)一減庫存的操作，我們就可以根據(jù)機器負載情況，為每臺機器分配一些多余的“Buffer 庫存”用來防止機器中有機器宕機的情況。

我們結(jié)合下面架構(gòu)圖具體分析一下：

我們采用 Redis 存儲統(tǒng)一庫存，因為 Redis 的性能非常高，號稱單機 QPS 能抗 10W 的并發(fā)。

在本地減庫存以后，如果本地有訂單，我們再去請求 Redis 遠程減庫存，本地減庫存和遠程減庫存都成功了，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超賣。

當機器中有機器宕機時，因為每個機器上有預留的 Buffer 余票，所以宕機機器上的余票依然能夠在其他機器上得到彌補，保證了不少賣。

Buffer 余票設置多少合適呢，理論上 Buffer 設置的越多，系統(tǒng)容忍宕機的機器數(shù)量就越多，但是 Buffer 設置的太大也會對 Redis 造成一定的影響。

雖然 Redis 內(nèi)存數(shù)據(jù)庫抗并發(fā)能力非常高，請求依然會走一次網(wǎng)絡 IO，其實搶票過程中對 Redis 的請求次數(shù)是本地庫存和 Buffer 庫存的總量。

因為當本地庫存不足時，系統(tǒng)直接返回用戶“已售罄”的信息提示，就不會再走統(tǒng)一扣庫存的邏輯。

這在一定程度上也避免了巨大的網(wǎng)絡請求量把 Redis 壓跨，所以 Buffer 值設置多少，需要架構(gòu)師對系統(tǒng)的負載能力做認真的考量。

代碼演示

Go 語言原生為并發(fā)設計，我采用 Go 語言給大家演示一下單機搶票的具體流程。

初始化工作

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

我們系統(tǒng)需要做的準備工作有：初始化本地庫存、初始化遠程 Redis 存儲統(tǒng)一庫存的 Hash 鍵值、初始化 Redis 連接池。

另外還需要初始化一個大小為 1 的 Int 類型 Chan，目的是實現(xiàn)分布式鎖的功能。

也可以直接使用讀寫鎖或者使用 Redis 等其他的方式避免資源競爭，但使用 Channel 更加高效，這就是 Go 語言的哲學：不要通過共享內(nèi)存來通信，而要通過通信來共享內(nèi)存。

Redis 庫使用的是 Redigo，下面是代碼實現(xiàn)：

... 
//localSpike包結(jié)構(gòu)體定義 
package localSpike 
 
type LocalSpike struct { 
    LocalInStock     int64 
    LocalSalesVolume int64 
} 
... 
//remoteSpike對hash結(jié)構(gòu)的定義和redis連接池 
package remoteSpike 
//遠程訂單存儲健值 
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 
} 

“12306”是如何支撐百萬QPS的？
瀏覽地址：http://jinyejixie.com/news17/98017.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供服務器托管、手機網(wǎng)站建設、建站公司、營銷型網(wǎng)站建設、網(wǎng)站維護、品牌網(wǎng)站建設

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)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(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)載時需注明來源： 創(chuàng)新互聯(lián)