本文源碼：GitHub·點這裏 || GitEE·點這裏
一、高併發簡介
在互聯網的業務架構中，高併發是最難處理的業務之一，常見的使用場景：秒殺，搶購，訂票系統；高併發的流程中需要處理的複雜問題非常多，主要涉及下面幾個方面：
- 流量管理，逐級承接削峰；
- 網關控制，路由請求，接口熔斷；
- 併發控制機制，資源加鎖；
- 分佈式架構，隔離服務和數據庫；
高併發業務核心還是流量控制，控制流量下沉速度，或者控制承接流量的容器大小，多餘的直接溢出，這是相對複雜的流程。其次就是多線程併發下訪問共享資源，該流程需要加鎖機制，避免數據寫出現錯亂情況。
二、秒殺場景
1、預搶購業務
活動未正式開始，先進行活動預約，先把一部分流量收集和控制起來，在真正秒殺的時間點，很多數據可能都已經預處理好了，可以很大程度上削減系統的壓力。有了一定預約流量還可以提前對庫存系統做好準備，一舉兩得。
場景：活動預約，定金預約，高鐵搶票預購。
2、分批搶購
分批搶購和搶購的場景實現的機制是一致的，只是在流量上緩解了很多壓力，秒殺10W件庫存和秒殺100件庫存系統的抗壓不是一個級別。如果秒殺10W件庫存，系統至少承擔多於10W幾倍的流量衝擊，秒殺100件庫存，體系可能承擔幾百或者上千的流量就結束了。下面流量削峰會詳解這裏的策略機制。
場景：分時段多場次搶購，高鐵票分批放出。
3、實時秒殺
最有難度的場景就是準點實時的秒殺活動，假如10點整準時搶1W件商品，在這個時間點前後會湧入高併發的流量，刷新頁面，或者請求搶購的接口，這樣的場景處理起來是最複雜的。
- 首先系統要承接住流量的湧入；
- 頁面的不斷刷新要實時加載；
- 高併發請求的流量控制加鎖等；
- 服務隔離和數據庫設計的系統保護；
場景：618準點搶購，雙11準點秒殺，電商促銷秒殺。
三、流量削峰
1、Nginx代理
Nginx是一個高性能的HTTP和反向代理web服務器，經常用在集群服務中做統一代理層和負載均衡策略，也可以作為一層流量控制層，提供兩種限流方式，一是控制速率，二是控制併發連接數。
基於漏桶算法，提供限制請求處理速率能力；限制IP的訪問頻率，流量突然增大時，超出的請求將被拒絕；還可以限制併發連接數。
高併發的秒殺場景下，經過Nginx層的各種限制策略，可以控制流量在一個相對穩定的狀態。
2、CDN節點
CDN靜態文件的代理節點，秒殺場景的服務有這樣一個操作特點，活動倒計時開始之前，大量的用戶會不斷的刷新頁面，這時候靜態頁面可以交給CDN層面代理，分擔數據服務接口的壓力。
CDN層面也可以做一層限流，在頁面內置一層策略，假設有10W用戶點擊搶購，可以只放行1W的流量，其他的直接提示活動結束即可，這也是常用的手段之一。
話外之意：平時參与的搶購活動，可能你的請求根本沒有到達數據接口層面，就極速響應商品已搶完，自行意會吧。
3、網關控制
網關層面處理服務接口路由，一些校驗之外，最主要的是可以集成一些策略進入網關，比如經過上述層層的流量控制之後，請求已經接近核心的數據接口，這時在網關層面內置一些策略控制：如果活動是想激活老用戶，網關層面快速判斷用戶屬性，老用戶會放行請求；如果活動的目的是拉新，則放行更多的新用戶。
經過這些層面的控制，剩下的流量已經不多了，後續才真正開始執行搶購的數據操作。
話外之意：如果有10W人參加搶購活動，真正下沉到底層的搶購流量可能就1W，甚至更少，在分散到集群服務中處理。
4、併發熔斷
在分佈式服務的接口中，還有最精細的一層控制，對於一個接口在單位之間內控制請求處理的數量，這個基於接口的響應時間綜合考慮，響應越快，單位時間內的併發量就越高，這裏邏輯不難理解。
言外之意：流量經過層層控制，數據接口層面分擔的壓力已經不大，這時候就是面對秒殺業務中的加鎖問題了。
四、分佈式加鎖
1、悲觀鎖
機制描述
所有請求的線程必須在獲取鎖之後，才能執行數據庫操作，並且基於序列化的模式，沒有獲取鎖的線程處於等待狀態，並且設定重試機制，在單位時間后再次嘗試獲取鎖，或者直接返回。
過程圖解
Redis基礎命令
SETNX：加鎖的思路是，如果key不存在，將key設置為value如果key已存在，則 SETNX 不做任何動作。並且可以給key設置過期時間，過期后其他線程可以繼續嘗試鎖獲取機制。
藉助Redis的該命令模擬鎖的獲取動作。
代碼實現
這裏基於Redis實現的鎖獲取和釋放機制。
import org.springframework.stereotype.Component;
import redis.clients.jedis.Jedis;
import javax.annotation.Resource;
@Component
public class RedisLock {
@Resource
private Jedis jedis ;
/**
* 獲取鎖
*/
public boolean getLock (String key,String value,long expire){
try {
String result = jedis.set( key, value, "nx", "ex", expire);
return result != null;
} catch (Exception e){
e.printStackTrace();
}finally {
if (jedis != null) jedis.close();
}
return false ;
}
/**
* 釋放鎖
*/
public boolean unLock (String key){
try {
Long result = jedis.del(key);
return result > 0 ;
} catch (Exception e){
e.printStackTrace();
}finally {
if (jedis != null) jedis.close();
}
return false ;
}
}
這裏基於Jedis的API實現，這裏提供一份配置文件。
@Configuration
public class RedisConfig {
@Bean
public JedisPoolConfig jedisPoolConfig (){
JedisPoolConfig jedisPoolConfig = new JedisPoolConfig() ;
jedisPoolConfig.setMaxIdle(8);
jedisPoolConfig.setMaxTotal(20);
return jedisPoolConfig ;
}
@Bean
public JedisPool jedisPool (@Autowired JedisPoolConfig jedisPoolConfig){
return new JedisPool(jedisPoolConfig,"127.0.0.1",6379) ;
}
@Bean
public Jedis jedis (@Autowired JedisPool jedisPool){
return jedisPool.getResource() ;
}
}
問題描述
在實際的系統運行期間可能出現如下情況：線程01獲取鎖之後，進程被掛起，後續該執行的沒有執行，鎖失效后，線程02又獲取鎖，在數據庫更新后，線程01恢復，此時在持有鎖之後的狀態，繼續執行后就會容易導致數據錯亂問題。
這時候就需要引入鎖版本概念的，假設線程01獲取鎖版本1，如果沒有執行，線程02獲取鎖版本2，執行之後，通過鎖版本的比較，線程01的鎖版本過低，數據更新就會失敗。
CREATE TABLE `dl_data_lock` (
`id` INT (11) NOT NULL AUTO_INCREMENT COMMENT '主鍵ID',
`inventory` INT (11) DEFAULT '0' COMMENT '庫存量',
`lock_value` INT (11) NOT NULL DEFAULT '0' COMMENT '鎖版本',
PRIMARY KEY (`id`)
) ENGINE = INNODB DEFAULT CHARSET = utf8 COMMENT = '鎖機製表';
說明：lock_value就是記錄鎖版本，作為控制數據更新的條件。
<update id="updateByLock">
UPDATE dl_data_lock SET inventory=inventory-1,lock_value=#{lockVersion}
WHERE id=#{id} AND lock_value <#{lockVersion}
</update>
說明：這裏的更新操作，不但要求線程獲取鎖，還會判斷線程鎖的版本不能低於當前更新記錄中的最新鎖版本。
2、樂觀鎖
機制描述
樂觀鎖大多是基於數據記錄來控制，在更新數據庫的時候，基於前置的查詢條件判斷，如果查詢出來的數據沒有被修改，則更新操作成功，如果前置的查詢結果作為更新的條件不成立，則數據寫失敗。
過程圖解
代碼實現
業務流程，先查詢要更新的記錄，然後把讀取的列，作為更新條件。
@Override
public Boolean updateByInventory(Integer id) {
DataLockEntity dataLockEntity = dataLockMapper.getById(id);
if (dataLockEntity != null){
return dataLockMapper.updateByInventory(id,dataLockEntity.getInventory())>0 ;
}
return false ;
}
例如如果要把庫存更新，就把讀取的庫存數據作為更新條件，如果讀取庫存是100，在更新的時候庫存變了，則更新條件自然不能成立。
<update id="updateByInventory">
UPDATE dl_data_lock SET inventory=inventory-1 WHERE id=#{id} AND inventory=#{inventory}
</update>
五、分佈式服務
1、服務保護
在處理高併發的秒殺場景時，經常出現服務掛掉場景，常見某些APP的營銷頁面，出現活動火爆頁面丟失的提示情況，但是不影響整體應用的運行，這就是服務的隔離和保護機制。
基於分佈式的服務結構可以把高併發的業務服務獨立出來，不會因為秒殺服務掛掉影響整體的服務，導致服務雪崩的場景。
2、數據庫保護
數據庫保護和服務保護是相輔相成的，分佈式服務架構下，服務和數據庫是對應的，理論上秒殺服務對應的就是秒殺數據庫，不會因為秒殺庫掛掉，導致整個數據庫宕機。
六、源代碼地址
GitHub·地址
https://github.com/cicadasmile/data-manage-parent
GitEE·地址
https://gitee.com/cicadasmile/data-manage-parent
推薦閱讀：《架構設計系列》，蘿蔔青菜，各有所需
| 序號 |
標題 |
| 00 |
架構設計：單服務.集群.分佈式，基本區別和聯繫 |
| 01 |
架構設計：分佈式業務系統中，全局ID生成策略 |
| 02 |
架構設計：分佈式系統調度，Zookeeper集群化管理 |
| 03 |
架構設計：接口冪等性原則，防重複提交Token管理 |
| 04 |
架構設計：緩存管理模式，監控和內存回收策略 |
| 05 |
架構設計：異步處理流程，多種實現模式詳解 |
本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理
【其他文章推薦】
※網頁設計一頭霧水該從何著手呢? 台北網頁設計公司幫您輕鬆架站!
※網頁設計公司推薦不同的風格，搶佔消費者視覺第一線
※想知道購買電動車哪裡補助最多?台中電動車補助資訊懶人包彙整
※南投搬家公司費用,距離,噸數怎麼算?達人教你簡易估價知識!
※教你寫出一流的銷售文案?
※超省錢租車方案
