本文源碼：GitHub·點這裡 || GitEE·點這裡

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，主要涉及下麵幾個方面：

• 流量管理，逐級承接削峰；
• 網關控制，路由請求，介面熔斷；
• 併發控制機制，資源加鎖；
• 分散式架構，隔離服務和資料庫；

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用資源，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。下麵流量削峰會詳解這裡的策略機制。

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涌入高併發的流量，刷新頁面，或者請求搶購的介面，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涌入；
• 頁面的不斷刷新要實時載入；
• 高併發請求的流量控制加鎖等；
• 服務隔離和資料庫設計的系統保護；

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伺服器，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。

基於漏桶演算法，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，分擔數據服務介面的壓力。

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：平時參與的搶購活動，可能你的請求根本沒有到達數據介面層面，就極速響應商品已搶完，自行意會吧。

3、網關控制

網關層面處理服務介面路由，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介面，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

在分散式服務的介面中，還有最精細的一層控制，對於一個介面在單位之間內控制請求處理的數量，這個基於介面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，這裡邏輯不難理解。

言外之意：流量經過層層控制，數據介面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、分散式加鎖

1、悲觀鎖

機制描述

所有請求的線程必須在獲取鎖之後，才能執行資料庫操作，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，在單位時間後再次嘗試獲取鎖，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，過期後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

這裡基於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 ;
    }
}

這裡基於Jedis的API實現，這裡提供一份配置文件。

@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，鎖失效後，線程02又獲取鎖，在資料庫更新後，線程01恢復，此時在持有鎖之後的狀態，繼續執行後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 &lt;#{lockVersion}
</update>

說明：這裡的更新操作，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，在更新資料庫的時候，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、分散式服務

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。

基於分散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、資料庫保護

資料庫保護和服務保護是相輔相成的，分散式服務架構下，服務和資料庫是對應的，理論上秒殺服務對應的就是秒殺資料庫，不會因為秒殺庫掛掉，導致整個資料庫宕機。

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