前言
如果你看過秒殺系統的流量監控圖的話，你會發現它是一條直線，就在秒殺開始那一秒是一條很 直很直的線，這是因為秒殺請求在時間上高度集中於某一特定的時間點。這樣一來，就會導致一 個特別高的流量峰值，它對資源的消耗是瞬時的。
但是對秒殺這個場景來說，最終能夠搶到商品的人數是固定的，也就是說 100 人和 10000 人發 起請求的結果都是一樣的，併發度越高，無效請求也越多。
但是從業務上來說，秒殺活動是希望更多的人來參與的，也就是開始之前希望有更多的人來刷頁 面，但是真正開始下單時，秒殺請求並不是越多越好。因此我們可以設計一些規則，讓併發的請 求更多地延緩，而且我們甚至可以過濾掉一些無效請求。
為什麼要削峰
為什麼要削峰呢？或者說峰值會帶來哪些壞處？
我們知道伺服器的處理資源是恆定的，你用或者不用它的處理能力都是一樣的，所以出現峰值的 話，很容易導致忙到處理不過來，閒的時候卻又沒有什麼要處理。但是由於要保證服務質量，我 們的很多處理資源只能按照忙的時候來預估，而這會導致資源的一個浪費。
這就好比因為存在早高峰和晚高峰的問題，所以有了錯峰限行的解決方案。削峰的存在，一是可 以讓服務端處理變得更加平穩，二是可以節省伺服器的資源成本。針對秒殺這一場景，削峰從本 質上來說就是更多地延緩使用者請求的發出，以便減少和過濾掉一些無效請求，它遵從“請求數要 儘量少”的原則。
今天，我就來介紹一下流量削峰的一些操作思路：排隊、答題、分層過濾。這幾種方式都是無損 （即不會損失使用者的發出請求）的實現方案，當然還有些有損的實現方案，包括我們後面要介紹 的關於穩定性的一些辦法，比如限流和機器負載保護等一些強制措施也能達到削峰保護的目的， 當然這都是不得已的一些措施，因此就不歸類到這裡了。
排隊
要對流量進行削峰，最容易想到的解決方案就是用訊息佇列來緩衝瞬時流量，把同步的直接呼叫 轉換成非同步的間接推送，中間通過一個佇列在一端承接瞬時的流量洪峰，在另一端平滑地將訊息 推送出去。在這裡，訊息佇列就像“水庫”一樣， 攔蓄上游的洪水，削減進入下游河道的洪峰流 量，從而達到減免洪水災害的目的。
用訊息佇列來緩衝瞬時流量的方案，如下圖所示：
但是，如果流量峰值持續一段時間達到了訊息佇列的處理上限，例如本機的訊息積壓達到了儲存 空間的上限，訊息佇列同樣也會被壓垮，這樣雖然保護了下游的系統，但是和直接把請求丟棄也 沒多大的區別。就像遇到洪水爆發時，即使是有水庫恐怕也無濟於事。
除了訊息佇列，類似的排隊方式還有很多，例如：
利用執行緒池加鎖等待也是一種常用的排隊方式；
先進先出、先進後出等常用的記憶體排隊演算法的實現方式；
把請求序列化到檔案中，然後再順序地讀檔案（例如基於 MySQL binlog 的同步機制）來恢 復請求等方式。
可以看到，這些方式都有一個共同特徵，就是把“一步的操作”變成“兩步的操作”，其中增加 的一步操作用來起到緩衝的作用。
說到這裡你可能會說，這樣一來增加了訪問請求的路徑啊，並不符合我們介紹的“4 要 1 不 要”原則。沒錯，的確看起來不太合理，但是如果不增加一個緩衝步驟，那麼在一些場景下系統 很可能會直接崩潰，所以最終還是需要你做出妥協和平衡。
答題
你是否還記得，最早期的秒殺只是純粹地重新整理頁面和點選購買按鈕，它是後來才增加了答題功能 的。那麼，為什麼要增加答題功能呢？
這主要是為了增加購買的複雜度，從而達到兩個目的。
第一個目的是防止部分買家使用秒殺器在參加秒殺時作弊。2011 年秒殺非常火的時候，秒殺器 也比較猖獗，因而沒有達到全民參與和營銷的目的，所以系統增加了答題來限制秒殺器。增加答 題後，下單的時間基本控制在 2s 後，秒殺器的下單比例也大大下降。答題頁面如下圖所示。
第二個目的其實就是延緩請求，起到對請求流量進行削峰的作用，從而讓系統能夠更好地支援瞬 時的流量高峰。這個重要的功能就是把峰值的下單請求拉長，從以前的 1s 之內延長到 2s~10s。 這樣一來，請求峰值基於時間分片了。這個時間的分片對服務端處理併發非常重要，會大大減輕 壓力。而且，由於請求具有先後順序，靠後的請求到來時自然也就沒有庫存了，因此根本到不了 最後的下單步驟，所以真正的併發寫就非常有限了。這種設計思路目前用得非常普遍，如當年支 付寶的“咻一咻”、微信的“搖一搖”都是類似的方式。
這裡，我重點說一下秒殺答題的設計思路。
如上圖所示，整個秒殺答題的邏輯主要分為 3 部分。
題庫生成模組，這個部分主要就是生成一個個問題和答案，其實題目和答案本身並不需要很復 雜，重要的是能夠防止由機器來算出結果，即防止秒殺器來答題。
題庫的推送模組，用於在秒殺答題前，把題目提前推送給詳情繫統和交易系統。題庫的推送主 要是為了保證每次使用者請求的題目是唯一的，目的也是防止答題作弊。
題目的圖片生成模組，用於把題目生成為圖片格式，並且在圖片裡增加一些干擾因素。這也同 樣是為防止機器直接來答題，它要求只有人才能理解題目本身的含義。這裡還要注意一點，由 於答題時網路比較擁擠，我們應該把題目的圖片提前推送到 CDN 上並且要進行預熱，不然的 話當使用者真正請求題目時，圖片可能載入比較慢，從而影響答題的體驗。
其實真正答題的邏輯比較簡單，很好理解：當使用者提交的答案和題目對應的答案做比較，如果通 過了就繼續進行下一步的下單邏輯，否則就失敗。我們可以把問題和答案用下面這樣的 key 來進 行 MD5 加密：
問題 key：userId+itemId+question_Id+time+PK
答案 key：userId+itemId+answer+PK
驗證的邏輯如下圖所示：
注意，這裡面的驗證邏輯，除了驗證問題的答案以外，還包括使用者本身身份的驗證，例如是否已 經登入、使用者的 Cookie 是否完整、使用者是否重複頻繁提交等。
除了做正確性驗證，我們還可以對提交答案的時間做些限制，例如從開始答題到接受答案要超過 1s，因為小於 1s 是人為操作的可能性很小，這樣也能防止機器答題的情況。
分層過濾
前面介紹的排隊和答題要麼是少發請求，要麼對發出來的請求進行緩衝，而針對秒殺場景還有一 種方法，就是對請求進行分層過濾，從而過濾掉一些無效的請求。分層過濾其實就是採用“漏 鬥”式設計來處理請求的，如下圖所示。
假如請求分別經過 CDN、前臺讀系統（如商品詳情繫統）、後臺系統（如交易系統）和資料庫 這幾層，那麼：
大部分資料和流量在使用者瀏覽器或者 CDN 上獲取，這一層可以攔截大部分資料的讀取；
經過第二層（即前臺系統）時資料（包括強一致性的資料）儘量得走 Cache，過濾一些無效的 請求；
再到第三層後臺系統，主要做資料的二次檢驗，對系統做好保護和限流，這樣資料量和請求就 進一步減少；
最後在資料層完成資料的強一致性校驗。
這樣就像漏斗一樣，儘量把資料量和請求量一層一層地過濾和減少了。
分層過濾的核心思想是：在不同的層次儘可能地過濾掉無效請求，讓“漏斗”最末端的才是有效 請求。而要達到這種效果，我們就必須對資料做分層的校驗。
分層校驗的基本原則是：
將動態請求的讀資料快取（Cache）在 Web 端，過濾掉無效的資料讀；
對讀資料不做強一致性校驗，減少因為一致性校驗產生瓶頸的問題；
對寫資料進行基於時間的合理分片，過濾掉過期的失效請求；
對寫請求做限流保護，將超出系統承載能力的請求過濾掉；
對寫資料進行強一致性校驗 只保留最後有效的資料
總結
紹瞭如何在網站面臨大流量衝擊時進行請求的削峰，並主要介紹了削峰的3種處理方式：
- 一個是通過佇列來緩衝請求，即控制請求的發出；
- 一個是通過答題來延長請求發出的時間， 在請求發出後承接請求時進行控制，最後再對不符合條件的請求進行過濾；
- 最後一種是對請求進 行分層過濾。
其中，佇列緩衝方式更加通用，它適用於內部上下游系統之間呼叫請求不平緩的場景，由於內部 系統的服務質量要求不能隨意丟棄請求，所以使用訊息佇列能起到很好的削峰和緩衝作用。 而答題更適用於秒殺或者營銷活動等應用場景，在請求發起端就控制發起請求的速度，因為越到 後面無效請求也會越多，所以配合後面介紹的分層攔截的方式，可以更進一步減少無效請求對系 統資源的消耗。
分層過濾非常適合交易性的寫請求，比如減庫存或者拼車這種場景，在讀的時候需要知道還有沒 有庫存或者是否還有剩餘空座位。但是由於庫存和座位又是不停變化的，所以讀的資料是否一定 要非常準確呢？其實不一定，你可以放一些請求過去，然後在真正減的時候再做強一致性保證， 這樣既過濾一些請求又解決了強一致性讀的瓶頸。
不過，在削峰的處理方式上除了採用技術手段，其實還可以採用業務手段來達到一定效果，例如 在零點開啟大促的時候由於流量太大導致支付系統阻塞，這個時候可以採用發放優惠券、發起抽 獎活動等方式，將一部分流量分散到其他地方，這樣也能起到緩衝流量的作用。