【高併發】Redis如何助力高併發秒殺系統，看完這篇我徹底懂了！！

冰河團隊發表於2020-09-12
Redis

寫在前面

之前，我們在《【高併發】高併發秒殺系統架構解密，不是所有的秒殺都是秒殺！》一文中，詳細講解了高併發秒殺系統的架構設計，其中，我們介紹了可以使用Redis儲存秒殺商品的庫存數量。很多小夥伴看完後，覺得一頭霧水，看完是看完了，那如何實現呢？今天，我們就一起來看看Redis是如何助力高併發秒殺系統的！

有關高併發秒殺系統的架構設計，小夥伴們可以關注 冰河技術 公眾號，檢視《【高併發】高併發秒殺系統架構解密，不是所有的秒殺都是秒殺！》一文。

秒殺業務

在電商領域，存在著典型的秒殺業務場景，那何謂秒殺場景呢。簡單的來說就是一件商品的購買人數遠遠大於這件商品的庫存，而且這件商品在很短的時間內就會被搶購一空。比如每年的618、雙11大促，小米新品促銷等業務場景，就是典型的秒殺業務場景。

秒殺業務最大的特點就是瞬時併發流量高，在電商系統中，庫存數量往往會遠遠小於併發流量，比如：天貓的秒殺活動，可能庫存只有幾百、幾千件，而瞬間湧入的搶購併發流量可能會達到幾十到幾百萬。

所以，我們可以將秒殺系統的業務特點總結如下。

（1）限時、限量、限價

在規定的時間內進行；秒殺活動中商品的數量有限；商品的價格會遠遠低於原來的價格，也就是說，在秒殺活動中，商品會以遠遠低於原來的價格出售。

例如，秒殺活動的時間僅限於某天上午10點到10點半，商品數量只有10萬件，售完為止，而且商品的價格非常低，例如：1元購等業務場景。

限時、限量和限價可以單獨存在，也可以組合存在。

（2）活動預熱

需要提前配置活動；活動還未開始時，使用者可以檢視活動的相關資訊；秒殺活動開始前，對活動進行大力宣傳。

（3）持續時間短

購買的人數數量龐大；商品會迅速售完。

在系統流量呈現上，就會出現一個突刺現象，此時的併發訪問量是非常高的，大部分秒殺場景下，商品會在極短的時間內售完。

秒殺三階段

通常，從秒殺開始到結束，往往會經歷三個階段：

  • 準備階段：這個階段也叫作系統預熱階段，此時會提前預熱秒殺系統的業務資料，往往這個時候，使用者會不斷重新整理秒殺頁面，來檢視秒殺活動是否已經開始。在一定程度上，通過使用者不斷重新整理頁面的操作，可以將一些資料儲存到Redis中進行預熱。
  • 秒殺階段：這個階段主要是秒殺活動的過程，會產生瞬時的高併發流量，對系統資源會造成巨大的衝擊，所以，在秒殺階段一定要做好系統防護。
  • 結算階段： 完成秒殺後的資料處理工作，比如資料的一致性問題處理，異常情況處理，商品的回倉處理等。

Redis助力秒殺系統

我們可以在Redis中設計一個Hash資料結構，來支援商品庫存的扣減操作，如下所示。

seckill:goodsStock:${goodsId}{
	totalCount:200,
	initStatus:0,
	seckillCount:0
}

在我們設計的Hash資料結構中，有三個非常主要的屬性。

  • totalCount：表示參與秒殺的商品的總數量，在秒殺活動開始前，我們就需要提前將此值載入到Redis快取中。
  • initStatus：我們把這個值設計成一個布林值。秒殺開始前，這個值為0，表示秒殺未開始。可以通過定時任務或者後臺操作，將此值修改為1，則表示秒殺開始。
  • seckillCount：表示秒殺的商品數量，在秒殺過程中，此值的上限為totalCount，當此值達到totalCount時，表示商品已經秒殺完畢。

我們可以通過下面的程式碼片段在秒殺預熱階段，將要參與秒殺的商品資料載入的快取。

/**
 * @author binghe
 * @description 秒殺前構建商品快取程式碼示例
 */
public class SeckillCacheBuilder{
    private static final String GOODS_CACHE = "seckill:goodsStock:"; 
    private String getCacheKey(String id) { 
        return  GOODS_CACHE.concat(id);
    } 
    public void prepare(String id, int totalCount) { 
        String key = getCacheKey(id); 
        Map<String, Integer> goods = new HashMap<>(); 
        goods.put("totalCount", totalCount); 
        goods.put("initStatus", 0); 
        goods.put("seckillCount", 0); 
        redisTemplate.opsForHash().putAll(key, goods); 
     }
}

秒殺開始的時候，我們需要在程式碼中首先判斷快取中的seckillCount值是否小於totalCount值，如果seckillCount值確實小於totalCount值，我們才能夠對庫存進行鎖定。在我們的程式中，這兩步其實並不是原子性的。如果在分散式環境中，我們通過多臺機器同時操作Redis快取，就會發生同步問題，進而引起“超賣”的嚴重後果。

在電商領域，有一個專業名詞叫作“超賣”。顧名思義：“超賣”就是說賣出的商品數量比商品的庫存數量多，這在電商領域是一個非常嚴重的問題。那麼，我們如何解決“超賣”問題呢？

Lua指令碼完美解決超賣問題

我們如何解決多臺機器同時操作Redis出現的同步問題呢？一個比較好的方案就是使用Lua指令碼。我們可以使用Lua指令碼將Redis中扣減庫存的操作封裝成一個原子操作，這樣就能夠保證操作的原子性，從而解決高併發環境下的同步問題。

例如，我們可以編寫如下的Lua指令碼程式碼，來執行Redis中的庫存扣減操作。

local resultFlag = "0" 
local n = tonumber(ARGV[1]) 
local key = KEYS[1] 
local goodsInfo = redis.call("HMGET",key,"totalCount","seckillCount") 
local total = tonumber(goodsInfo[1]) 
local alloc = tonumber(goodsInfo[2]) 
if not total then 
    return resultFlag 
end 
if total >= alloc + n  then 
    local ret = redis.call("HINCRBY",key,"seckillCount",n) 
    return tostring(ret) 
end 
return resultFlag

我們可以使用如下的Java程式碼來呼叫上述Lua指令碼。

public int secKill(String id, int number) { 
    String key = getCacheKey(id); 
    Object seckillCount =  redisTemplate.execute(script, Arrays.asList(key), String.valueOf(number)); 
    return Integer.valueOf(seckillCount.toString()); 
}

這樣，我們在執行秒殺活動時，就能夠保證操作的原子性，從而有效的避免資料的同步問題，進而有效的解決了“超賣”問題。

重磅福利

關注「 冰河技術 」微信公眾號，後臺回覆 “設計模式” 關鍵字領取《深入淺出Java 23種設計模式》PDF文件。回覆“Java8”關鍵字領取《Java8新特性教程》PDF文件。回覆“限流”關鍵字獲取《億級流量下的分散式限流解決方案》PDF文件，三本PDF均是由冰河原創並整理的超硬核教程，面試必備！！

好了，今天就聊到這兒吧！別忘了點個贊，給個在看和轉發，讓更多的人看到，一起學習，一起進步！！

寫在最後

如果你覺得冰河寫的還不錯，請微信搜尋並關注「 冰河技術 」微信公眾號，跟冰河學習高併發、分散式、微服務、大資料、網際網路和雲原生技術，「 冰河技術 」微信公眾號更新了大量技術專題，每一篇技術文章乾貨滿滿！不少讀者已經通過閱讀「 冰河技術 」微信公眾號文章，吊打面試官，成功跳槽到大廠；也有不少讀者實現了技術上的飛躍，成為公司的技術骨幹！如果你也想像他們一樣提升自己的能力，實現技術能力的飛躍，進大廠，升職加薪，那就關注「 冰河技術 」微信公眾號吧，每天更新超硬核技術乾貨，讓你對如何提升技術能力不再迷茫！

相關文章