前言
高併發下如何設計秒殺系統？這是一個高頻面試題。這個問題看似簡單，但是裡面的水很深，它考查的是高併發場景下，從前端到後端多方面的知識。
秒殺一般出現在商城的促銷活動中，指定了一定數量（比如：10個）的商品（比如：手機），以極低的價格（比如：0.1元），讓大量使用者參與活動，但只有極少數使用者能夠購買成功。這類活動商家絕大部分是不賺錢的，說白了是找個噱頭宣傳自己。
雖說秒殺只是一個促銷活動，但對技術要求不低。下面給大家總結一下設計秒殺系統需要注意的9個細節。
最近無意間獲得一份BAT大廠大佬寫的刷題筆記，一下子打通了我的任督二脈，越來越覺得演算法沒有想象中那麼難了。
1 瞬時高併發
一般在秒殺時間點（比如：12點）前幾分鐘，使用者併發量才真正突增，達到秒殺時間點時，併發量會達到頂峰。
但由於這類活動是大量使用者搶少量商品的場景，必定會出現狼多肉少的情況，所以其實絕大部分使用者秒殺會失敗，只有極少部分使用者能夠成功。
正常情況下，大部分使用者會收到商品已經搶完的提醒，收到該提醒後，他們大概率不會在那個活動頁面停留了，如此一來，使用者併發量又會急劇下降。所以這個峰值持續的時間其實是非常短的，這樣就會出現瞬時高併發的情況，下面用一張圖直觀的感受一下流量的變化：
像這種瞬時高併發的場景，傳統的系統很難應對，我們需要設計一套全新的系統。可以從以下幾個方面入手：
- 頁面靜態化
- CDN加速
- 快取
- mq非同步處理
- 限流
- 分散式鎖
2. 頁面靜態化
活動頁面是使用者流量的第一入口，所以是併發量最大的地方。
如果這些流量都能直接訪問服務端，恐怕服務端會因為承受不住這麼大的壓力，而直接掛掉。
活動頁面絕大多數內容是固定的，比如：商品名稱、商品描述、圖片等。為了減少不必要的服務端請求，通常情況下，會對活動頁面做靜態化處理。使用者瀏覽商品等常規操作，並不會請求到服務端。只有到了秒殺時間點，並且使用者主動點了秒殺按鈕才允許訪問服務端。
這樣能過濾大部分無效請求。
但只做頁面靜態化還不夠，因為使用者分佈在全國各地，有些人在北京，有些人在成都，有些人在深圳，地域相差很遠，網速各不相同。
如何才能讓使用者最快訪問到活動頁面呢？
這就需要使用CDN，它的全稱是Content Delivery Network，即內容分發網路。
使使用者就近獲取所需內容，降低網路擁塞，提高使用者訪問響應速度和命中率。
3 秒殺按鈕
大部分使用者怕錯過秒殺時間點，一般會提前進入活動頁面。此時看到的秒殺按鈕是置灰，不可點選的。只有到了秒殺時間點那一時刻，秒殺按鈕才會自動點亮，變成可點選的。
但此時很多使用者已經迫不及待了，通過不停重新整理頁面，爭取在第一時間看到秒殺按鈕的點亮。
從前面得知，該活動頁面是靜態的。那麼我們在靜態頁面中如何控制秒殺按鈕，只在秒殺時間點時才點亮呢？
沒錯，使用js檔案控制。
為了效能考慮，一般會將css、js和圖片等靜態資原始檔提前快取到CDN上，讓使用者能夠就近訪問秒殺頁面。
看到這裡，有些聰明的小夥伴，可能會問：CDN上的js檔案是如何更新的？
秒殺開始之前，js標誌為false，還有另外一個隨機引數。
當秒殺開始的時候系統會生成一個新的js檔案，此時標誌為true，並且隨機引數生成一個新值，然後同步給CDN。由於有了這個隨機引數，CDN不會快取資料，每次都能從CDN中獲取最新的js程式碼。
此外，前端還可以加一個定時器，控制比如：10秒之內，只允許發起一次請求。如果使用者點選了一次秒殺按鈕，則在10秒之內建灰，不允許再次點選，等到過了時間限制，又允許重新點選該按鈕。
4 讀多寫少
在秒殺的過程中，系統一般會先查一下庫存是否足夠，如果足夠才允許下單，寫資料庫。如果不夠，則直接返回該商品已經搶完。
由於大量使用者搶少量商品，只有極少部分使用者能夠搶成功，所以絕大部分使用者在秒殺時，庫存其實是不足的，系統會直接返回該商品已經搶完。
這是非常典型的：讀多寫少 的場景。
如果有數十萬的請求過來，同時通過資料庫查快取是否足夠，此時資料庫可能會掛掉。因為資料庫的連線資源非常有限，比如：mysql，無法同時支援這麼多的連線。
而應該改用快取，比如：redis。
即便用了redis，也需要部署多個節點。
5 快取問題
通常情況下，我們需要在redis中儲存商品資訊，裡面包含：商品id、商品名稱、規格屬性、庫存等資訊，同時資料庫中也要有相關資訊，畢竟快取並不完全可靠。
使用者在點選秒殺按鈕，請求秒殺介面的過程中，需要傳入的商品id引數，然後服務端需要校驗該商品是否合法。
大致流程如下圖所示：
根據商品id，先從快取中查詢商品，如果商品存在，則參與秒殺。如果不存在，則需要從資料庫中查詢商品，如果存在，則將商品資訊放入快取，然後參與秒殺。如果商品不存在，則直接提示失敗。
這個過程表面上看起來是OK的，但是如果深入分析一下會發現一些問題。
5.1 快取擊穿
比如商品A第一次秒殺時，快取中是沒有資料的，但資料庫中有。雖說上面有如果從資料庫中查到資料，則放入快取的邏輯。
然而，在高併發下，同一時刻會有大量的請求，都在秒殺同一件商品，這些請求同時去查快取中沒有資料，然後又同時訪問資料庫。結果悲劇了，資料庫可能扛不住壓力，直接掛掉。
如何解決這個問題呢？
這就需要加鎖，最好使用分散式鎖。
當然，針對這種情況，最好在專案啟動之前，先把快取進行預熱。即事先把所有的商品，同步到快取中，這樣商品基本都能直接從快取中獲取到，就不會出現快取擊穿的問題了。
是不是上面加鎖這一步可以不需要了？
表面上看起來，確實可以不需要。但如果快取中設定的過期時間不對，快取提前過期了，或者快取被不小心刪除了，如果不加速同樣可能出現快取擊穿。
其實這裡加鎖，相當於買了一份保險。
最近無意間獲得一份BAT大廠大佬寫的刷題筆記，一下子打通了我的任督二脈，越來越覺得演算法沒有想象中那麼難了。
5.2 快取穿透
如果有大量的請求傳入的商品id，在快取中和資料庫中都不存在，這些請求不就每次都會穿透過快取，而直接訪問資料庫了。
由於前面已經加了鎖，所以即使這裡的併發量很大，也不會導致資料庫直接掛掉。
但很顯然這些請求的處理效能並不好，有沒有更好的解決方案？
這時可以想到布隆過濾器。
系統根據商品id，先從布隆過濾器中查詢該id是否存在，如果存在則允許從快取中查詢資料，如果不存在，則直接返回失敗。
雖說該方案可以解決快取穿透問題，但是又會引出另外一個問題：布隆過濾器中的資料如何更快取中的資料保持一致？
這就要求，如果快取中資料有更新，則要及時同步到布隆過濾器中。如果資料同步失敗了，還需要增加重試機制，而且跨資料來源，能保證資料的實時一致性嗎？
顯然是不行的。
所以布隆過濾器絕大部分使用在快取資料更新很少的場景中。
如果快取資料更新非常頻繁，又該如何處理呢？
這時，就需要把不存在的商品id也快取起來。
下次，再有該商品id的請求過來，則也能從快取中查到資料，只不過該資料比較特殊，表示商品不存在。需要特別注意的是，這種特殊快取設定的超時時間應該儘量短一點。
6 庫存問題
對於庫存問題看似簡單，實則裡面還是有些東西。
真正的秒殺商品的場景，不是說扣完庫存，就完事了，如果使用者在一段時間內，還沒完成支付，扣減的庫存是要加回去的。
所以，在這裡引出了一個預扣庫存的概念，預扣庫存的主要流程如下：
扣減庫存中除了上面說到的預扣庫存和回退庫存之外，還需要特別注意的是庫存不足和庫存超賣問題。
6.1 資料庫扣減庫存
使用資料庫扣減庫存，是最簡單的實現方案了，假設扣減庫存的sql如下：
update product set stock=stock-1 where id=123;
這種寫法對於扣減庫存是沒有問題的，但如何控制庫存不足的情況下，不讓使用者操作呢？
這就需要在update之前，先查一下庫存是否足夠了。
虛擬碼如下：
int stock = mapper.getStockById(123);
if(stock > 0) {
int count = mapper.updateStock(123);
if(count > 0) {
addOrder(123);
}
}
大家有沒有發現這段程式碼的問題？
沒錯，查詢操作和更新操作不是原子性的，會導致在併發的場景下，出現庫存超賣的情況。
有人可能會說，這樣好辦，加把鎖，不就搞定了，比如使用synchronized關鍵字。
確實，可以，但是效能不夠好。
還有更優雅的處理方案，即基於資料庫的樂觀鎖，這樣會少一次資料庫查詢，而且能夠天然的保證資料操作的原子性。
只需將上面的sql稍微調整一下：
update product set stock=stock-1 where id=product and stock > 0;
在sql最後加上：stock > 0，就能保證不會出現超賣的情況。
但需要頻繁訪問資料庫，我們都知道資料庫連線是非常昂貴的資源。在高併發的場景下，可能會造成系統雪崩。而且，容易出現多個請求，同時競爭行鎖的情況，造成相互等待，從而出現死鎖的問題。
6.2 redis扣減庫存
redis的incr方法是原子性的，可以用該方法扣減庫存。
虛擬碼如下：
boolean exist = redisClient.query(productId,userId);
if(exist) {
return -1;
}
int stock = redisClient.queryStock(productId);
if(stock <=0) {
return 0;
}
redisClient.incrby(productId, -1);
redisClient.add(productId,userId);
return 1;
程式碼流程如下：
- 先判斷該使用者有沒有秒殺過該商品，如果已經秒殺過，則直接返回-1。
- 查詢庫存，如果庫存小於等於0，則直接返回0，表示庫存不足。
- 如果庫存充足，則扣減庫存，然後將本次秒殺記錄儲存起來。然後返回1，表示成功。
估計很多小夥伴，一開始都會按這樣的思路寫程式碼。但如果仔細想想會發現，這段程式碼有問題。
有什麼問題呢？
如果在高併發下，有多個請求同時查詢庫存，當時都大於0。由於查詢庫存和更新庫存非原則操作，則會出現庫存為負數的情況，即庫存超賣。
當然有人可能會說，加個synchronized不就解決問題？
調整後程式碼如下：
boolean exist = redisClient.query(productId,userId);
if(exist) {
return -1;
}
synchronized(this) {
int stock = redisClient.queryStock(productId);
if(stock <=0) {
return 0;
}
redisClient.incrby(productId, -1);
redisClient.add(productId,userId);
}
return 1;
加synchronized確實能解決庫存為負數問題，但是這樣會導致介面效能急劇下降，每次查詢都需要競爭同一把鎖，顯然不太合理。
為了解決上面的問題，程式碼優化如下：
boolean exist = redisClient.query(productId,userId);
if(exist) {
return -1;
}
if(redisClient.incrby(productId, -1)<0) {
return 0;
}
redisClient.add(productId,userId);
return 1;
該程式碼主要流程如下：
- 先判斷該使用者有沒有秒殺過該商品，如果已經秒殺過，則直接返回-1。
- 扣減庫存，判斷返回值是否小於0，如果小於0，則直接返回0，表示庫存不足。
- 如果扣減庫存後，返回值大於或等於0，則將本次秒殺記錄儲存起來。然後返回1，表示成功。
該方案咋一看，好像沒問題。
但如果在高併發場景中，有多個請求同時扣減庫存，大多數請求的incrby操作之後，結果都會小於0。
雖說，庫存出現負數，不會出現超賣的問題。但由於這裡是預減庫存，如果負數值負的太多的話，後面萬一要回退庫存時，就會導致庫存不準。
那麼，有沒有更好的方案呢？
6.3 lua指令碼扣減庫存
我們都知道lua指令碼，是能夠保證原子性的，它跟redis一起配合使用，能夠完美解決上面的問題。
lua指令碼有段非常經典的程式碼：
StringBuilder lua = new StringBuilder();
lua.append("if (redis.call('exists', KEYS[1]) == 1) then");
lua.append(" local stock = tonumber(redis.call('get', KEYS[1]));");
lua.append(" if (stock == -1) then");
lua.append(" return 1;");
lua.append(" end;");
lua.append(" if (stock > 0) then");
lua.append(" redis.call('incrby', KEYS[1], -1);");
lua.append(" return stock;");
lua.append(" end;");
lua.append(" return 0;");
lua.append("end;");
lua.append("return -1;");
該程式碼的主要流程如下：
- 先判斷商品id是否存在，如果不存在則直接返回。
- 獲取該商品id的庫存，判斷庫存如果是-1，則直接返回，表示不限制庫存。
- 如果庫存大於0，則扣減庫存。
- 如果庫存等於0，是直接返回，表示庫存不足。
7 分散式鎖
之前我提到過，在秒殺的時候，需要先從快取中查商品是否存在，如果不存在，則會從資料庫中查商品。如果資料庫中，則將該商品放入快取中，然後返回。如果資料庫中沒有，則直接返回失敗。
大家試想一下，如果在高併發下，有大量的請求都去查一個快取中不存在的商品，這些請求都會直接打到資料庫。資料庫由於承受不住壓力，而直接掛掉。
那麼如何解決這個問題呢？
這就需要用redis分散式鎖了。
7.1 setNx加鎖
使用redis的分散式鎖，首先想到的是setNx命令。
if (jedis.setnx(lockKey, val) == 1) {
jedis.expire(lockKey, timeout);
}
用該命令其實可以加鎖，但和後面的設定超時時間是分開的，並非原子操作。
假如加鎖成功了，但是設定超時時間失敗了，該lockKey就變成永不失效的了。在高併發場景中，該問題會導致非常嚴重的後果。
那麼，有沒有保證原子性的加鎖命令呢？
7.2 set加鎖
使用redis的set命令，它可以指定多個引數。
String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);
if ("OK".equals(result)) {
return true;
}
return false;
其中：
- lockKey：鎖的標識
- requestId：請求id
- NX：只在鍵不存在時，才對鍵進行設定操作。
- PX：設定鍵的過期時間為 millisecond 毫秒。
- expireTime：過期時間
由於該命令只有一步，所以它是原子操作。
7.3 釋放鎖
接下來，有些朋友可能會問：在加鎖時，既然已經有了lockKey鎖標識，為什麼要需要記錄requestId呢？
答：requestId是在釋放鎖的時候用的。
if (jedis.get(lockKey).equals(requestId)) {
jedis.del(lockKey);
return true;
}
return false;
在釋放鎖的時候，只能釋放自己加的鎖，不允許釋放別人加的鎖。
這裡為什麼要用requestId，用userId不行嗎？
答：如果用userId的話，假設本次請求流程走完了，準備刪除鎖。此時，巧合鎖到了過期時間失效了。而另外一個請求，巧合使用的相同userId加鎖，會成功。而本次請求刪除鎖的時候，刪除的其實是別人的鎖了。
當然使用lua指令碼也能避免該問題：
if redis.call('get', KEYS[1]) == ARGV[1] then
return redis.call('del', KEYS[1])
else
return 0
end
它能保證查詢鎖是否存在和刪除鎖是原子操作。
7.4 自旋鎖
上面的加鎖方法看起來好像沒有問題，但如果你仔細想想，如果有1萬的請求同時去競爭那把鎖，可能只有一個請求是成功的，其餘的9999個請求都會失敗。
在秒殺場景下，會有什麼問題？
答：每1萬個請求，有1個成功。再1萬個請求，有1個成功。如此下去，直到庫存不足。這就變成均勻分佈的秒殺了，跟我們想象中的不一樣。
如何解決這個問題呢？
答：使用自旋鎖。
try {
Long start = System.currentTimeMillis();
while(true) {
String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);
if ("OK".equals(result)) {
return true;
}
long time = System.currentTimeMillis() - start;
if (time>=timeout) {
return false;
}
try {
Thread.sleep(50);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
} finally{
unlock(lockKey,requestId);
}
return false;
在規定的時間，比如500毫秒內，自旋不斷嘗試加鎖，如果成功則直接返回。如果失敗，則休眠50毫秒，再發起新一輪的嘗試。如果到了超時時間，還未加鎖成功，則直接返回失敗。
7.5 redisson
除了上面的問題之外，使用redis分散式鎖，還有鎖競爭問題、續期問題、鎖重入問題、多個redis例項加鎖問題等。
這些問題使用redisson可以解決，由於篇幅的原因，在這裡先保留一點懸念，有疑問的私聊給我。後面會出一個專題介紹分散式鎖，敬請期待。
8 mq非同步處理
我們都知道在真實的秒殺場景中，有三個核心流程：
而這三個核心流程中，真正併發量大的是秒殺功能，下單和支付功能實際併發量很小。所以，我們在設計秒殺系統時，有必要把下單和支付功能從秒殺的主流程中拆分出來，特別是下單功能要做成mq非同步處理的。而支付功能，比如支付寶支付，是業務場景本身保證的非同步。
於是，秒殺後下單的流程變成如下：
如果使用mq，需要關注以下幾個問題：
8.1 訊息丟失問題
秒殺成功了，往mq傳送下單訊息的時候，有可能會失敗。原因有很多，比如：網路問題、broker掛了、mq服務端磁碟問題等。這些情況，都可能會造成訊息丟失。
那麼，如何防止訊息丟失呢？
答：加一張訊息傳送表。
在生產者傳送mq訊息之前，先把該條訊息寫入訊息傳送表，初始狀態是待處理，然後再傳送mq訊息。消費者消費訊息時，處理完業務邏輯之後，再回撥生產者的一個介面，修改訊息狀態為已處理。
如果生產者把訊息寫入訊息傳送表之後，再傳送mq訊息到mq服務端的過程中失敗了，造成了訊息丟失。
這時候，要如何處理呢？
答：使用job，增加重試機制。
用job每隔一段時間去查詢訊息傳送表中狀態為待處理的資料，然後重新傳送mq訊息。
8.2 重複消費問題
本來消費者消費訊息時，在ack應答的時候，如果網路超時，本身就可能會消費重複的訊息。但由於訊息傳送者增加了重試機制，會導致消費者重複訊息的概率增大。
那麼，如何解決重複訊息問題呢？
答：加一張訊息處理表。
消費者讀到訊息之後，先判斷一下訊息處理表，是否存在該訊息，如果存在，表示是重複消費，則直接返回。如果不存在，則進行下單操作，接著將該訊息寫入訊息處理表中，再返回。
有個比較關鍵的點是：下單和寫訊息處理表，要放在同一個事務中，保證原子操作。
8.3 垃圾訊息問題
這套方案表面上看起來沒有問題，但如果出現了訊息消費失敗的情況。比如：由於某些原因，訊息消費者下單一直失敗，一直不能回撥狀態變更介面，這樣job會不停的重試發訊息。最後，會產生大量的垃圾訊息。
那麼，如何解決這個問題呢？
每次在job重試時，需要先判斷一下訊息傳送表中該訊息的傳送次數是否達到最大限制，如果達到了，則直接返回。如果沒有達到，則將次數加1，然後傳送訊息。
這樣如果出現異常，只會產生少量的垃圾訊息，不會影響到正常的業務。
8.4 延遲消費問題
通常情況下，如果使用者秒殺成功了，下單之後，在15分鐘之內還未完成支付的話，該訂單會被自動取消，回退庫存。
那麼，在15分鐘內未完成支付，訂單被自動取消的功能，要如何實現呢？
我們首先想到的可能是job，因為它比較簡單。
但job有個問題，需要每隔一段時間處理一次，實時性不太好。
還有更好的方案？
答：使用延遲佇列。
我們都知道rocketmq，自帶了延遲佇列的功能。
下單時訊息生產者會先生成訂單，此時狀態為待支付，然後會向延遲佇列中發一條訊息。達到了延遲時間，訊息消費者讀取訊息之後，會查詢該訂單的狀態是否為待支付。如果是待支付狀態，則會更新訂單狀態為取消狀態。如果不是待支付狀態，說明該訂單已經支付過了，則直接返回。
還有個關鍵點，使用者完成支付之後，會修改訂單狀態為已支付。
9 如何限流？
通過秒殺活動，如果我們運氣爆棚，可能會用非常低的價格買到不錯的商品（這種概率堪比買福利彩票中大獎）。
但有些高手，並不會像我們一樣老老實實，通過秒殺頁面點選秒殺按鈕，搶購商品。他們可能在自己的伺服器上，模擬正常使用者登入系統，跳過秒殺頁面，直接呼叫秒殺介面。
如果是我們手動操作，一般情況下，一秒鐘只能點選一次秒殺按鈕。
但是如果是伺服器，一秒鐘可以請求成上千介面。
這種差距實在太明顯了，如果不做任何限制，絕大部分商品可能是被機器搶到，而非正常的使用者，有點不太公平。
所以，我們有必要識別這些非法請求，做一些限制。那麼，我們該如何現在這些非法請求呢？
目前有兩種常用的限流方式：
- 基於nginx限流
- 基於redis限流
9.1 對同一使用者限流
為了防止某個使用者，請求介面次數過於頻繁，可以只針對該使用者做限制。
限制同一個使用者id，比如每分鐘只能請求5次介面。
9.2 對同一ip限流
有時候只對某個使用者限流是不夠的，有些高手可以模擬多個使用者請求，這種nginx就沒法識別了。
這時需要加同一ip限流功能。
限制同一個ip，比如每分鐘只能請求5次介面。
但這種限流方式可能會有誤殺的情況，比如同一個公司或網咖的出口ip是相同的，如果裡面有多個正常使用者同時發起請求，有些使用者可能會被限制住。
9.3 對介面限流
別以為限制了使用者和ip就萬事大吉，有些高手甚至可以使用代理，每次都請求都換一個ip。
這時可以限制請求的介面總次數。
在高併發場景下，這種限制對於系統的穩定性是非常有必要的。但可能由於有些非法請求次數太多，達到了該介面的請求上限，而影響其他的正常使用者訪問該介面。看起來有點得不償失。
9.4 加驗證碼
相對於上面三種方式，加驗證碼的方式可能更精準一些，同樣能限制使用者的訪問頻次，但好處是不會存在誤殺的情況。
通常情況下，使用者在請求之前，需要先輸入驗證碼。使用者發起請求之後，服務端會去校驗該驗證碼是否正確。只有正確才允許進行下一步操作，否則直接返回，並且提示驗證碼錯誤。
此外，驗證碼一般是一次性的，同一個驗證碼只允許使用一次，不允許重複使用。
普通驗證碼，由於生成的數字或者圖案比較簡單，可能會被破解。優點是生成速度比較快，缺點是有安全隱患。
還有一個驗證碼叫做：移動滑塊，它生成速度比較慢，但比較安全，是目前各大網際網路公司的首選。
9.5 提高業務門檻
上面說的加驗證碼雖然可以限制非法使用者請求，但是有些影響使用者體驗。使用者點選秒殺按鈕前，還要先輸入驗證碼，流程顯得有點繁瑣，秒殺功能的流程不是應該越簡單越好嗎？
其實，有時候達到某個目的，不一定非要通過技術手段，通過業務手段也一樣。
12306剛開始的時候，全國人民都在同一時刻搶火車票，由於併發量太大，系統經常掛。後來，重構優化之後，將購買週期放長了，可以提前20天購買火車票，並且可以在9點、10、11點、12點等整點購買火車票。調整業務之後（當然技術也有很多調整），將之前集中的請求，分散開了，一下子降低了使用者併發量。
回到這裡，我們通過提高業務門檻，比如只有會員才能參與秒殺活動，普通註冊使用者沒有許可權。或者，只有等級到達3級以上的普通使用者，才有資格參加該活動。
這樣簡單的提高一點門檻，即使是黃牛黨也束手無策，他們總不可能為了參加一次秒殺活動，還另外花錢充值會員吧？
最近無意間獲得一份BAT大廠大佬寫的刷題筆記，一下子打通了我的任督二脈，越來越覺得演算法沒有想象中那麼難了。
最後說一句(求關注，別白嫖我)
如果這篇文章對您有所幫助，或者有所啟發的話，幫忙掃描下發二維碼關注一下，您的支援是我堅持寫作最大的動力。
求一鍵三連：點贊、轉發、在看。
關注公眾號：【蘇三說技術】，在公眾號中回覆：面試、程式碼神器、開發手冊、時間管理有超讚的粉絲福利，另外回覆：加群，可以跟很多BAT大廠的前輩交流和學習。