《并发扣款,如何保证一致性?》一文,描述了高并发情况下,并发扣款的一致性,幂等性,以及ABA问题。
很有朋友有疑问:如果存在一个大客户,这一个客户并发量就非常高,版本号比对会导致大量的更新失败。于是推出,这个方案不适用于高并发场景。
究竟是不是这样呢?大家对高并发是不是有什么误解呢?我经常说,任何脱离业务场景的架构设计都是耍流氓,今天来聊一聊三个高并发业务场景的架构设计差异。- 个人:user(uid, user_info, …)
- 好友:user_friends(uid, friend_id, …)
- 加入的群:user_groups(uid, group_id, …)
- 群:group(gid, group_info, …)
- 群成员:group_members(gid, uid, …)
- 个人消息:msgs_user(msg_id, uid, …)
- 群消息:msgs_group(msg_id, gid, …)
这些信息的读写有一个特点,都会带上uid/gid/msgid属性。
select friend_id from user_friends 在用户量很大,并发量很大时,不同用户/群/消息数据的读写并没有锁冲突。只有当,同一个用户,很短的时间内,有大量并发时,才可能存在锁冲突。微博业务显然是读多写少的,在用户刷消息时,自己feed流里的消息,是由别人发出的。
在用户量很大,并发量很大时,会有一定数据的读写锁冲突。画外音:不像QQ,基本是读写自己的数据,微博要写自己的数据,读别人的数据。stock(id, num) // 某一列车有多少张余票
这类“秒杀”业务,如果不做特殊的优化,数据库很容易死锁卡死,没有任何人能买票成功。
系统层面,秒杀业务的优化方向如何?
主要有两项:
(1)将请求尽量拦截在系统上游,而不要让锁冲突落到数据库。传统秒杀系统之所以挂,是因为请求都压到了后端数据层,数据读写锁冲突严重,并发高响应慢,几乎所有请求都超时,访问流量大,下单成功的有效流量小。一趟火车2000张票,200w个人同时来买,没有人能买成功,请求有效率为0。车次查询,读,量大
余票查询,读,量大
下单和支付,写,量小
一趟火车2000张票,200w个人同时来买,最多2000个人下单成功,其他人都是查询库存,写比例只有0.1%,读比例占99.9%,非常适合使用缓存来优化。
秒杀业务,常见的系统分层架构如何?
秒杀业务,可以使用典型的服务化分层架构:端(浏览器/APP),最上层,面向用户
站点层,访问后端数据,拼装html/json返回
服务层,屏蔽底层数据细节,提供数据访问
数据层,DB存储库存,当然也有缓存
想必春节大家都玩过微信的摇一摇抢红包,用户每摇一次,真的就会往后端发送一次请求么?回顾抢票的场景,用户点击“查询”按钮之后,系统卡顿,用户着急,会不自觉的再去频繁点击“查询”,不但没用,反而平白无故增加系统负载,平均一个用户点5次,80%的请求是这么多出来的。JS层面,可以限制用户在x秒之内只能提交一次请求,从而降低系统负载。
APP层面,可以做类似的事情,虽然用户疯狂的在摇微信抢红包,但其实x秒才向后端发起一次请求。画外音:这就是所谓的“将请求尽量拦截在系统上游”,浏览器/APP层就能拦截80%+的请求。不过,端上的拦截只能挡住普通用户(99%的用户是普通用户),程序员firebug一抓包,写个for循环直接调用后端http接口,js拦截根本不起作用,这下怎么办?如何抗住程序员写for循环调用http接口,首先要确定用户的唯一标识,对于频繁访问的用户予以拦截。ip?cookie-id?别想得太复杂,购票类业务都需要登录,用uid就能标识用户。在站点层,对同一个uid的请求进行计数和限速,例如:一个uid,5秒只准透过1个请求,这样又能拦住99%的for循环请求。
一个uid,5s只透过一个请求,其余的请求怎么办?缓存,页面缓存,5秒内到达站点层的其他请求,均返回上次返回的页面。画外音:车次查询和余票查询都能够这么做,既能保证用户体验(至少没有返回404页面),又能保证系统的健壮性(利用页面缓存,把请求拦截在站点层了)。OK,通过计数、限速、页面缓存拦住了99%的普通程序员,但仍有些高端程序员,例如黑客,控制了10w个肉鸡,手里有10w个uid,同时发请求,这下怎么办?服务层非常清楚业务的库存,非常清楚数据库的抗压能力,可以根据这两者进行削峰限速。例如,业务服务很清楚的知道,一列火车只有2000张车票,此时透传10w个请求去数据库,是没有意义的。画外音:假如数据库每秒只能抗500个写请求,就只透传500个。对于写请求,做请求队列,每次只透传有限的写请求去数据层(下订单,支付这样的写业务)。只有2000张火车票,即使10w个请求过来,也只透传2000个去访问数据库:cache抗,不管是memcached还是redis,单机抗个每秒10w应该都是没什么问题的。如此削峰限流,只有非常少的写请求,和非常少的读缓存mis的请求会透到数据层去,又有99%的请求被拦住了。画外音:这类业务数据量不大,无需分库,数据库做一个高可用就行。此时,透2000个到数据库,全部成功,请求有效率100%。画外音:优化前,10w个请求0个成功,有效性0%。按照上面的优化方案,其实压力最大的反而是站点层,假设真实有效的请求数是每秒100w,这部分的压力怎么处理?
(1)站点层水平扩展,通过加机器扩容,一台抗5000,200台搞定;站点层限速,是每个uid的请求计数放到redis里么?吞吐量很大情况下,高并发访问redis,网络带宽会不会成为瓶颈?同一个uid计数与限速,如果担心访问redis带宽成为瓶颈,可以这么优化:(2)在nginx层做7层均衡,让一个uid的请求落到同一个机器上;画外音:这个计数对数据一致性、准确性要求不高,即使服务重启计数丢了,大不了重新开始计。除了系统上的优化,产品与业务还能够做一些折衷,降低架构难度。
一般来说,下单和支付放在同一个流程里,能够提高转化率。对于秒杀场景,产品上,下单流程和支付流程异步,放在两个环节里,能够降低数据库写压力。以12306为例,下单成功后,系统占住库存,45分钟之内支付即可。
一般来说,所有用户规则相同,体验会更好。对于秒杀场景,产品上,不同地域分时售票,虽然不是所有用户规则相同,但能够极大降低系统压力。北京9:00开始售票,上海9:30开始售票,广州XX开始售票,能够分担系统压力。
秒杀场景,由于短时间内并发较大,系统返回较慢,用户心情十分焦急,可能会频繁点击按钮,对系统造成压力。产品上可以优化为,一旦点击,不管系统是否返回,按钮立刻置灰,不给用户机会频繁点击。
一般来说,显示具体的库存数量,能够加强用户体验。对于秒杀场景,产品上,只显示有/无车票,而不是显示具体票数目,能够降低缓存淘汰率。画外音:显示库存会淘汰N次,显示有无只会淘汰1次。更多的,用户关注是否有票,而不是票有几张。
无论如何,产品技术运营一起,目标是一致的,把事情做好,不存在谁是甲方,谁是乙方的关系。总结
对于秒杀类业务,除了业务折衷,架构设计上主要有两大优化方向: