如何解决高并发秒杀的超卖问题

Posted 2023-05-15

参考技术A

由秒杀引发的一个问题

我们假设现在商品只剩下一件了，此时数据库中 num = 1；

但有100个线程同时读取到了这个消息 num = 1 ，所以100个线程都开始减库存了。

但你最终会发觉， 其实只有一个线程减库存成功，其他99个线程全部失败。

为何？

这就是MySQL中的排他锁起了作用。

排他锁又称为写锁，简称X锁，顾名思义，排他锁就是不能与其他所并存， 如一个事务获取了一个数据行的排他锁，其他事务就不能再获取该行的其他锁 ，包括共享锁和排他锁，但是获取排他锁的事务是可以对数据就行读取和修改。

就是类似于我在执行update操作的时候，这一行是一个事务 (默认加了排他锁 )。 这一行不能被任何其他线程修改和读写

这种方式采用了 版本号 的方式，其实也就是 CAS 的原理。

假设此时version = 100， num = 1; 100个线程进入到了这里，同时他们select出来版本号都是version = 100。

然后直接update的时候，只有其中一个先update了，同时更新了版本号。

那么其他99个在更新的时候，会发觉version并不等于上次select的version，就说明version被其他线程修改过了。那么我就放弃这次update

利用redis的单线程预减库存。比如商品有100件。那么我在redis存储一个k,v。例如

每一个用户线程进来，key值就减1，等减到0的时候，全部拒绝剩下的请求。

那么也就是说只有100个线程会进入到后续操作。所以一定不会出现超卖的现象

可见第二种CAS是失败重试，并无加锁。应该比第一种加锁效率要高很多。 类似于Java中的Synchronize和CAS 。

关于秒杀的系统架构优化思路

一、问题的提出

秒杀或抢购活动一般会经过 预约，下单，支付 ，扛不住的地方在于下单，一般会带来2个问题：

1、高并发

比较火热的秒杀在线人数都是10w起的，如此之高的在线人数对于网站架构从前到后都是一种考验。

2、超卖

任何商品都会有数量上限，如何避免成功下订单买到商品的人数不超过商品数量的上限，这是每个抢购活动都要面临的难题。

秒杀系统难做的原因：库存只有一份，瞬间大量用户读和写这些数据。

例如小米手机每周二的秒杀，可能手机只有1万部，但瞬时进入的流量可能是几百几千万

二、架构

常见站点架构如下

1）浏览器端，最上层，会执行到一些JS代码

2）站点层，这一层会访问后端数据，返回数据给浏览器

3）服务层，向上游屏蔽底层数据细节

4）数据层，最终的库存是存在这里的

三、优化思路

1、将请求尽量拦截在上游：传统秒杀系统之所以挂，请求都压倒了后端数据层，数据库读写锁冲突严重，导致响应慢，下单基本不能成功

2、利用缓存：这是一个典型的读多些少的应用场景，非常适合使用缓存

四、优化细节

1 、浏览器层请求拦截

a）产品层面，用户点击“查询”或者“购票”后，按钮置灰，禁止用户重复提交请求

b）js层面，限制用户在x秒之内只能提交一次请求

可以拦截很多无效请求

2、站点层请求拦截与页面缓存

防止像服务器直接发送过多的恶意http请求

a）同一个uid，限制访问频度，做页面缓存，x秒内到达站点层的请求，均返回同一页面

b）同一个item的查询，例如手机车次，做页面缓存，x秒内到达站点层的请求，均返回同一页面

可以拦截很多无效请求

3、服务层请求拦截与数据缓存

a）给过多的请求去数据库有什么意义呢？对于写请求，做请求队列，每次只透过有限的写请求去数据层，如果均成功再放下一批，如果库存不够则队列里的写请求全部返回“已售完

b）对于读请求，cache来抗，用memcached or redis（10wqps）

如此限流，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

4、数据层闲庭信步

到了数据这一层，几乎就没有什么请求了，库存是有限的，透过过多请求来数据库没有意义

五、解决方案

关于超卖，首先设定一个前提，为了防止超卖现象，所有减库存操作都需要进行一次减后检查，保证减完不能等于负数。（由于MySQL事务的特性，这种方法只能降低超卖的数量，但是不可能完全避免超卖）

update number set x=x-1 where (x -1 ) >= 0;　

解决方案1：

将存库从MySQL前移到Redis中，所有的写操作放到内存中，由于Redis中不存在锁故不会出现互相等待，并且由于Redis的写性能和读性能都远高于MySQL，这就解决了高并发下的性能问题。然后通过队列等异步手段，将变化的数据异步写入到DB中。

优点：解决性能问题

缺点：没有解决超卖问题，同时由于异步写入DB，存在某一时刻DB和Redis中数据不一致的风险。

 

解决方案2：

引入队列，然后将所有写DB操作在单队列中排队，完全串行处理。当达到库存阀值的时候就不在消费队列，并关闭购买功能。这就解决了超卖问题。

优点：解决超卖问题，略微提升性能。

缺点：性能受限于队列处理机处理性能和DB的写入性能中最短的那个，另外多商品同时抢购的时候需要准备多条队列。

 

解决方案3：

将写操作前移到MC中，同时利用MC的轻量级的锁机制CAS来实现减库存操作。

优点：读写在内存中，操作性能快，引入轻量级锁之后可以保证同一时刻只有一个写入成功，解决减库存问题。

缺点：没有实测，基于CAS的特性不知道高并发下是否会出现大量更新失败？不过加锁之后肯定对并发性能会有影响。

 

解决方案4：

将提交操作变成两段式，先申请后确认。然后利用Redis的原子自增操作（相比较MySQL的自增来说没有空洞），同时利用Redis的事务特性来发号，保证拿到小于等于库存阀值的号的人都可以成功提交订单。然后数据异步更新到DB中。

优点：解决超卖问题，库存读写都在内存中，故同时解决性能问题。

缺点：由于异步写入DB，可能存在数据不一致。另可能存在少买，也就是如果拿到号的人不真正下订单，可能库存减为0，但是订单数并没有达到库存阀值。

 

总结

扩容+限流+内存缓存+排队