一、秒杀业务为什么这么难做
秒杀系统，库存只有一份，所有人会在集中的时间读和写这些数据。
例如：
- 小米手机每周二的秒杀，可能手机只有1万部，但瞬间进入的流量可能是几百几千万。
- 12306抢票，票是有限的，但是抢票的人很多，都读取相同的库存。读写冲突，锁非常严重，这是业务难的地方。
那我们怎么优化秒杀业务呢？
二、优化方向
（以上的两个场景要优化有两个方向）
- 将请求尽量拦截在系统上游（不要让锁冲突落到数据库上去）。传统的秒杀系统之所以挂，是因为请求都压到后端数据层，数据读写冲突严重，并发高响应慢，几乎所有请求都超时，流量最大，下单成功的有效流量非常小。以12306为例，一趟火车其实只有2000张票，但是抢到的人却有200万，基本没人能买票成功，请求有效率为0.
- 充分利用缓存，秒杀买票，这是一个典型的读多写少的应用场景，大部分请求是车次/票查询，下单和支付才是写请求。一趟火车只有2000张票，200万人来买，最多2000人下单成功，其他人都是查库存，写入操作的比例是0.1%，而读取的操作比例是99.9%，非常适合缓存来做优化。
三、常见秒杀架构
常见的秒杀架构基本是这样的
- 浏览器端，最上层，会执行一些JS代码
- 站点层，这一层会访问后端数据，将操作响应返回给浏览器
- 服务层，向上游屏蔽底层数据细节，提供数据访问
- 数据层，最终的“库存”会存放在这里，mysql是一个典型（当然还有缓存），这张图虽然简单，但是能形象的说明大流量高并发的秒杀业务架构（根据笔者从业的经验，基本所有公司的软件架构都脱离不了这几层，大同小异），后面详细解 析各层级怎么优化。
四、各层优化细节
- 第一层：客户端怎么优化（浏览器层，APP层）
大家应该都玩过微信摇一摇抢红包，是每一次摇一摇，就会往后端发送请求么？
回顾一下我们12306刚出来那年抢票的场景，点击“查询”按钮之后，系统卡在那里或者响应非常慢，这时用户就会再次点击”查询“，继续点点点，可是这样有用么？徙增系统负载，如果真实购买用户只有200W，那一个用户多点击5次，
就有1000万，多出来80%的用户怎么整？
-
- 产品层面优化：用户点击查询或者购票操作后，按钮置灰，禁止用户重复提交。
- JS层面优化：限制用户在x秒内只能提交一次请求。
上面说到摇红包，就算我们疯狂的把手机甩飞了，系统也只是在x秒才向系统发送请求。
这就是所谓的“将请求尽量拦截在系统上游”，越上游越好，浏览器层，APP层就给拦住，这样就挡住了多出那80%的用户请求。
但是，这种办法只能拦截住普通的用户，对于高端的程序猿们来说是拦不住的，firebug一抓包，http长啥样都知道了，js是拦不住程序员写for循环调用http接口的，这部分请求如何处理？
- 第二层：站点层面的请求拦截
怎么防止程序猿们for循环请求呢？有去重依据么？ip？cookie-id？这类“秒杀”业务都需要登录，用我们加了密的uid即可。在站点层面，对uid进行请求计数和去重，一个uid在5秒内只允许1个请求（例如生成uid时加入时间戳），
这样就可以拦截住程序猿们的for循环请求。
5秒只透过一个请求，那其他请求怎么办？缓存，页面缓存，同一个uid访问频度做页面缓存，x秒内到达站点请求，均返回同一个页面。 如此限流，既能保证用户体验又能保证系统的健壮性。
（页面缓存不一定要保证所有站点返回一致的页面，直接放在每个站点的内存也可以，优点是简单。缺点是http请求落到不同的站点，返回的车票数据可能不一样。）
这是站点层请求拦截和缓存的优化
如果，有黑客控制了10万个肉鸡，不同的uid，同时发送请求的话，我们怎么办？站点层按照uid限流已经拦截不住了。
- 第三层：服务层拦截
（反正不要让请求落到数据层上）
服务层如何来拦截呢？请求队列，对于写入操作的请求，每次只透有限的请求去数据层，这个有限取决于有多少部小米手机或多少张火车票。如果库存不够则全部返回“已售完”。
对于读取的请求如何优化？用cache抗 ，不管是mecached还是redis，单机抗个每秒10万都没问题，如此限流，只有非常少的写入请求，和非常少的读取缓存mis的请求会透到数据层去，又有99.9%的请求被拦住了。
- 第四层：数据层
浏览器拦截了80%，站点层拦截了99.9%并做了页面缓存，服务层又做了请求队列与数据缓存，每次透到数据层的请求都是可控的。db基本没什么压力了，还是那句话，库存是有限的，透这么多请求来数据库没有意义。
全部透到数据库，100万个下单，0个成功，透3000到数据库，全部成功。请求有效率为100%。
总结：
再重复一下关于秒杀系统的两个优化思路：
- 尽量将请求拦截在系统上游（越上游越好）
- 读多写少的应用多使用缓存（缓存抗读压力）
- 浏览器和APP：做限速
- 站点层：按照uid限速，做页面缓存
- 服务器：按照业务做写请求队列控制流量，做数据缓存
- 数据层：闲庭信步
- 并且结合业务做优化。
文章内容来源于微信公众号“架构师之路”，欢迎大家关注。
我在文章中看到了几个技术点：memcache，请求队列。有时间我好好研究一下，再整理到自己的博客上。
如果大家有什么好的想法，可以留言，我肯定会学习并实践好再拿出来分享。
非常感谢。
如果对您有帮助，请点赞！