高併發秒殺系統總結
大家也許開發過高併發的系統或者秒殺程式，但肯定都有接觸過，像電商平臺的秒殺、搶購等活動，還有12306春運搶票。
活動週期短，瞬間流量大(高併發)，技術在這種情況下，會發生和要做的事。
第一：高併發
技術要做的事，一方面優化程式，讓程式效能最優，單次請求時間能從50ms優化到25ms，那就可以在一秒鐘內成功響應翻倍的請求了。
另一方面就是增加伺服器，用更大的叢集來處理使用者請求，設計好一個可靠且靈活擴充的分散式方案就更加重要了。
第二：時間短
火熱的秒殺活動，真的是一秒鐘以內就會把商品搶購一空，而大部分使用者的感受是，提交訂單的過程卻要等待好幾秒、甚至十幾秒，更糟糕的當然是請求報錯。
那麼一個好的秒殺體驗，當然希望儘可能減少使用者等待時間，準確的提示使用者當前是否還有商品庫存。而這些，也是需要有優秀的程式設計來保證的。
第三：系統容量預估
系統設計的時候，都需要有一個容量預估，那就是要提前計算好，我們設計的系統，要承載多大的數量級。
假如線上前端伺服器規格是8核16G記憶體的伺服器，而提交訂單的處理程式耗時100ms，那麼可以簡單計算一下：
上面這個結果，對於秒殺系統來說，肯定是非常不理想的。
如果能將處理程式耗時優化後，降低到10ms，那麼就可以達到800qps。
如果我們可以把程式繼續優化，能快速區分開有庫存和無庫存處理，那麼無庫存時處理就有可能做到1ms甚至更低的耗時。這樣無庫存時就能有更好的效能，上萬的qps也是可以達到的。
上面的預估，都是針對單機，那麼簡單的增加前端伺服器，是不是就能有更好的併發處理量呢?
肯定沒這麼簡單，因為資料庫、快取系統甚至機房網路頻寬都會成為瓶頸。
於是就要有一個更好的分散式方案。
第四：好的分散式方案
一個好的分散式方案，首先當然是穩定可靠，不要出亂子，然後就是方便擴充，最好的效果當然是增加一臺伺服器，併發處理量可以1:1線性增長。
比如：單機qps是1k，那麼10臺伺服器可以做到1w，100臺可以做到10w每秒。
要做到這樣的線性增長效果，就要杜絕出現瓶頸，否則還是會代價太大。
拒絕假的分散式尤其重要，比如：前端伺服器是可以獨立存在的，但是都依賴集中的一個數據庫或者快取系統，那最後，一定是集中的那個資料庫或者快取系統受不了，同樣無法做到一個好的分散式。
第五：關注系統的瓶頸
大家先有幾個基本的共識，系統的處理速度
- 程式內資料讀寫 > redis > mysql > 磁碟
- 單機網路請求 > 區域網內請求 > 跨機房請求
我們優化程式的時候，儘量用最快的方式，儘量用最簡短的邏輯。
用redis替代mysql來儲存訂單處理中依賴的資料，用程式中的提交的資料代替從redis中二次獲取資料，比如：商品庫存資訊，使用者訂單資訊。
邏輯處理中，把速度快且提前中斷的邏輯放在最前面，比如：驗證登入，驗證問答。
我們做分散式方案的時候，儘量把資源呼叫放在最近的地方。
前端伺服器依賴的資料儘量就在區域網內，如果能在單機都有讀的redis服務當然更好，程式維護資料響應會複雜些。
不要出現跨機房網路請求，不要出現跨機房網路請求，不要出現跨機房網路請求，重要的事情說三遍。
第六：什麼語言更適合這類系統
課程中用的是PHP語言，開發這類系統也是沒問題的。
當然，像是用golang, ngx_lua可能在高併發和效能方面會更有優勢。
如果使用java、.net當然也是可以的，作為一個系統，語言只是工具，更好的設計和優化，才能達到最終想要的效果。
有了上面的基本概念，我們接下來再來看看，具體執行時，會出現什麼狀況。
下面是一些具體的問題：
問題1：庫存超賣
只有10個庫存，但是一秒鐘有1k個訂單，怎麼能不超賣呢?
核心思想就是保證庫存遞減是原子性操作，10--返回9，9--返回8，8--返回7。
而不能是讀取出來庫存10，10-1=9再更新回去。因為這個讀取和更新是併發執行的，很可能就會有1k個訂單都成功了，而庫存實際只有10。
那麼，怎麼保證原子性操作呢?
1. 資料庫：
update product set left_numleft_num=left_num-1 where left_num>0;
這裡用到的是left_num=left_num-1，如果left_num>0才能執行成功，資料庫查詢、更新的時候有用到鎖，是可以保證更新操作的原子性的。
資料庫效能較差，不建議使用。
2. 分散式鎖
用redis來做一個分散式鎖，reids->setnx('lock', 1) 設定一個鎖，程式執行完成再del這個鎖。
鎖定的過程，不利於併發執行，大家都在等待鎖解開，不建議使用。
3. 訊息佇列
將訂單請求全部放入訊息佇列，然後另外一個後臺程式一個個處理佇列中的訂單請求。
併發不受影響，但是使用者等待的時間較長，進入佇列的訂單也會很多，體驗上並不好，也不建議使用。
4. redis遞減
通過 redis->incrby('product', -1) 得到遞減之後的庫存數。
效能方面很好，同時體驗上也很好，在PHP秒殺課程中，優化後就是用的這種方法，而沒有使用上述其他方法，大家應該也能對比了解啦。
問題2：叢集怎麼來規劃
前端伺服器因為沒有相互間關聯，叢集的數量不受影響。
redis的效能可以達到每秒幾萬次響應，所以一個叢集的規模，也就是redis服務可以承載的數量。
比如：一臺前端伺服器是1~2k的qps(有庫存時)，那麼10臺+1臺redis就可以是一個獨立的叢集，可以支撐1~2w每秒訂單量。
10個上述的叢集就可以做到一秒鐘處理10w~20w的有效訂單。
如果秒殺活動的庫存量在1w以內，預計參與的人數在百萬左右，那麼有一個叢集也就可以搞定。
如果秒殺參與的人數超過千萬，那麼就要用到不止一個叢集了。
問題3：多個叢集的資料怎麼保持一致性
不要做多叢集的資料同步，而是用雜湊，每個叢集的資料是獨立存在的。
假設，有10個商品，每個商品有1w庫存，規劃用10個叢集，那麼每個叢集有10個商品，每個商品是1k庫存。
每個叢集只需要負責把自己的庫存賣掉即可，至於說，會不會有使用者知道有10個叢集，然後每個叢集都去搶。
這種情況就不要用程式來處理了，利用運營規則，活動結束後彙總訂單的時候再去處理就好了。
如果擔心雜湊的不合理，比如：某個叢集使用者訪問量特別少，那麼可以引入一箇中控服務，來監控各個叢集的庫存，然後再做平衡。
問題4：機器人搶購怎麼辦：
沒什麼太好的辦法，類似DDOS攻擊，只能是讓自身更強大才是王道。
運營策略上，可以嚴格控制使用者註冊，必須登入，提交訂單的時候引入影象驗證碼，問答，互動式驗證等。