电商并发及解决方案
注:此文章引用http://www.cnblogs.com/dreammyle/p/5706384.html
電商實例、業(yè)務(wù)并發(fā)、網(wǎng)站并發(fā)及解決方法
一、怎么防止多用戶同一時間搶購?fù)簧唐?#xff0c;防止高并發(fā)同時下單同一商品
最近在做搶購系統(tǒng)，但頭疼的是，在多用戶高并發(fā)的情況下經(jīng)常會庫存出現(xiàn)問題。排查到，在同一時間內(nèi)多用戶同時下單導(dǎo)致查詢和插入不同步了，而查詢中跟插入又有時間差而在高并發(fā)的情況下導(dǎo)致庫存問題(我的項目大概是這樣，首先 for update查出商品信息表，放入全局表里數(shù)組里，當(dāng)用戶扣款余額成功后，update商品信息表減去該用戶下單的數(shù)量。數(shù)據(jù)庫用的mysql，查詢商品信息表的時候是加鎖過的，但商品信息表數(shù)據(jù)越來越多的時候查詢有時間差，導(dǎo)致高并發(fā)的時候在查詢商品信息表放進(jìn)變量數(shù)組里的時候，在執(zhí)行后面的時間差里，其他用戶也在下單，導(dǎo)致庫存有問題)。現(xiàn)在提問，同一時間內(nèi)同一個商品防止多用戶搶購，也就是說同一秒內(nèi)在高并發(fā)的情況下只能被一個用戶下單，目前的思路是排隊，阻塞隊列。
1、update table set num=num-1 where num>1
不查直接更新，更新成功代表搶到了
2、把搶購系統(tǒng)放成兩步，第一步為下單（即搶購），下單成功立即減少數(shù)量，更新表數(shù)據(jù)，第二部為付款，后臺寫個程序，如果半個小時不付款，自動刪除訂單，然后增加數(shù)量。這樣的話，可以避過并發(fā)了，如果一步走，時間再短也會有并發(fā)的問題
3、數(shù)據(jù)庫中可以加行鎖
4、可以使用隊列+鎖表來解決
二、Web系統(tǒng)大規(guī)模并發(fā) ---- 秒殺和搶購的技術(shù)實現(xiàn)和優(yōu)化
電商的秒殺和搶購，對我們來說，都不是一個陌生的東西。然而，從技術(shù)的角度來說，這對于Web系統(tǒng)是一個巨大的考驗。當(dāng)一個Web系統(tǒng)，在一秒鐘內(nèi)收到數(shù)以萬計甚至更多請求時，系統(tǒng)的優(yōu)化和穩(wěn)定至關(guān)重要。這次我們會關(guān)注秒殺和搶購的技術(shù)實現(xiàn)和優(yōu)化，同時，從技術(shù)層面揭開，為什么我們總是不容易搶到火車票的原因？?
1.1 大規(guī)模并發(fā)帶來的挑戰(zhàn)?
在過去的工作中，我曾經(jīng)面對過5w每秒的高并發(fā)秒殺功能，在這個過程中，整個Web系統(tǒng)遇到了很多的問題和挑戰(zhàn)。如果Web系統(tǒng)不做針對性的優(yōu)化，會輕而易舉地陷入到異常狀態(tài)。我們現(xiàn)在一起來討論下，優(yōu)化的思路和方法哈。?
1. 請求接口的合理設(shè)計
一個秒殺或者搶購頁面，通常分為2個部分，一個是靜態(tài)的HTML等內(nèi)容，另一個就是參與秒殺的Web后臺請求接口。
通常靜態(tài)HTML等內(nèi)容，是通過CDN的部署，一般壓力不大，核心瓶頸實際上在后臺請求接口上。這個后端接口，必須能夠支持高并發(fā)請求，同時，非常重要的一點，必須盡可能“快”，在最短的時間里返回用戶的請求結(jié)果。為了實現(xiàn)盡可能快這一點，接口的后端存儲使用內(nèi)存級別的操作會更好一點。仍然直接面向MySQL之類的存儲是不合適的，如果有這種復(fù)雜業(yè)務(wù)的需求，都建議采用異步寫入。
?
當(dāng)然，也有一些秒殺和搶購采用“滯后反饋”，就是說秒殺當(dāng)下不知道結(jié)果，一段時間后才可以從頁面中看到用戶是否秒殺成功。但是，這種屬于“偷懶”行為，同時給用戶的體驗也不好，容易被用戶認(rèn)為是“暗箱操作”。
2. 高并發(fā)的挑戰(zhàn)：一定要“快”
我們通常衡量一個Web系統(tǒng)的吞吐率的指標(biāo)是QPS（Query Per Second，每秒處理請求數(shù)），解決每秒數(shù)萬次的高并發(fā)場景，這個指標(biāo)非常關(guān)鍵。舉個例子，我們假設(shè)處理一個業(yè)務(wù)請求平均響應(yīng)時間為100ms，同時，系統(tǒng)內(nèi)有20臺Apache的Web服務(wù)器，配置MaxClients為500個（表示Apache的最大連接數(shù)目）。
那么，我們的Web系統(tǒng)的理論峰值QPS為（理想化的計算方式）：
20*500/0.1 = 100000 （10萬QPS）
咦？我們的系統(tǒng)似乎很強(qiáng)大，1秒鐘可以處理完10萬的請求，5w/s的秒殺似乎是“紙老虎”哈。實際情況，當(dāng)然沒有這么理想。在高并發(fā)的實際場景下，機(jī)器都處于高負(fù)載的狀態(tài)，在這個時候平均響應(yīng)時間會被大大增加。
就Web服務(wù)器而言，Apache打開了越多的連接進(jìn)程，CPU需要處理的上下文切換也越多，額外增加了CPU的消耗，然后就直接導(dǎo)致平均響應(yīng)時間增加。因此上述的MaxClient數(shù)目，要根據(jù)CPU、內(nèi)存等硬件因素綜合考慮，絕對不是越多越好。可以通過Apache自帶的abench來測試一下，取一個合適的值。然后，我們選擇內(nèi)存操作級別的存儲的Redis，在高并發(fā)的狀態(tài)下，存儲的響應(yīng)時間至關(guān)重要。網(wǎng)絡(luò)帶寬雖然也是一個因素，不過，這種請求數(shù)據(jù)包一般比較小，一般很少成為請求的瓶頸。負(fù)載均衡成為系統(tǒng)瓶頸的情況比較少，在這里不做討論哈。
那么問題來了，假設(shè)我們的系統(tǒng)，在5w/s的高并發(fā)狀態(tài)下，平均響應(yīng)時間從100ms變?yōu)?50ms（實際情況，甚至更多）：
20*500/0.25 = 40000 （4萬QPS）
于是，我們的系統(tǒng)剩下了4w的QPS，面對5w每秒的請求，中間相差了1w。
然后，這才是真正的惡夢開始。舉個例子，高速路口，1秒鐘來5部車，每秒通過5部車，高速路口運(yùn)作正常。突然，這個路口1秒鐘只能通過4部車，車流量仍然依舊，結(jié)果必定出現(xiàn)大塞車。（5條車道忽然變成4條車道的感覺）
同理，某一個秒內(nèi)，20*500個可用連接進(jìn)程都在滿負(fù)荷工作中，卻仍然有1萬個新來請求，沒有連接進(jìn)程可用，系統(tǒng)陷入到異常狀態(tài)也是預(yù)期之內(nèi)。
?
其實在正常的非高并發(fā)的業(yè)務(wù)場景中，也有類似的情況出現(xiàn)，某個業(yè)務(wù)請求接口出現(xiàn)問題，響應(yīng)時間極慢，將整個Web請求響應(yīng)時間拉得很長，逐漸將Web服務(wù)器的可用連接數(shù)占滿，其他正常的業(yè)務(wù)請求，無連接進(jìn)程可用。
更可怕的問題是，是用戶的行為特點，系統(tǒng)越是不可用，用戶的點擊越頻繁，惡性循環(huán)最終導(dǎo)致“雪崩”（其中一臺Web機(jī)器掛了，導(dǎo)致流量分散到其他正常工作的機(jī)器上，再導(dǎo)致正常的機(jī)器也掛，然后惡性循環(huán)），將整個Web系統(tǒng)拖垮。
3. 重啟與過載保護(hù)
如果系統(tǒng)發(fā)生“雪崩”，貿(mào)然重啟服務(wù)，是無法解決問題的。最常見的現(xiàn)象是，啟動起來后，立刻掛掉。這個時候，最好在入口層將流量拒絕，然后再將重啟。如果是redis/memcache這種服務(wù)也掛了，重啟的時候需要注意“預(yù)熱”，并且很可能需要比較長的時間。
秒殺和搶購的場景，流量往往是超乎我們系統(tǒng)的準(zhǔn)備和想象的。這個時候，過載保護(hù)是必要的。如果檢測到系統(tǒng)滿負(fù)載狀態(tài)，拒絕請求也是一種保護(hù)措施。在前端設(shè)置過濾是最簡單的方式，但是，這種做法是被用戶“千夫所指”的行為。更合適一點的是，將過載保護(hù)設(shè)置在CGI入口層，快速將客戶的直接請求返回。
1.2 作弊的手段：進(jìn)攻與防守
秒殺和搶購收到了“海量”的請求，實際上里面的水分是很大的。不少用戶，為了“搶“到商品，會使用“刷票工具”等類型的輔助工具，幫助他們發(fā)送盡可能多的請求到服務(wù)器。還有一部分高級用戶，制作強(qiáng)大的自動請求腳本。這種做法的理由也很簡單，就是在參與秒殺和搶購的請求中，自己的請求數(shù)目占比越多，成功的概率越高。
這些都是屬于“作弊的手段”，不過，有“進(jìn)攻”就有“防守”，這是一場沒有硝煙的戰(zhàn)斗哈。
1. 同一個賬號，一次性發(fā)出多個請求
部分用戶通過瀏覽器的插件或者其他工具，在秒殺開始的時間里，以自己的賬號，一次發(fā)送上百甚至更多的請求。實際上，這樣的用戶破壞了秒殺和搶購的公平性。
這種請求在某些沒有做數(shù)據(jù)安全處理的系統(tǒng)里，也可能造成另外一種破壞，導(dǎo)致某些判斷條件被繞過。例如一個簡單的領(lǐng)取邏輯，先判斷用戶是否有參與記錄，如果沒有則領(lǐng)取成功，最后寫入到參與記錄中。這是個非常簡單的邏輯，但是，在高并發(fā)的場景下，存在深深的漏洞。多個并發(fā)請求通過負(fù)載均衡服務(wù)器，分配到內(nèi)網(wǎng)的多臺Web服務(wù)器，它們首先向存儲發(fā)送查詢請求，然后，在某個請求成功寫入?yún)⑴c記錄的時間差內(nèi)，其他的請求獲查詢到的結(jié)果都是“沒有參與記錄”。這里，就存在邏輯判斷被繞過的風(fēng)險。
?
?
應(yīng)對方案：
在程序入口處，一個賬號只允許接受1個請求，其他請求過濾。不僅解決了同一個賬號，發(fā)送N個請求的問題，還保證了后續(xù)的邏輯流程的安全。實現(xiàn)方案，可以通過Redis這種內(nèi)存緩存服務(wù)，寫入一個標(biāo)志位（只允許1個請求寫成功，結(jié)合watch的樂觀鎖的特性），成功寫入的則可以繼續(xù)參加。
?
或者，自己實現(xiàn)一個服務(wù)，將同一個賬號的請求放入一個隊列中，處理完一個，再處理下一個。
2. 多個賬號，一次性發(fā)送多個請求
很多公司的賬號注冊功能，在發(fā)展早期幾乎是沒有限制的，很容易就可以注冊很多個賬號。因此，也導(dǎo)致了出現(xiàn)了一些特殊的工作室，通過編寫自動注冊腳本，積累了一大批“僵尸賬號”，數(shù)量龐大，幾萬甚至幾十萬的賬號不等，專門做各種刷的行為（這就是微博中的“僵尸粉“的來源）。舉個例子，例如微博中有轉(zhuǎn)發(fā)抽獎的活動，如果我們使用幾萬個“僵尸號”去混進(jìn)去轉(zhuǎn)發(fā)，這樣就可以大大提升我們中獎的概率。
這種賬號，使用在秒殺和搶購里，也是同一個道理。例如，iPhone官網(wǎng)的搶購，火車票黃牛黨。
?
應(yīng)對方案：
這種場景，可以通過檢測指定機(jī)器IP請求頻率就可以解決，如果發(fā)現(xiàn)某個IP請求頻率很高，可以給它彈出一個驗證碼或者直接禁止它的請求：
?
?
3. 多個賬號，不同IP發(fā)送不同請求
所謂道高一尺，魔高一丈。有進(jìn)攻，就會有防守，永不休止。這些“工作室”，發(fā)現(xiàn)你對單機(jī)IP請求頻率有控制之后，他們也針對這種場景，想出了他們的“新進(jìn)攻方案”，就是不斷改變IP。
?
有同學(xué)會好奇，這些隨機(jī)IP服務(wù)怎么來的。有一些是某些機(jī)構(gòu)自己占據(jù)一批獨(dú)立IP，然后做成一個隨機(jī)代理IP的服務(wù)，有償提供給這些“工作室”使用。還有一些更為黑暗一點的，就是通過木馬黑掉普通用戶的電腦，這個木馬也不破壞用戶電腦的正常運(yùn)作，只做一件事情，就是轉(zhuǎn)發(fā)IP包，普通用戶的電腦被變成了IP代理出口。通過這種做法，黑客就拿到了大量的獨(dú)立IP，然后搭建為隨機(jī)IP服務(wù)，就是為了掙錢。
應(yīng)對方案：
說實話，這種場景下的請求，和真實用戶的行為，已經(jīng)基本相同了，想做分辨很困難。再做進(jìn)一步的限制很容易“誤傷“真實用戶，這個時候，通常只能通過設(shè)置業(yè)務(wù)門檻高來限制這種請求了，或者通過賬號行為的”數(shù)據(jù)挖掘“來提前清理掉它們。
僵尸賬號也還是有一些共同特征的，例如賬號很可能屬于同一個號碼段甚至是連號的，活躍度不高，等級低，資料不全等等。根據(jù)這些特點，適當(dāng)設(shè)置參與門檻，例如限制參與秒殺的賬號等級。通過這些業(yè)務(wù)手段，也是可以過濾掉一些僵尸號。
4. 火車票的搶購
看到這里，同學(xué)們是否明白你為什么搶不到火車票？如果你只是老老實實地去搶票，真的很難。通過多賬號的方式，火車票的黃牛將很多車票的名額占據(jù)，部分強(qiáng)大的黃牛，在處理驗證碼方面，更是“技高一籌“。
高級的黃牛刷票時，在識別驗證碼的時候使用真實的人，中間搭建一個展示驗證碼圖片的中轉(zhuǎn)軟件服務(wù)，真人瀏覽圖片并填寫下真實驗證碼，返回給中轉(zhuǎn)軟件。對于這種方式，驗證碼的保護(hù)限制作用被廢除了，目前也沒有很好的解決方案。
?
因為火車票是根據(jù)身份證實名制的，這里還有一個火車票的轉(zhuǎn)讓操作方式。大致的操作方式，是先用買家的身份證開啟一個搶票工具，持續(xù)發(fā)送請求，黃牛賬號選擇退票，然后黃牛買家成功通過自己的身份證購票成功。當(dāng)一列車廂沒有票了的時候，是沒有很多人盯著看的，況且黃牛們的搶票工具也很強(qiáng)大，即使讓我們看見有退票，我們也不一定能搶得過他們哈。?
?
最終，黃牛順利將火車票轉(zhuǎn)移到買家的身份證下。
解決方案：
并沒有很好的解決方案，唯一可以動心思的也許是對賬號數(shù)據(jù)進(jìn)行“數(shù)據(jù)挖掘”，這些黃牛賬號也是有一些共同特征的，例如經(jīng)常搶票和退票，節(jié)假日異常活躍等等。將它們分析出來，再做進(jìn)一步處理和甄別。
1.3 高并發(fā)下的數(shù)據(jù)安全
我們知道在多線程寫入同一個文件的時候，會存現(xiàn)“線程安全”的問題（多個線程同時運(yùn)行同一段代碼，如果每次運(yùn)行結(jié)果和單線程運(yùn)行的結(jié)果是一樣的，結(jié)果和預(yù)期相同，就是線程安全的）。如果是MySQL數(shù)據(jù)庫，可以使用它自帶的鎖機(jī)制很好的解決問題，但是，在大規(guī)模并發(fā)的場景中，是不推薦使用MySQL的。秒殺和搶購的場景中，還有另外一個問題，就是“超發(fā)”，如果在這方面控制不慎，會產(chǎn)生發(fā)送過多的情況。我們也曾經(jīng)聽說過，某些電商搞搶購活動，買家成功拍下后，商家卻不承認(rèn)訂單有效，拒絕發(fā)貨。這里的問題，也許并不一定是商家奸詐，而是系統(tǒng)技術(shù)層面存在超發(fā)風(fēng)險導(dǎo)致的。
1. 超發(fā)的原因
假設(shè)某個搶購場景中，我們一共只有100個商品，在最后一刻，我們已經(jīng)消耗了99個商品，僅剩最后一個。這個時候，系統(tǒng)發(fā)來多個并發(fā)請求，這批請求讀取到的商品余量都是99個，然后都通過了這一個余量判斷，最終導(dǎo)致超發(fā)。（同文章前面說的場景）
?
在上面的這個圖中，就導(dǎo)致了并發(fā)用戶B也“搶購成功”，多讓一個人獲得了商品。這種場景，在高并發(fā)的情況下非常容易出現(xiàn)。
2. 悲觀鎖思路
解決線程安全的思路很多，可以從“悲觀鎖”的方向開始討論。
悲觀鎖，也就是在修改數(shù)據(jù)的時候，采用鎖定狀態(tài)，排斥外部請求的修改。遇到加鎖的狀態(tài)，就必須等待。
?
雖然上述的方案的確解決了線程安全的問題，但是，別忘記，我們的場景是“高并發(fā)”。也就是說，會很多這樣的修改請求，每個請求都需要等待“鎖”，某些線程可能永遠(yuǎn)都沒有機(jī)會搶到這個“鎖”，這種請求就會死在那里。同時，這種請求會很多，瞬間增大系統(tǒng)的平均響應(yīng)時間，結(jié)果是可用連接數(shù)被耗盡，系統(tǒng)陷入異常。
3. FIFO隊列思路
那好，那么我們稍微修改一下上面的場景，我們直接將請求放入隊列中的，采用FIFO（First Input First Output，先進(jìn)先出），這樣的話，我們就不會導(dǎo)致某些請求永遠(yuǎn)獲取不到鎖。看到這里，是不是有點強(qiáng)行將多線程變成單線程的感覺哈。
?
然后，我們現(xiàn)在解決了鎖的問題，全部請求采用“先進(jìn)先出”的隊列方式來處理。那么新的問題來了，高并發(fā)的場景下，因為請求很多，很可能一瞬間將隊列內(nèi)存“撐爆”，然后系統(tǒng)又陷入到了異常狀態(tài)。或者設(shè)計一個極大的內(nèi)存隊列，也是一種方案，但是，系統(tǒng)處理完一個隊列內(nèi)請求的速度根本無法和瘋狂涌入隊列中的數(shù)目相比。也就是說，隊列內(nèi)的請求會越積累越多，最終Web系統(tǒng)平均響應(yīng)時候還是會大幅下降，系統(tǒng)還是陷入異常。
4. 樂觀鎖思路
這個時候，我們就可以討論一下“樂觀鎖”的思路了。樂觀鎖，是相對于“悲觀鎖”采用更為寬松的加鎖機(jī)制，大都是采用帶版本號（Version）更新。實現(xiàn)就是，這個數(shù)據(jù)所有請求都有資格去修改，但會獲得一個該數(shù)據(jù)的版本號，只有版本號符合的才能更新成功，其他的返回?fù)屬徥 ＿@樣的話，我們就不需要考慮隊列的問題，不過，它會增大CPU的計算開銷。但是，綜合來說，這是一個比較好的解決方案。
?
有很多軟件和服務(wù)都“樂觀鎖”功能的支持，例如Redis中的watch就是其中之一。通過這個實現(xiàn)，我們保證了數(shù)據(jù)的安全。
小結(jié)
互聯(lián)網(wǎng)正在高速發(fā)展，使用互聯(lián)網(wǎng)服務(wù)的用戶越多，高并發(fā)的場景也變得越來越多。電商秒殺和搶購，是兩個比較典型的互聯(lián)網(wǎng)高并發(fā)場景。雖然我們解決問題的具體技術(shù)方案可能千差萬別，但是遇到的挑戰(zhàn)卻是相似的，因此解決問題的思路也異曲同工。
轉(zhuǎn)載于:https://www.cnblogs.com/yangyi1024/p/6417632.html
總結(jié)
- 上一篇： Implementing Synchro
- 下一篇： Python Json序列化与反序列化