Hello！在北京做Java如何做到月薪上万，很简单，只要会秒杀，即可轻松做到月薪上万。
系统的特点
高性能： 秒杀设计大量的并发读和并发写，因此支持高并发访问这点相当的重要。
一致性：秒杀商品减库存的实现方式同样很关键，有限数量的商品在同一时刻被很多倍的请求同时来减少库存，在大并发更新的时候都要保证数据的准确性。
高可用：秒杀系统在一瞬间都会涌入大量的流量，为了避免系统宕机，需要高可用，需要做好流量限制。
优化思路
后端优化：请求拦截在系统的上游。
1. 限流：屏蔽掉无用的流量，允许少部分流量走后端，假设库存现在为10，有1000个购买请求，最终只有10个成功，99%无效。
2. 削峰：秒杀请求在时间上高度集中，一瞬间很容易压垮系统，因此需要对系统进行削峰处理，缓冲流量，尽量让服务器对资源进行平缓处理。
3. 异步：将同步请求转换为异步请求，来提高流量，本质上也是削峰处理。
4. 利用缓存，创建订单时，每次都需要先查询判断库存，只有少部分成功的请求才能创建订单，因此可以把商品信息放入缓存中，减少数据库的压力。
前端优化：
1. 限流：前端答题，或者验证码，来分散用户的请求。
2. 禁止重复提交，限定每个用户发起一次秒杀之后，需要等待才可以发起另外一次请求。从而减少用户重复的请求。
3. 本地标记，用户成功秒杀到商品后，将提交按钮重置为灰色，禁止用户再次提交请求。
4. 动静分离，将前端静态数据直接缓存到用户最贱的地方，例如用户的浏览器中。
反作弊优化：
1. 隐藏秒杀接口，如果秒杀地址直接暴露，在秒杀开始的时候会被恶意用户盗刷接口，因此需要用户在秒杀之后才能拿到url和验证md5.
2. 同一个账号多次发出请求，只有一个生肖。
3. 多个账号一次发出多个请求，直接需要弹出验证码。
4. 多个账号不同ip发起不同请求，通过检测账号活跃度以及等级信息获取参与秒杀的资格。
代码优化
Jmetter压力测试并发量变化图
基本的秒杀逻辑
@Override public int createWrongOrder(int sid) throws Exception { // 数据库校验库存 Stock stock = checkStock(sid); // 扣库存(无锁) saleStock(stock); // 生成订单 int res = createOrder(stock); return res; } private Stock checkStock(int sid) throws Exception { Stock stock = stockService.getStockById(sid); if (stock.getCount() < 1) { throw new RuntimeException("库存不足"); } return stock; } private int saleStock(Stock stock) { stock.setSale(stock.getSale() + 1); stock.setCount(stock.getCount() - 1); return stockService.updateStockById(stock); } private int createOrder(Stock stock) throws Exception { StockOrder order = new StockOrder(); order.setSid(stock.getId()); order.setName(stock.getName()); order.setCreateTime(new Date()); int res = orderMapper.insertSelective(order); if (res == 0) { throw new RuntimeException("创建订单失败"); } return res; } // 扣库存 Mapper 文件 @Update("UPDATE stock SET count = #{count, jdbcType = INTEGER}, name = #{name, jdbcType = VARCHAR}, " + "sale = #{sale,jdbcType = INTEGER},version = #{version,jdbcType = INTEGER} " + "WHERE id = #{id, jdbcType = INTEGER}")
乐观锁更新库存，解决超卖的问题
超卖问题出现场景
悲观锁虽然可以解决超卖问题，但是由于加锁时间更长，会长时间的限制其他用户的访问，导致很多请求等待锁，卡死在这里，如果这种请求很多就会耗尽连接，系统出现异常，乐观锁默认不加锁，可以承受较高并发。
@Override public int createOptimisticOrder(int sid) throws Exception { // 校验库存 Stock stock = checkStock(sid); // 乐观锁更新 saleStockOptimstic(stock); // 创建订单 int id = createOrder(stock); return id; } // 乐观锁 Mapper 文件 @Update("UPDATE stock SET count = count - 1, sale = sale + 1, version = version + 1 WHERE " + "id = #{id, jdbcType = INTEGER} AND version = #{version, jdbcType = INTEGER}")
Redis 限流
当有10个商品，只有1000个并发请求，最终只有10个订单会创建成功，即，990个请求是无效的，所以这里就需要使用限流方法。
@Slf4j public class RedisLimit { private static final int FAIL_CODE = 0; private static Integer limit = 5; /** * Redis 限流 */ public static Boolean limit() { Jedis jedis = null; Object result = null; try { // 获取 jedis 实例 jedis = RedisPool.getJedis(); // 解析 Lua 文件 String script = ScriptUtil.getScript("limit.lua"); // 请求限流 String key = String.valueOf(System.currentTimeMillis() / 1000); // 计数限流 result = jedis.eval(script, Collections.singletonList(key), Collections.singletonList(String.valueOf(limit))); if (FAIL_CODE != (Long) result) { log.info("成功获取令牌"); return true; } } catch (Exception e) { log.error("Limit 获取 Jedis 实例失败：", e); } finally { RedisPool.jedisPoolClose(jedis); } return false; } } // 在 Controller 中，每个请求到来先取令牌，获取到令牌再执行后续操作，获取不到直接返回 ERROR public String createOptimisticLimitOrder(HttpServletRequest request, int sid) { int res = 0; try { if (RedisLimit.limit()) { res = orderService.createOptimisticOrder(sid); } } catch (Exception e) { log.error("Exception: " + e); } return res == 1 ? success : error; }
Redis 缓存商品库存信息更新
即使能够过滤掉大部分请求，但是仍然会有大部分落到数据库中，这里直接使用缓存来减少数据库的使用。以及对数据库的压力。
缓存预热
在秒杀开始前，秒杀商品信息可以缓存到Redis中，那么秒杀开始后可以直接从Redis中获取。
@Component public class RedisPreheatRunner implements ApplicationRunner { @Autowired private StockService stockService; @Override public void run(ApplicationArguments args) throws Exception { // 从数据库中查询热卖商品，商品 id 为 1 Stock stock = stockService.getStockById(1); // 删除旧缓存 RedisPoolUtil.del(RedisKeysConstant.STOCK_COUNT + stock.getCount()); RedisPoolUtil.del(RedisKeysConstant.STOCK_SALE + stock.getSale()); RedisPoolUtil.del(RedisKeysConstant.STOCK_VERSION + stock.getVersion()); //缓存预热 int sid = stock.getId(); RedisPoolUtil.set(RedisKeysConstant.STOCK_COUNT + sid, String.valueOf(stock.getCount())); RedisPoolUtil.set(RedisKeysConstant.STOCK_SALE + sid, String.valueOf(stock.getSale())); RedisPoolUtil.set(RedisKeysConstant.STOCK_VERSION + sid, String.valueOf(stock.getVersion())); } }
缓存和数据一致性
首先看下先更新数据库，再更新缓存策略，假设 A、B 两个线程，A 成功更新数据，在要更新缓存时，A 的时间片用完了，B 更新了数据库接着更新了缓存，这是 CPU 再分配给 A，则 A 又更新了缓存，这种情况下缓存中就是脏数据，具体逻辑如下图所示：
那么，如何避免这个问题呢？就是缓存不做更新，仅做删除，先更新数据库再删除缓存。对于上面的问题，A 更新了数据库，还没来得及删除缓存，B 又更新了数据库，接着删除了缓存，然后 A 删除了缓存，这样只有下次缓存未命中时，才会从数据库中重建缓存，避免了脏数据。但是，也会有极端情况出现脏数据，A 做查询操作，没有命中缓存，从数据库中查询，但是还没来得及更新缓存，B 就更新了数据库，接着删除了缓存，然后 A 又重建了缓存，这时 A 中的就是脏数据，如下图所示。但是这种极端情况需要数据库的写操作前进入数据库，又晚于写操作删除缓存来更新缓存，发生的概率极其小，不过为了避免这种情况，可以为缓存设置过期时间。
安装先更新数据库再删除缓存的策略来执行，代码如下所示
@Override public int createOrderWithLimitAndRedis(int sid) throws Exception { // 校验库存，从 Redis 中获取 Stock stock = checkStockWithRedis(sid); // 乐观锁更新库存和Redis saleStockOptimsticWithRedis(stock); // 创建订单 int res = createOrder(stock); return res; } // Redis 校验库存 private Stock checkStockWithRedisWithDel(int sid) throws Exception { Integer count = null; Integer sale = null; Integer version = null; List<String> data = RedisPoolUtil.listGet(RedisKeysConstant.STOCK + sid); if (data.size() == 0) { // Redis 不存在，先从数据库中获取，再放到 Redis 中 Stock newStock = stockService.getStockById(sid); RedisPoolUtil.listPut(RedisKeysConstant.STOCK + newStock.getId(), String.valueOf(newStock.getCount()), String.valueOf(newStock.getSale()), String.valueOf(newStock.getVersion())); count = newStock.getCount(); sale = newStock.getSale(); version = newStock.getVersion(); } else { count = Integer.parseInt(data.get(0)); sale = Integer.parseInt(data.get(1)); version = Integer.parseInt(data.get(2)); } if (count < 1) { log.info("库存不足"); throw new RuntimeException("库存不足 Redis currentCount: " + sale); } Stock stock = new Stock(); stock.setId(sid); stock.setCount(count); stock.setSale(sale); stock.setVersion(version); // 此处应该是热更新，但是在数据库中只有一个商品，所以直接赋值 stock.setName("手机"); return stock; } private void saleStockOptimsticWithRedisWithDel(Stock stock) throws Exception { // 乐观锁更新数据库 int res = stockService.updateStockByOptimistic(stock); // 删除缓存，应该使用 Redis 事务 RedisPoolUtil.del(RedisKeysConstant.STOCK + stock.getId()); log.info("删除缓存成功"); if (res == 0) { throw new RuntimeException("并发更新库存失败"); } }
由于使用了乐观锁更新数据库，因此在使用先更新数据库数据再更新缓存的方式，实际情况是：
@Override public int createOrderWithLimitAndRedis(int sid) throws Exception { // 校验库存，从 Redis 中获取 Stock stock = checkStockWithRedis(sid); // 乐观锁更新库存和Redis saleStockOptimsticWithRedis(stock); // 创建订单 int res = createOrder(stock); return res; } // Redis 中校验库存 private Stock checkStockWithRedis(int sid) throws Exception { Integer count = Integer.parseInt(RedisPoolUtil.get(RedisKeysConstant.STOCK_COUNT + sid)); Integer sale = Integer.parseInt(RedisPoolUtil.get(RedisKeysConstant.STOCK_SALE + sid)); Integer version = Integer.parseInt(RedisPoolUtil.get(RedisKeysConstant.STOCK_VERSION + sid)); if (count < 1) { log.info("库存不足"); throw new RuntimeException("库存不足 Redis currentCount: " + sale); } Stock stock = new Stock(); stock.setId(sid); stock.setCount(count); stock.setSale(sale); stock.setVersion(version); // 此处应该是热更新，但是在数据库中只有一个商品，所以直接赋值 stock.setName("手机"); return stock; } // 更新 DB 和 Redis private void saleStockOptimsticWithRedis(Stock stock) throws Exception { int res = stockService.updateStockByOptimistic(stock); if (res == 0){ throw new RuntimeException("并发更新库存失败") ; } // 更新 Redis StockWithRedis.updateStockWithRedis(stock); } // Redis 多个写入操作的事务 public static void updateStockWithRedis(Stock stock) { Jedis jedis = null; try { jedis = RedisPool.getJedis(); // 开始事务 Transaction transaction = jedis.multi(); // 事务操作 RedisPoolUtil.decr(RedisKeysConstant.STOCK_COUNT + stock.getId()); RedisPoolUtil.incr(RedisKeysConstant.STOCK_SALE + stock.getId()); RedisPoolUtil.incr(RedisKeysConstant.STOCK_VERSION + stock.getId()); // 结束事务 List<Object> list = transaction.exec(); } catch (Exception e) { log.error("updateStock 获取 Jedis 实例失败：", e); } finally { RedisPool.jedisPoolClose(jedis); } }
kafak 异步
服务器的资源是恒定的，你用或者不用它的处理能力都是一样的，所以出现峰值的话，很容易导致忙到处理不过来，闲的时候却又没有什么要处理，因此可以通过削峰来延缓用户请求的发出，让服务端处理变得更加平稳。
项目中采用的是用消息队列 Kafka 来缓冲瞬时流量，将同步的直接调用转成异步的间接推送，中间通过一个队列在一端承接瞬时的流量洪峰，在另一端平滑地将消息推送出去。
// 向 Kafka 发送消息 public void createOrderWithLimitAndRedisAndKafka(int sid) throws Exception { // 校验库存 Stock stock = checkStockWithRedis(sid); // 下单请求发送至 kafka，需要序列化 stock kafkaTemplate.send(kafkaTopic, gson.toJson(stock)); log.info("消息发送至 Kafka 成功"); } // 监听器从 Kafka 拉取消息 public class ConsumerListen { private Gson gson = new GsonBuilder().create(); @Autowired private OrderService orderService; @KafkaListener(topics = "SECONDS-KILL-TOPIC") public void listen(ConsumerRecord<String, String> record) throws Exception { Optional<?> kafkaMessage = Optional.ofNullable(record.value()); // Object -> String String message = (String) kafkaMessage.get(); // 反序列化 Stock stock = gson.fromJson((String) message, Stock.class); // 创建订单 orderService.consumerTopicToCreateOrderWithKafka(stock); } } // Kafka 消费消息执行创建订单业务 public int consumerTopicToCreateOrderWithKafka(Stock stock) throws Exception { // 乐观锁更新库存和 Redis saleStockOptimsticWithRedis(stock); int res = createOrder(stock); if (res == 1) { log.info("Kafka 消费 Topic 创建订单成功"); } else { log.info("Kafka 消费 Topic 创建订单失败"); } return res; }
总结
其实掌握了上面这些知识呢，要达到月薪两万我个人认为还是很容易的哈~
看完如果觉得对你有帮助的话，记得转发后点个关注哦，每天好文更新~
