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，從技術的角度來說，這對於 Web系統是一個巨大的考驗。當一個Web系統，在一秒鐘內收到數以萬計甚至更多請求時，系統的優化和穩定至關重要。這次我們會關注秒殺和搶購的技術實現 和優化，同時，從技術層面揭開，為什麼我們總是不容易搶到火車票的原因？
一、大規模並發帶來的挑戰
在過去的工作中，我曾經面對過5w每秒的高並發秒殺功能，在這個過程中，整個Web系統遇到了很多的問題和挑戰。如果Web系統不做針對性的優化，會輕而易舉地陷入到異常狀態。我們現在一起來討論下，優化的思路和方法哈。
1. 請求接口的合理設計
一個秒殺或者搶購頁面，通常分為2個部分，一個是靜態的HTML等內容，另一個就是參與秒殺的Web後台請求接口。
通常靜態HTML等內容，是通過CDN的部署，一般壓力不大，核心瓶頸實際上在後台請求接口上。這個後端接口，必須能夠支持高並發請求，同時，非常 重要的一點，必須盡可能“快”，在最短的時間裡返回用戶的請求結果。為了實現盡可能快這一點，接口的後端存儲使用內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，如果有這種復雜業務的需求，都建議采用異步寫入。
當然，也有一些秒殺和搶購采用“滯後反饋”，就是說秒殺當下不知道結果，一段時間後才可以從頁面中看到用戶是否秒殺成功。但是，這種屬於“偷懶”行為，同時給用戶的體驗也不好，容易被用戶認為是“暗箱操作”。
2. 高並發的挑戰：一定要“快”
我們通常衡量一個Web系統的吞吐率的指標是QPS（Query Per Second，每秒處理請求數），解決每秒數萬次的高並發場景，這個指標非常關鍵。舉個例子，我們假設處理一個業務請求平均響應時間為100ms，同時， 系統內有20台Apache的Web服務器，配置MaxClients為500個（表示Apache的最大連接數目）。
那麼，我們的Web系統的理論峰值QPS為（理想化的計算方式）：
20*500/0.1 = 100000 （10萬QPS）
咦？我們的系統似乎很強大，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，當然沒有這麼理想。在高並發的實際場景下，機器都處於高負載的狀態，在這個時候平均響應時間會被大大增加。
就Web服務器而言，Apache打開了越多的連接進程，CPU需要處理的上下文切換也越多，額外增加了CPU的消耗，然後就直接導致平均響應時間 增加。因此上述的MaxClient數目，要根據CPU、內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。然後，我們選擇內存操作級別的存儲的Redis，在高並發的狀態下，存儲的響應時間至關重要。網絡帶寬雖然也是一個因素，不過，這種 請求數據包一般比較小，一般很少成為請求的瓶頸。負載均衡成為系統瓶頸的情況比較少，在這裡不做討論哈。
那麼問題來了，假設我們的系統，在5w/s的高並發狀態下，平均響應時間從100ms變為250ms（實際情況，甚至更多）：
20*500/0.25 = 40000 （4萬QPS）
於是，我們的系統剩下了4w的QPS，面對5w每秒的請求，中間相差了1w。
然後，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，結果必定出現大塞車。（5條車道忽然變成4條車道的感覺）
同理，某一個秒內，20*500個可用連接進程都在滿負荷工作中，卻仍然有1萬個新來請求，沒有連接進程可用，系統陷入到異常狀態也是預期之內。
其實在正常的非高並發的業務場景中，也有類似的情況出現，某個業務請求接口出現問題，響應時間極慢，將整個Web請求響應時間拉得很長，逐漸將Web服務器的可用連接數占滿，其他正常的業務請求，無連接進程可用。
更可怕的問題是，是用戶的行為特點，系統越是不可用，用戶的點擊越頻繁，惡性循環最終導致“雪崩”（其中一台Web機器掛了，導致流量分散到其他正常工作的機器上，再導致正常的機器也掛，然後惡性循環），將整個Web系統拖垮。
3. 重啟與過載保護
如果系統發生“雪崩”，貿然重啟服務，是無法解決問題的。最常見的現象是，啟動起來後，立刻掛掉。這個時候，最好在入口層將流量拒絕，然後再將重啟。如果是redis/memcache這種服務也掛了，重啟的時候需要注意“預熱”，並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的准備和想象的。這個時候，過載保護是必要的。如果檢測到系統滿負載狀態，拒絕請求也是一種保護措施。在 前端設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，將過載保護設置在CGI入口層，快速將客戶的直接請求返回。
二、作弊的手段：進攻與防守
秒殺和搶購收到了“海量”的請求，實際上裡面的水分是很大的。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，幫助他們發送盡可 能多的請求到服務器。還有一部分高級用戶，制作強大的自動請求腳本。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，自己的請求數目占比越多，成 功的概率越高。
這些都是屬於“作弊的手段”，不過，有“進攻”就有“防守”，這是一場沒有硝煙的戰斗哈。
1. 同一個賬號，一次性發出多個請求
部分用戶通過浏覽器的插件或者其他工具，在秒殺開始的時間裡，以自己的賬號，一次發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據安全處理的系統裡，也可能造成另外一種破壞，導致某些判斷條件被繞過。例如一個簡單的領取邏輯，先判斷用戶是否有參與記 錄，如果沒有則領取成功，最後寫入到參與記錄中。這是個非常簡單的邏輯，但是，在高並發的場景下，存在深深的漏洞。多個並發請求通過負載均衡服務器，分配 到內網的多台Web服務器，它們首先向存儲發送查詢請求，然後，在某個請求成功寫入參與記錄的時間差內，其他的請求獲查詢到的結果都是“沒有參與記錄”。 這裡，就存在邏輯判斷被繞過的風險。
應對方案：
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，發送N個請求的問題，還保證了後續的邏輯流程的安全。實現方案， 可以通過Redis這種內存緩存服務，寫入一個標志位（只允許1個請求寫成功，結合watch的樂觀鎖的特性），成功寫入的則可以繼續參加。
或者，自己實現一個服務，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，一次性發送多個請求
很多公司的賬號注冊功能，在發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，也導致了出現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“僵屍賬號”，數量龐大，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“僵屍粉“的來源）。舉個例子，例如微博中有轉 發抽獎的活動，如果我們使用幾萬個“僵屍號”去混進去轉發，這樣就可以大大提升我們中獎的概率。
這種賬號，使用在秒殺和搶購裡，也是同一個道理。例如，iPhone官網的搶購，火車票黃牛黨。
應對方案：
這種場景，可以通過檢測指定機器IP請求頻率就可以解決，如果發現某個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發送不同請求
所謂道高一尺，魔高一丈。有進攻，就會有防守，永不休止。這些“工作室”，發現你對單機IP請求頻率有控制之後，他們也針對這種場景，想出了他們的“新進攻方案”，就是不斷改變IP。
有同學會好奇，這些隨機IP服務怎麼來的。有一些是某些機構自己占據一批獨立IP，然後做成一個隨機代理IP的服務，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作，只做一件事情，就是轉發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立IP，然後搭建為隨機IP服務，就是為了掙錢。
應對方案：
說實話，這種場景下的請求，和真實用戶的行為，已經基本相同了，想做分辨很困難。再做進一步的限制很容易“誤傷“真實用戶，這個時候，通常只能通過設置業務門檻高來限制這種請求了，或者通過賬號行為的”數據挖掘“來提前清理掉它們。
僵屍賬號也還是有一些共同特征的，例如賬號很可能屬於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。根據這些特點，適當設置參與門檻，例如限制參與秒殺的賬號等級。通過這些業務手段，也是可以過濾掉一些僵屍號。
4. 火車票的搶購
看到這裡，同學們是否明白你為什麼搶不到火車票？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，部分強大的黃牛，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軟件服務，真人浏覽圖片並填寫下真實驗證碼，返回給中轉軟件。對於這種方式，驗證碼的保護限制作用被廢除了，目前也沒有很好的解決方案。
因為火車票是根據身份證實名制的，這裡還有一個火車票的轉讓操作方式。大致的操作方式，是先用買家的身份證開啟一個搶票工具，持續發送請求，黃牛賬 號選擇退票，然後黃牛買家成功通過自己的身份證購票成功。當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移到買家的身份證下。
解決方案：
並沒有很好的解決方案，唯一可以動心思的也許是對賬號數據進行“數據挖掘”，這些黃牛賬號也是有一些共同特征的，例如經常搶票和退票，節假日異常活躍等等。將它們分析出來，再做進一步處理和甄別。
三、高並發下的數據安全
我們知道在多線程寫入同一個文件的時候，會存現“線程安全”的問題（多個線程同時運行同一段代碼，如果每次運行結果和單線程運行的結果是一樣的，結 果和預期相同，就是線程安全的）。如果是MySQL數據庫，可以使用它自帶的鎖機制很好的解決問題，但是，在大規模並發的場景中，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”，如果在這方面控制不慎，會產生發送過多的情況。我們也曾經聽說過，某些電商搞搶購活動，買家成 功拍下後，商家卻不承認訂單有效，拒絕發貨。這裡的問題，也許並不一定是商家奸詐，而是系統技術層面存在超發風險導致的。
1. 超發的原因
假設某個搶購場景中，我們一共只有100個商品，在最後一刻，我們已經消耗了99個商品，僅剩最後一個。這個時候，系統發來多個並發請求，這批請求讀取到的商品余量都是99個，然後都通過了這一個余量判斷，最終導致超發。（同文章前面說的場景）
在上面的這個圖中，就導致了並發用戶B也“搶購成功”，多讓一個人獲得了商品。這種場景，在高並發的情況下非常容易出現。
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，也就是在修改數據的時候，采用鎖定狀態，排斥外部請求的修改。遇到加鎖的狀態，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“高並發”。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 些線程可能永遠都沒有機會搶到這個“鎖”，這種請求就會死在那裡。同時，這種請求會很多，瞬間增大系統的平均響應時間，結果是可用連接數被耗盡，系統陷入 異常。
3. FIFO隊列思路
那好，那麼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，先進先出），這樣的話，我們就不會導致某些請求永遠獲取不到鎖。看到這裡，是不是有點強行將多線程變成單線程的感覺哈。
然後，我們現在解決了鎖的問題，全部請求采用“先進先出”的隊列方式來處理。那麼新的問題來了，高並發的場景下，因為請求很多，很可能一瞬間將隊列 內存“撐爆”，然後系統又陷入到了異常狀態。或者設計一個極大的內存隊列，也是一種方案，但是，系統處理完一個隊列內請求的速度根本無法和瘋狂湧入隊列中 的數目相比。也就是說，隊列內的請求會越積累越多，最終Web系統平均響應時候還是會大幅下降，系統還是陷入異常。
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，是相對於“悲觀鎖”采用更為寬松的加鎖機制，大都是采用帶版本號（Version）更 新。實現就是，這個數據所有請求都有資格去修改，但會獲得一個該數據的版本號，只有版本號符合的才能更新成功，其他的返回搶購失敗。這樣的話，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，我們保證了數據的安全。
四、小結
互聯網正在高速發展，使用互聯網服務的用戶越多，高並發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網高並發場景。雖然我們解決問題的具體技術方案可能千差萬別，但是遇到的挑戰卻是相似的，因此解決問題的思路也異曲同工。
轉載自：http://www.csdn.net/article/2014-11-28/2822858
