基于 Springboot + Redis + Kafka 的秒杀系统，乐观锁 + 缓存 + 限流 + 异步

# 如何设计一个秒杀系统 ## 系统的特点 - 高性能：秒杀涉及大量的并发读和并发写，因此支持高并发访问这点非常关键 - 一致性：秒杀商品减库存的实现方式同样关键，有限数量的商品在同一时刻被很多倍的请求同时来减库存，在大并发更新的过程中都要保证数据的准确性。 - 高可用：秒杀时会在一瞬间涌入大量的流量，为了避免系统宕机，保证高可用，需要做好流量限制 ## 优化思路 - 后端优化：将请求尽量拦截在系统上游 - 限流：屏蔽掉无用的流量，允许少部分流量走后端。假设现在库存为 10，有 1000 个购买请求，最终只有 10 个可以成功，99% 的请求都是无效请求 - 削峰：秒杀请求在时间上高度集中于某一个时间点，瞬时流量容易压垮系统，因此需要对流量进行削峰处理，缓冲瞬时流量，尽量让服务器对资源进行平缓处理 - 异步：将同步请求转换为异步请求，来提高并发量，本质也是削峰处理 - 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会创建订单，因此可以将商品信息放在缓存中，减少数据库查询 - 负载均衡：利用 Nginx 等使用多个服务器并发处理请求，减少单个服务器压力 - 前端优化： - 限流：前端答题或验证码，来分散用户的请求 - 禁止重复提交：限定每个用户发起一次秒杀后，需等待才可以发起另一次请求，从而减少用户的重复请求 - 本地标记：用户成功秒杀到商品后，将提交按钮置灰，禁止用户再次提交请求 - 动静分离：将前端静态数据直接缓存到离用户最近的地方，比如用户浏览器、CDN 或者服务端的缓存中 - 防作弊优化： - 隐藏秒杀接口：如果秒杀地址直接暴露，在秒杀开始前可能会被恶意用户来刷接口，因此需要在没到秒杀开始时间不能获取秒杀接口，只有秒杀开始了，才返回秒杀地址 url 和验证 MD5，用户拿到这两个数据才可以进行秒杀 - 同一个账号多次发出请求：在前端优化的禁止重复提交可以进行优化；也可以使用 Redis 标志位，每个用户的所有请求都尝试在 Redis 中插入一个 `userId_secondsKill` 标志位，成功插入的才可以执行后续的秒杀逻辑，其他被过滤掉，执行完秒杀逻辑后，删除标志位 - 多个账号一次性发出多个请求：一般这种请求都来自同一个 IP 地址，可以检测 IP 的请求频率，如果过于频繁则弹出一个验证码 - 多个账号不同 IP 发起不同请求：这种一般都是僵尸账号，检测账号的活跃度或者等级等信息，来进行限制。比如微博抽奖，用 iphone 的年轻女性用户中奖几率更大。通过用户画像限制僵尸号无法参与秒杀或秒杀不能成功 ## 代码优化 代码整体思路参考的 [@crossoverJie](<https://github.com/crossoverJie>)，做了以下几点变动 1. 将 SSM 换成 SpringBoot，开箱即用，替换 Mapper XML 为注解，去掉 Dubbo 和 Zookeeper 2. 原项目中依赖了开发者自己的开源包 [distributed-redis-tool](<https://github.com/crossoverJie/distributed-redis-tool>)，本项目将用到的限流部分直接集成到代码中 3. 加入缓存预热，在秒杀开始前，将库存信息读到缓存中，并暴露数据库和缓存重置方法便于服务器部署压测 4. 缓存更新逻辑中加入 Redis 事务，避免脏数据 5. 将 Kafka-client 替换为 spring-kafka，自动配置，通过 KafkaTemplate 和 Listen 进行消息的生产和消费，采用 Gson 进行 Kafka 消息序列化和反序列化，精简大量代码 ### Jmeter 压测  **测试流程如下：** 首先下载 JMeter 安装包 可以去官网下载：http://jmeter.apache.org windows 环境下载 zip 安装包，然后将下载的文件进行解压，进入 bin 目录运行 jmeter.bat 即可。 接下来是 Jmeter 测试计划设置: （1）在测试计划上右键新建一个线程组  线程组属性内可以修改线程数、Ramp-Up 时间和循环次数。  （2）在线程组上右键添加 HTTP 请求  其属性包括 WEB 服务器的协议、服务器名称或 IP 和端口号，HTTP 请求的方法和路径。  （3）在HTTP请求上右键添加一个监听器，可以根据自己的需求添加汇总报告、查看结果树等等。  如下图所示为汇总报告，可以查看异常比例和吞吐量，方便调优。  这样一个简单的 Jmeter 测试计划就算添加完了。一个 HTTP 请求对应一个接口，可以添加多个 HTTP 请求 以达到多个接口同时检测的需求。 ### 0. 基本秒杀逻辑 ```java @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}") ``` ### 1. 乐观锁更新库存，解决超卖问题 超卖问题出现的场景  悲观锁虽然可以解决超卖问题，但是加锁的时间可能会很长，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，更失败就直接返回抢购失败，可以承受较高并发  ```java @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}") ``` ### 2. Redis 计数限流 根据前面的优化分析，假设现在�