Springboot实战——黑马点评之 秒杀优化

1 秒杀优化

先来复习以下，秒杀优惠券业务的现有实现逻辑：

提升效率的方法我们可以考虑两个方面：
1）引入并发（开启多线程）：主线程负责读取操作，如果读取检验资格通过，则开启另外的线程负责写操作
2）引入Redis缓存：可以将订单信息以及秒杀券信息存入Redis，在Redis中检验资格后，将符合资格的优惠券id+用户id+订单id存入阻塞队列，单独开启第二线程来读取阻塞队列执行写操作，即刻给用户返回下单订单号。

1.1 引入Redis进行资格检验

资格检验分为 检查库存是否充足 以及 用户是否下单过该优惠券 两个操作，如果引入Redis来实现，要考虑：

• 秒杀券库存导入Redis，并且要数据及时更新同步，即 在检验资格通过后需要将Redis中的券库存-1
  

• 下单记录：使用的数据结构需要满足1 集合；2 元素唯一性
• 使用Redis中的set类型来缓存下单该优惠券的用户id集合，并且要保证数据及时更新同步，即 在检验资格通过后需要向set中添加用户id
  

以上所考虑的几点还需要保证操作的原子性，所以使用Redis的Lua脚本来实现。
Lua脚本需要的ARGV参数列表中有两个待定参数，分别是优惠券id 以及 用户id，其他的业务逻辑均调用Redis命令即可实现

-- 1. 参数列表
-- 1.1. 优惠券id 用于查询优惠券库存时的关键字
local voucherId = ARGV[1]
-- 1.2. 用户id 用于将查询下单用户对比
local useId = ARGV[2]

-- 2. 数据key
-- 2.1. 库存key + 业务前缀 拼接 优惠券id
local stockKey = 'seckill:stock:' .. voucherId
-- 2.2 订单key
local orderKey = 'seckill:order:' .. voucherId


-- 3. 业务执行
-- 3.1 首先判断库存是否充足
if(tonumber(redis.call('get', stockKey)) <= 0) then
    -- 3.2 库存不足，返回错误码 1
    return 1
end
-- 3.2. 判断用户是否下单 SISMEMBER orderkey userId
if(redis.call('sismember', orderKey, userId) == 1) then
    -- 3.3 如果存在该用户，说明是重复下单，返回错误码 2
    return 2
end

--3.4 扣库存 incrby stockKey -1
redis.call('incrby', stockKey, -1)
--3.5 下单(插入用户id) sadd orderKey userId
redis.call('sadd', orderKey, userId)

return 0

如果库存不足则返回1(Long)，如果该用户重复下单则返回2(Long)，如果资格检验通过则返回0

如果资格检验通过，则需要保证该有效订单被阻塞队列拿到，后续阻塞式执行成功，所以将“凭证”（封装好用户id、券id、订单id的订单实例）传入阻塞队列，等待异步线程阻塞式读取处理下单业务。

// 这里直接封装成订单实例
VoucherOrder voucherOrder = new VoucherOrder();
voucherOrder.setVoucherId(voucherId);
voucherOrder.setUserId(userId);
voucherOrder.setId(redisIdWorker.nextId("order"));
// 放入阻塞队列 blockingqueue
orderTasks.add(voucherOrder);

1.2 开启异步线程写数据库

需要准备以下几个数据结构：

• 阻塞队列：当一个线程尝试从该队列中获取元素时，当查询到队列为空时会阻塞等待，直到队列中插入元素后被唤醒，不会导致线程空转消耗CPU资源。
• 异步线程实现下单即 开启异步独立线程来阻塞式执行下单业务，所以需要准备1 线程池 2 线程任务
• 线程池常量(单线程线程处理器)，用于提交异步任务

// 线程池/线程处理器 此处创建的是单线程处理器
private static final ExecutorService SECKILL_ORDER_EXECUTOR
                    = Executors.newSingleThreadExecutor();

并且要保证在类初始化，在用户最初调用该接口时就同步开启线程处理器

@PostConstruct
private void init(){
    SECKILL_ORDER_EXECUTOR.submit(new voucherOrderHandler());
}

• 线程任务

// 定义交给线程池执行的业务内容
private class voucherOrderHandler implements Runnable{

    @Override
    public void run(){
       // 该线程执行任务为阻塞式的 当发现队列中存在元素时才进行
       while(true){
           //...这里执行下单的具体业务
           //1. 获取队列中的订单信息
           try {
              VoucherOrder voucherOrder = orderTasks.take();
              // 2. 下单业务
              handleVoucherOrder(voucherOrder);
           } catch (Exception e) {
              log.error("处理订单异常",e);
           }
    }

    }
}

1.3 以上异步实现的弊端

1）内存限制问题：阻塞队列是有JDK内部的，底层使用的是JVM内存，如果有大量的订单信息被存入阻塞队列，将会带来较大内存负担，内存溢出。
2）数据安全问题：JVM内存没有持久化机制。如果服务宕机，内存中的订单信息消失，用户支付状态与后台保存订单状态不一致；或者是 从阻塞队列中取出订单信息后尚未来得及处理下单逻辑，服务宕机了，将会造成订单丢失的问题。

2 Redis消息队列实现异步秒杀

使用Redis消息队列的两个优势：
1）Redis的消息队列是独立于JVM之外的数据结构，不受JVM内存的限制
2）Redis的消息队列可对消息作持久化，保证数据安全性，且封装有消息确认机制，确保了消息至少被消费一次

2.1 Redis实现消息队列的三种方式

• 基于List结构：
  

  
  使用BPOP来阻塞式从Redis的list数据结构中获取队首元素，本质上原理和JDK的阻塞队列一样的。
  
  
  
  
  
  
  
  
  
  
  这样实现的弊端：
  1）无法避免服务宕机导致的消息丢失
  2）只支持单消费者

• 基于PubSub结构
  支持多消费者了，支持多生产、多消费
  

  
  
  
  这样实现的弊端：
  1）不支持数据持久化，发送消息时如果消息无人订阅，消息不会永久存储在Redis中
  2）消息堆积有上限，消费者接收数据有缓存区，如果消息缓存超额，则会造成数据丢失了
  3）无法避免消息丢失

• 基于Stream数据类型
  

  
  
  
  
  
  
  
  如果基于Stream数据类型来实现异步下单业务，则会出现消息漏读问题
  

• 基于Stream的消费者组
  消费者组：将多个消费者划分到一个组中，该组监听同一个队列
  这样设计有以下几个特点：
  1）消息分流：同组内的消费者用来“竞争”同一个队列中的消息，与单消费者相比，加快了处理消息的速度，且消息可回溯
  2）消息标示：消费者组会维护一个标示，记录最后一个被处理的消息，如果服务宕机重启，能从标示之后读取消息，确保每一个消息都被消费成功，避免像单消费者出现漏读消息的问题
  3）消息确认：消费者组当获取到一个消息时，会将消息插入Pending-list中，标志该消息尚未处理，当处理结束后，会通过XACK来确认消息已处理，然后从pending-list中移除
  

  
  当消费者获取到消息时，消息会自动放入pending-list中，等待消费者处理完毕后发出XACK确认后才将其移除
  
  
  
  
  消费者1和2相继从s1队列中读取未读取过的第一条消息，与此同时这些消息均被放入了Pending-list中，等待消息确认Ack
  
  
  

2.2 Stream队列实现异步下单

所以可以将原有的异步下单功能替换成用Stream队列实现：
循环从Stream队列中读取订单信息 -> 消费者组以最后一个被获取的消息标识($)，读取队列中还没被消费的消息，并设置2秒内阻塞式(|block)读取 -> 如果阻塞等待时间内并未拿到最新消息则continue -> 如果阻塞等待时间内获取到新消息，则按下单业务将其处理
捕获异常 -> 意味着此时pending-list中存在已被消费但未被处理完毕的消息 -> 循环从pending-list中获取第0号消息（非阻塞式，0）来尝试继续处理 -> 如果获取到尚未处理过的消息，则按正常下单业务继续处理 -> 如果没有异常中止的消息则结束异常捕获业务
如果捕获异常过程中又遇到异常 -> 继续循环读取pending-list