毕业项目 - 设计电商秒杀系统
1 概述
【业务背景】
作为电商创业公司的架构师,负责设计 6.18 大促秒杀系统的设计,当前公司业务模式如下:
挑选选品各大电商平台上畅销和好评的商品进行销售,每个品类不超过 20 个商品,目前做了 10 个品类;
本次 6.18 秒杀选择了 1000 个充电宝,10 台 Iphone 12 作为秒杀商品;
正常的日活大约 100 万用户;
老板要求秒杀活动万无一失。
【技术背景】
当前公司技术团队以 Java 为主,已经落地了微服务架构;
主要渠道是自有的 App(包括 IOS 和 Android)和微信小程序,为了促进用户转化为 App 用户,只有下载 App 才能参加秒杀活动;
目前只有单机房。
2 架构概览
3 存储架构
3.1 存储性能估算
【注册】
近 300 万的注册用户注册用户。
【登录】
平日用户登录约 30%,近 90 万的日活用户。
【秒杀】
商品查看:秒杀当日,活动开始前后的 30 分钟,用户登录约 80%,秒杀期间访问 TPS: 240 万/3600 约等于 600+QPS。
购买商品:瞬时抢购,带来的瞬时 TPS 最大为 1000;所有秒杀请求进入消息队列,只有最靠前的 1000 个请求才会进入数据库。
3.2 存储架构
【关系数据】
【缓存数据】
4 计算架构
4.1 计算性能估算
【注册】
每日注册新用户不到 1 万,可以忽略不计。
【登录】
平日用户登录约 30%,近 90 万的日活用户。
【秒杀】
商品查看:秒杀当日,活动开始前后的 30 分钟,用户登录约 80%,秒杀期间访问 TPS: 240 万/3600 约等于 600+QPS。
购买商品:瞬时抢购,带来的瞬时 TPS 最大为 1000;所有秒杀请求进入消息队列,只有最靠前的 1000 个请求才会进入数据库,约 1000TPS。
4.2 计算性能架构
4.3 计算性能缓存架构
5 可扩展架构
【微服务拆分】
6 高可用架构
【同城灾备架构】
7 大数据架构
在百万架构数据分析选择 ClickHouse,可以支撑各种场景数据统计分析
支持类 SQL 查询
支持繁多的库函数
支持数据异地复制与部署
满足大数据运营场景
评论