千万级高并发秒杀系统设计套路！超详细解读~~

曾经有一家巨头公司和我们公司进行战略合作，经过双方的不懈努力及精诚合作，双方公司决定共同举办一场秒杀活动，我们公司提供优质商品和强有力的吸引价格以及使用场景，对方公司提供巨大的用户流量，再加上我们公司自己的用户流量，粗略估算下来有 5000 万的用户流量。

其实，当时我们的架构是完全支撑不了千万级流量的瞬时冲击的，但是双方老板已经达成协议就要快速干起来，而且给了一个基本无法完成的时间期限。

由于时间紧急，我们公司技术部召开了紧急会议，最终得出结论就是在原有架构基础上增加秒杀的相关接口，增加两个 H5 页面作为前端秒杀活动的承接页面，然后等待洪水般流量的到来。

当秒杀活动真正开始时，流量远超过我们的估算，很快就卡住不动了，后台服务器内存、CPU、数据库负载等全满负荷了。期间，正常下单的用户也不能正常访问公司 App 以及下单。不难猜出，这个结果老板肯定是不满意的，要求必须解决，不能终止本次活动。

最后的解决办法是：使用金钱来砸——立刻增加 120 多台云服务器来承载当时的秒杀活动。那次活动对于技术部门来讲无疑是一个痛苦的经历，也是一个“不光彩”的经历。于是，后面增加了针对秒杀架构的设计。

1

需求分析

“秒杀”这个词在电商行业中出现的频率较高，如京东或者淘宝平台的各种“秒杀”活动，最典型的就是“双 11 抢购”。

“秒杀”是指在有限的时间内对有限的商品数量进行抢购的一种行为，这是商家以“低价量少”的商品来获取用户的一种营销手段。

01. 功能性需求

其实，整个秒杀的业务场景并不复杂，可即查看参与秒杀的商品信息，加上购买和支付的动作，如下图所示。

秒杀业务最大的挑战在于 3 点：

• 瞬时：持续时间极短，对于热门且具备极强竞争力的商品通常只有一秒。

• 流量巨大：因为价格低廉，商品性价比高，而且正常买是需要很高的价格，所以才会吸引大量的用户来争抢。

• 数量有限：因为商品的低价且性价比高，所以只有很有限的商品数量参与秒杀。

同时，在保证高并发流量承接的前提下，为了增强用户的体验和活动规则的公平性，以及防止遭到恶意破坏等，特此增加如下需求：

（1）用户在秒杀页面无需一直刷新“抢购”按钮，待秒杀活动开始时，按钮自动点亮。

（2）在公平以及防止恶意破坏的原则下，在下单之前增加验证码的录入，或者答题的相关环节。

（3）库存不能出现问题，即不多扣也不少扣。

（4）整个秒杀活动过程持续 10 分钟。

02. 性能指标预估

通过秒杀的需求描述可得出，当前秒杀活动主要需要预估三块的性能指标：存储容量、并发量、网络带宽。

1）存储容量

由于是秒杀活动，且参与的商品基本都是低价高性价比的，数量是非常有限的。所以，在订单存储上基本不用去过多考虑。

2）并发量

针对 5000 万用户平均每人访问 2 次，则并发量为每秒 16.7 万左右（5000w*2/10*60）,在预留一部分，可以预估到每秒 25 万左右（也可以进行 double 下）。

3）网络带宽

在带宽方面，需要进行相关优化，采取数据传输越少越好，假设单条传输在 0.5KB，则根据并发量预估网络带宽为：977Mb 左右（25w*0.5KB=122MB*8bit=977Mb）。

03. 非功能性需求

做任何系统都要考虑非功能性需求，特别是公司的核心系统，当前秒杀业务系统非功能性需求主要体现在如下几点：

• 高可用，在秒杀活动的整个持续期间内，都能对用户提供服务。

• 高性能，让每个用户都能感受到极快的秒杀响应，不能出现大批量用户延迟较高的现象。

• 可扩展，当流量比预期更高时，有平滑扩展的策略（也有部分产品设计成友好的拒绝策略）。

2

概要设计

通过对秒杀业务的本身认知以及上面提到的秒杀业务需求，本次秒杀系统需要着重设计如下几点：

（1）动静分离：如何保证用户在不刷新页面的情况下，依然能进行秒杀相关数据的获取且不会耽误秒杀活动的开始。

（2）流量分层，针对巨大流量，如何进行有效的防控，以免造成后台服务的不堪重负，以及如何避免前端页面的卡死。

（3）高可用：如何确保后台持续提供服务。

（4）扣减库存：如何有效扣减库存。

01. 动静分离

动静分离是指，将静态页面与动态页面（或者静态数据与动态数据）解耦分离，用不同系统承载对应流量。这样可以提升整个服务访问性能和可维护性。

商品秒杀页面的静态数据以及动态数据，均是不同的地方提供，如下图所示。

静态数据是指，页面中几乎不怎么变化的数据（即不依据用户的 Cookie、基本信息、地域，及时间等各种属性来生成的数据），例如：

• CSS 和 JavaScript 中的静态文件。

• 活动页中的 HTML 静态文件。

• 图片等相关资源文件。

• 其他与用户信息无关的静态数据。

对于这种分离出来的静态数据可以进行缓存。在缓存之后，这些静态数据的访问效率就提高了，系统也更快了。可以使用代理服务器进行静态数据的缓存。

动态数据是指，依据当前用户属性动态生成的数据，在浏览淘宝首页时，每个用户所看到的商品都是不一样的，这就是淘宝的“千人千面”——针对不同用户做不同的推荐；在百度搜索中是依据不同用户的输入条件，以及用户的习惯给出不同的结果页。这其中的数据就是动态数据。

02. 流量分层

在“秒杀”业务中，商品价格具有强大的吸引力，所以会受到很多用户的关注，但是商品数量是有限的。所以，在千万的用户中可能只有 100 人能得到商品，对于系统来说，有 90%以上的流量属于无效流量。

“秒杀”业务希望有大量的用户来关注“秒杀”活动，但是在用户真正下单时又不能将这些流量全部放过，所以，需要设计一套高效的流量管控方案，来有效地控制请求流量，过滤掉没必要的流量。

对于瞬时流量洪峰可以采用倒三角的分层级逐层控制方式，共分为 CDN、反向代理（Nginx）、后端服务及 DB 这四个层级。接下来，就来看看每一层级是怎么控制流量的，如下图所示。

03. 高可用

要想在整个“秒杀”活动持续期间内，依然能对用户提供良好的体验，则秒杀系统架构在设计时不能设计成单节点的架构。

单节点是所有系统设计中的大忌，因为单节点系统意味着系统的不稳定性较高，可能会出现不可用的情况，会给企业带来直接的损失。在系统设计（特别是“秒杀”这类对高并发要求极高的系统）时，必须保证系统的高可用，如下图所示。

04. 扣减库存

对于“秒杀”活动，通常，公司是不允许商品超卖（即下单成功的数量不能大于商品存存数量）的。一旦超卖，则会给公司造成损失。如果被恶意流量利用，则损失是巨大的。

库存对于电商平台来说是一个重要的业务指标，所以在技术上需要合理设计扣减库存，不能出现“超卖”现象。通常，扣减库存常有以下 3 种方式：

• 下单扣库存：在用户下单后就扣减库存。

• 支付扣库存：用户付完款后再扣减库存。

• 预扣库存：在用户下完订单后，系统会为其锁定库存一段时间，在超过锁定时间后会自动释放锁定的库存。

05. 系统架构设计

根据上面讨论，针对当前秒杀架构如下图所示。

如上架构比较简洁，主要分为以下 5 层。

• 用户层：用户端的展现部分，主要涉及商品的相关信息及当前“秒杀”活动的信息。

• CDN 层：缓存“秒杀”活动的静态资源文件。

• 负载均衡层：拦截请求及分发路由等。

• 服务层：“秒杀”活动的具体交易的相关逻辑处理。

• 基础设施层：数据存储、大数据计算及消息推送相关操作。

其部署架构图如下：

3

详细设计

01. 动静分离设计

实施动静分离架构可以采用“分而治之”的办法，即将动态数据和静态数据解耦，分别使用各自的架构系统来承载对应的流量：

• 对于静态数据，推荐缩短用户请求路径，因为路径越短，访问速度也就越快。另外，即尽可能将静态数据缓存起来。

• 对于动态数据，一般用户端需要和服务端进行交互才能获取，所以，请求路径较长，访问速度会慢一点。下图展示了动静分离方案。

静态数据访问速度很快，而动态数据访问速度较慢。那么试想下，可以将需要动态获取的数据给提前生成好，然后使用静态页面加速技术来访问吗？如果这样可以，那动态数据访问的速度就变快了。

这样是可以的，需要用到比较流行的“页面静态化”技术。页面静态化技术是指，直接缓存 HTTP 连接，而不仅是缓存数据。如下图所示，代理服务器根据请求的 URL 直接将 HTTP 对应的响应头及响应消息体返回，流程简洁且高效。

02. 流量分层设计

流量分层主要体现在对于 CDN 层、反向代理层、后端服务层以及数据层流量进行控制。

1）CDN 层流量控制

由动静分离技术可以想到：应尽量将尽可能多的数据提前生成，然后将其放入 CDN 节点缓存中（因为 CDN 层在物理架构上离用户比较近）。

所以，如果绝大部分的流量都在这一层获取数据，则到达后端的流量会减少很多，如下图所示。

2）反向代理层流量控制

在动静分离方案中，讲到通过“页面静态化技术”加速动态数据的获取，即提前将动态数据生成好，然后对其进行静态化处理。

所以，这里就可以依据页面静态化加速技术，通过后端服务 Job 的方式定时提前生成前端需要静态的数据；然后，将其发送到内容分发服务上；最后，分发服务会将这些静态化页面数据分发到所有的反向代理服务器上，如下图所示。

在“秒杀”业务中，活动详情页上有一个倒计时的模块，用户可以看到当前“秒杀”活动还剩余多少时间开始。

这种逻辑简单的功能可以直接使用 Nginx 来实现：利用 nginx-lua 插件，使用 lua 脚本获取当前 Nginx 服务器的时间进行计算倒计时。

另外，商品库存数据也可以通过 Nginx 直接访问分布式缓存来获取，如下图所示。

“秒杀”业务中的商品价格很低，对于用户有很大的吸引力，所以可能会有人利用“秒杀器”进行不公平竞争，且有可能存在竞争对手恶意刷请求的情况。

如果存在这样的情况，那本次活动就是有风险的，万一被恶意流量独占了库存，则会导致正常用户不能抢购商品，也有可能这种恶意的请求会对后端系统造成严重冲击，甚至造成后端系统瘫痪。

对于这种恶意请求，最好有一套机制能提前感知，并将恶意请求提前封存。可以在 Nginx 层中控制；也可以在 Nginx 中配置用户的访问频率（例如每分钟只能访问 10 次）；还可以使用 Lua 脚本编写一些简单业务逻辑的接口，例如，通过调用接口直接封掉指定 IP 地址或 UserAgent 的请求。

3）后端服务层流量控制

对于服务层的流量控制，有以下几点建议：

• 在程序开发上，代码独立，不要与平台其他项目一起。

• 在部署时，应用独立部署，分散流量，避免不合适的流量影响主体业务。

• 使用独立域名，或者按照一定的 URL 规则在反向代理层进行路由。

• 做好系统保护和限流，进一步减少不必要的流量。

当“到达系统中的请求数”明显大于“系统能够处理的最大请求数”时，可以直接拒绝这些多余的请求，直接返回“秒杀”活动结束的信息。例如，活动开始时的商品库存是 100，目前库存只剩 50 了，如果“每台服务器待处理的请求数”已经超过“商品总库存数（100）”了，则可以直接终止掉多余的请求。

4）数据库层流量控制

对于请求到数据中的流量，写入的流量就是真正下单成功的流量，即需要扣减库存的动作。有如下建议：

• 如果不是临时的活动，则建议使用独立的数据库作为“秒杀”活动的数据库。

• 将数据库配置成读写分离。

• 尝试去除行锁。

对于数据库行锁的优化，可以通过将商品进行拆分来实现——增加 ID，如下图所示。对于单一的“秒杀”活动这会得到显著效果。

从流量分层控制方案可看出，瞬时流量就像被漏斗过滤了似的，应尽量将数据和请求量一层一层地过滤掉。这种流量分层控制核心思想：在不同的层级中尽可能地过滤掉无效的请求，到达“倒三角”最末端的请求才是有效的请求。

5）高可用

在系统设计时想要做到高可用，避免单节点的一个小妙招：将服务无状态化。如果无法完全无状态化（如存储系统），则可以通过冗余多个备份节点的方案来避免单节点。

由于篇幅原因，高可用此处就不再赘述，大家可以查看《高并发系统实战派》一书里面针对高并发系统的真实设计案例，毫无保留的分享出了企业级高并发系统实战。

03. 扣减库存设计

由于在“秒杀”场景中商品一般优惠力度很大，对用户很具有吸引力，所以，在这种场景中使用“下单扣库存”方式更为合适。

在“秒杀”场景中，大部分用户抱着“抢到就是赚到”的想法，基本都会去付款的，但如果真有竞争对手恶意下单不付款，那我们该怎么办？前面在流量管控中已经说到，可以对请求日志进行实时分析，让风控系统选择出恶意用户，然后将其封停。

在“秒杀”场景中，通过流量分层控制可以分层管控大量的“读”请求。但是，依然会有很大的流量进入真正的下单逻辑。对于这么大的流量，除前面说的数据库隔离外，还需要进一步优化库存，否则数据库读/写依然是系统的瓶颈。

接下来看看如何优化大流量“秒杀”场景中的库存数量扣减操作。

1）利用缓存技术

在“秒杀”场景中，如果只是一个扣减库存数量这样的简单流程，则可以先将库存数量直接放在缓存中，然后用分布式缓存（如 Redis）的超高性能去应对这种瞬时流量洪峰下的系统挑战。

使用缓存是存在一定风险的，比如，缓存节点出现了异常，那库存数量该怎么算？

使用缓存，不仅要考虑分布式缓存高可用（如何设计可以查看我的新书“高并发系统实战派”），还要考虑各种限流容错机制，以确保分布式缓存对外提供服务。

2）异步处理技术

如果是复杂的扣减库存（如涉及商品信息本身或牵连其他系统），则建议使用数据库进行库存数量的扣减，可以使用异步的方式来应对这种高并发的库存的更新。

①在用户下单时，不立刻生成订单，而是将所有订单依次放入队列。

②下单模块依据自身的处理速度，从队列中依次获取订单进行“下单扣库存”操作。

③在订单生成成功后，用户即可进行支付操作了。

这种方式是针对“秒杀”场景的，依据“先到先得”原则来保证公平公正，所有用户都可以抢购，然后等待订单处理，最后生成订单（如果库存不足，则生成订单失败）。

这样的逻辑，对用户来说体验不是很差。

具体排队逻辑如下图所示。

4

搭建千万级流量“秒杀”系统需要哪些技术

前面介绍了千万级流量“秒杀”系统的基本架构、“秒杀”系统的设计原则、如何做动静分离方案和流量控制，以及扣减库存方面内容。这些都是设计高并发“秒杀”系统必须要考虑的。

“秒杀”系统的流程并不复杂——只是一个“下单扣库存”的动作，但由于其独特的业务特点，所以在进行系统设计时不能大意。对于瞬时流量洪峰的高并发“秒杀”系统，我们需要什么技术呢？下面来总结一下。

（1）数据的静态化的技术

用来应对高并发读的请求，主要涉及以下内容，这些在《高并发系统实战派》一书中详细分享了真实使用场景已经技术方案：

• 各层级缓存的处理（即多级缓存的技术）

• 分布式缓存技术

（2）负载均衡反向代理技术

• LVS

• Nginx

（3）异步处理技术

• 消息队列技术

• 排队系统技术

（4）系统架构设计技术

• 系统模块化划分

• 微服务架构思想

（5）系统监控技术

• 日志监控

• 服务监控

更多相关内容尽在《高并发系统实战派：集群、Redis 缓存、海量存储、Elasticsearch、RocketMQ、微服务、持续集成等》一书！

 限时下单立减 50，快快扫码抢购吧！