本人花费半年的时间总结的《Java面试指南》已拿腾讯等大厂offer，已开源在github ，欢迎star！
点击上方“后端技术精选”，选择“置顶公众号”
技术文章第一时间送达！
github.com/coderliguoqing/distributed-seckill/
分析，在做秒杀系统的设计之初，一直在思考如何去设计这个秒杀系统，使之在现有的技术基础和认知范围内，能够做到最好；同时也能充分的利用公司现有的中间件来完成系统的实现。
我们都知道，正常去实现一个WEB端的秒杀系统，前端的处理和后端的处理一样重要；前端一般会做CDN，后端一般会做分布式部署，限流，性能优化等等一系列的操作，并完成一些网络的优化，比如IDC多线路（电信、联通、移动）的接入，带宽的升级等等。而由于目前系统前端是基于微信小程序，所以关于前端部分的优化就尽可能都是在代码中完成，CDN这一步就可以免了；
关于秒杀的更多思考在原有的秒杀架构的基础上新增了新的实现方案
原有方案：
通过分布式锁的方式控制最终库存不超卖，并控制最终能够进入到下单环节的订单，入到队列中慢慢去消费下单
新增方案
请求进来之后，通过活动开始判断和重复秒杀判断之后，即进入到消息队列，然后在消息的消费端去做库存判断等操作，通过消息队列达到削峰的操作
其实，我觉得两种方案都是可以的，只是具体用在什么样的场景；原有方案更适合流量相对较小的平台，而且整个流程也会更加简单；而新增方案则是许多超大型平台采用的方案，通过消息队列达到削峰的目的；而这两种方案都加了真实能进入的请求限制，通过redis的原子自增来记录请求数，当请求量达到库存的n倍时，后面再进入的请求，则直接返回活动太火爆的提示。
架构介绍
架构介绍 后端项目是基于SpringCloud+SpringBoot搭建的微服务框架架构
前端在微信小程序商城上
核心支撑组件
关于秒杀的场景特点分析
秒杀系统的场景特点
1、秒杀时大量用户会在同一时间同时进行抢购，网站瞬时访问流量激增；
2、秒杀一般是访问请求量远远大于库存数量，只有少部分用户能够秒杀成功；
3、秒杀业务流程比较简单，一般就是下订单操作；
秒杀架构的设计理念
限流：鉴于只有少部分用户能够秒杀成功，所以要限制大部分流量，只允许少部分流量进入服务后端（暂未处理）；
削峰：对于秒杀系统瞬时的大量用户涌入，所以在抢购开始会有很高的瞬时峰值。实现削峰的常用方法有利用缓存或者消息中间件等技术；
异步处理：对于高并发系统，采用异步处理模式可以极大地提高系统并发量，异步处理就是削峰的一种实现方式；
内存缓存：秒杀系统最大的瓶颈最终都可能会是数据库的读写，主要体现在的磁盘的I/O，性能会很低，如果能把大部分的业务逻辑都搬到缓存来处理，效率会有极大的提升；
可拓展：如果需要支持更多的用户或者更大的并发，将系统设计为弹性可拓展的，如果流量来了，拓展机器就好；
秒杀设计思路
由于前端是属于小程序端，所以不存在前端部分的访问压力，所以前端的访问压力就无从谈起；
1、秒杀相关的活动页面相关的接口，所有查询能加缓存的，全部添加redis的缓存；
2、活动相关真实库存、锁定库存、限购、下单处理状态等全放redis；
3、当有请求进来时，首先通过redis原子自增的方式记录当前请求数，当请求超过一定量，比如说库存的10倍之后，后面进入的请求则直接返回活动太火爆的响应；而能进入抢购的请求，则首先进入活动ID为粒度的分布式锁，第一步进行用户购买的重复性校验，满足条件进入下一步，否则返回已下单的提示；整
4、第二步，判断当前可锁定的库存是否大于购买的数量，满足条件进入下一步，否则返回已售罄的提示；
5、第三步，锁定当前请求的购买库存，从锁定库存中减除，并将下单的请求放入kafka消息队列；
6、第四步，在redis中标记一个polling的key（用于轮询的请求接口判断用户是否下订单成功），在kafka消费端消费完成创建订单之后需要删除该key，并且维护一个活动id+用户id的key，防止重复购买；
7、第五步，消息队列消费，创建订单，创建订单成功则扣减redis中的真实库存，并且删除polling的key。如果下单过程出现异常，则删除限购的key，返还锁定库存，提示用户下单失败；
8、第六步，提供一个轮询接口，给前端在完成抢购动作后，检查最终下订单操作是否成功，主要判断依据是redis中的polling的key的状态；
9、整个流程会将所有到后端的请求拦截的在redis的缓存层面，除了最终能下订单的库存限制订单会与数据库存在交互外，基本上无其他的交互，将数据库I/O压力降到了最低；
关于限流
SpringCloud zuul的层面有很好的限流策略，可以防止同一用户的恶意请求行为
1 zuul:1.2 ratelimit:1.3 key-prefix: your-prefix #对应用来标识请求的key的前缀1.4 enabled: true1.5 repository: REDIS #对应存储类型（用来存储统计信息）1.6 behind-proxy: true#代理之后1.7default-policy: #可选 - 针对所有的路由配置的策略，除非特别配置了policies1.8 limit: 10#可选 - 每个刷新时间窗口对应的请求数量限制1.9 quota: 1000#可选- 每个刷新时间窗口对应的请求时间限制（秒）1.10 refresh-interval: 60# 刷新时间窗口的时间，默认值 (秒)1.11 type: #可选 限流方式1.12- user1.13- origin1.14- url1.15 policies:1.16 myServiceId: #特定的路由1.17 limit: 10#可选- 每个刷新时间窗口对应的请求数量限制1.18 quota: 1000#可选- 每个刷新时间窗口对应的请求时间限制（秒）1.19 refresh-interval: 60# 刷新时间窗口的时间，默认值 (秒)1.20 type: #可选 限流方式1.21- user1.22- origin1.23- url关于负载与分流
当一个活动的访问量级特别大的时候，可能从域名分发进来的nginx就算是做了高可用，但实际上最终还是单机在线，始终敌不过超大流量的压力时，我们可以考虑域名的多IP映射。也就是说同一个域名下面映射多个外网的IP，再映射到DMZ的多组高可用的nginx服务上，nginx再配置可用的应用服务集群来减缓压力。
这里也顺带介绍redis可以采用redis cluster的分布式实现方案，同时springcloud hystrix 也能有服务容错的效果；
而关于nxinx、springboot的tomcat、zuul等一系列参数优化操作对于性能的访问提升也是至关重要；
补充说明一点，即使前端是基于小程序实现，但是活动相关的图片资源都放在自己的云盘服务上，所以活动前活动相关的图片资源上传CDN也是至关重要，否则哪怕是你IDC有1G的流量带宽，也会分分钟被吃完；
主要代码实现
周末抽空整理了一个小demo，把主要的业务逻辑抽出来了，由于为了方便处理，暂时是弄成了单体应用，上文中提到的很多的组件并没有全部集成进来，只保留了核心的业务处理逻辑；如有需要，再将一整套的框架开源出来了（包含了微服务后端和分离了的VUE+elementUI+AdminLTE的后台管理框架）；
swagger地址：
http://localhost:8080/swagger-ui.html
git clone 项目后启动即可访问
设置库存参数
{1."stockNum":100,1."stallActivityId":11.}
设置去秒杀参数
{1."stallActivityId": 1,1."purchaseNum": 1,1."openId": "this is a test openId",1."formId": "this is a test formId",1."addressId": 1001.}
设置轮询请求的参数
{1."stallActivityId": 1,1."openId": "this is a test openId"1.}
git地址：
https://github.com/coderliguoqing/distributed-seckill.git
如有不妥之处，欢迎来交流和分享，接受批评和指正。
END
Java面试题专栏
欢迎长按下图关注公众号后端技术精选
原文始发于微信公众号（后端技术精选）：
