Redis优化高并发下的秒杀性能

开发 架构 Redis
随着双11的临近,各种促销活动开始变得热门起来,比较主流的有秒杀、抢优惠券、拼团等等。涉及到高并发争抢同一个资源的主要场景有秒杀和抢优惠券。

 本文内容

  • 使用Redis优化高并发场景下的接口性能
  • 数据库乐观锁

[[280829]]

随着双11的临近,各种促销活动开始变得热门起来,比较主流的有秒杀、抢优惠券、拼团等等。

涉及到高并发争抢同一个资源的主要场景有秒杀和抢优惠券。

前提

活动规则

  • 奖品数量有限,比如100个
  • 不限制参与用户数
  • 每个用户只能参与1次秒杀

活动要求

  • 不能多发,也不能少发,100个奖品要全部发出去
  • 1个用户最多抢1个奖品
  • 遵循先到先得原则,先来的用户有奖品

数据库实现

悲观锁性能太差,本文不予讨论,讨论一下使用乐观锁解决高并发问题的优缺点。

数据库结构

  • 未中奖时UserId为0,RewardAt为NULL
  • 中奖时UserId为中奖用户ID,RewardAt为中奖时间

乐观锁实现

乐观锁实际上并不存在真正的锁,乐观锁是利用数据的某个字段来做的,比如本文的例子就是以UserId来实现的。

实现流程如下:

1.查询UserId为0的奖品,如果未找到则提示无奖品

  1. SELECT * FROM envelope WHERE user_id=0 LIMIT 1 

2.更新奖品的用户ID和中奖时间(假设奖品ID为1,中奖用户ID为100,当前时间为2019-10-29 12:00:00),这里的user_id=0就是我们的乐观锁了。

  1. UPDATE envelope SET user_id=100, reward_at='2019-10-29 12:00:00' WHERE user_id=0 AND id=1 

3.检测UPDATE语句的执行返回值,如果返回1证明中奖成功,否则证明该奖品被其他人抢了

为什么要添加乐观锁

正常情况下获取奖品、然后把奖品更新给指定用户是没问题的。如果不添加user_id=0时,高并发场景下会出现下面的问题:

  1. 两个用户同时查询到了1个未中奖的奖品(发生并发问题)
  2. 将奖品的中奖用户更新为用户1,更新条件只有ID=奖品ID
  3. 上述SQL执行是成功的,影响行数也是1,此时接口会返回用户1中奖
  4. 接下来将中奖用户更新为用户2,更新条件也只有ID=奖品ID
  5. 由于是同一个奖品,已经发给用户1的奖品会重新发放给用户2,此时影响行数为1,接口返回用户2也中奖
  6. 所以该奖品的最终结果是发放给用户2
  7. 用户1就会过来投诉活动方了,因为抽奖接口返回用户1中奖,但他的奖品被抢了,此时活动方只能赔钱了

添加乐观锁之后的抽奖流程

  1. 更新用户1时的条件为id=红包ID AND user_id=0 ,由于此时红包未分配给任何人,用户1更新成功,接口返回用户1中奖
  2. 当更新用户2时更新条件为id=红包ID AND user_id=0,由于此时该红包已经分配给用户1了,所以该条件不会更新任何记录,接口返回用户2中奖

乐观锁优缺点

优点

  • 性能尚可,因为无锁
  • 不会超发

缺点

  • 通常不满足“先到先得”的活动规则,一旦发生并发,就会发生未中奖的情况,此时奖品库还有奖品

压测

在MacBook Pro 2018上的压测表现如下(Golang实现的HTTP服务器,MySQL连接池大小100,Jmeter压测):

  • 500并发 500总请求数 平均响应时间331ms 发放成功数为31 吞吐量458.7/s

Redis实现

可以看到乐观锁的实现下争抢比太高,不是推荐的实现方法,下面通过Redis来优化这个秒杀业务。

Redis高性能的原因

  • 单线程 省去了线程切换开销
  • 基于内存的操作 虽然持久化操作涉及到硬盘访问,但是那是异步的,不会影响Redis的业务
  • 使用了IO多路复用

实现流程

1.活动开始前将数据库中奖品的code写入Redis队列中

2.活动进行时使用lpop弹出队列中的元素

3.如果获取成功,则使用UPDATE语法发放奖品

  1. UPDATE reward SET user_id=用户ID,reward_at=当前时间 WHERE code='奖品码' 

4.如果获取失败,则当前无可用奖品,提示未中奖即可

使用Redis的情况下并发访问是通过Redis的lpop()来保证的,该方法是原子方法,可以保证并发情况下也是一个个弹出的。

压测

在MacBook Pro 2018上的压测表现如下(Golang实现的HTTP服务器,MySQL连接池大小100,Redis连接池代销100,Jmeter压测):

  • 500并发 500总请求数 平均响应时间48ms 发放成功数100 吞吐量497.0/s

结论

可以看到Redis的表现是稳定的,不会出现超发,且访问延迟少了8倍左右,吞吐量还没达到瓶颈,可以看出Redis对于高并发系统的性能提升是非常大的!接入成本也不算高,值得学习!

实验代码

  1. // main.go 
  2. package main 
  3.  
  4. import ( 
  5.     "fmt" 
  6.     "github.com/go-redis/redis" 
  7.     _ "github.com/go-sql-driver/mysql" 
  8.     "github.com/jinzhu/gorm" 
  9.     "log" 
  10.     "net/http" 
  11.     "strconv" 
  12.     "time" 
  13.  
  14. type Envelope struct { 
  15.     Id        int `gorm:"primary_key"
  16.     Code      string 
  17.     UserId    int 
  18.     CreatedAt time.Time 
  19.     RewardAt  *time.Time 
  20.  
  21. func (Envelope) TableName() string { 
  22.     return "envelope" 
  23.  
  24. func (p *Envelope) BeforeCreate() error { 
  25.     p.CreatedAt = time.Now() 
  26.     return nil 
  27.  
  28. const ( 
  29.     QueueEnvelope = "envelope" 
  30.     QueueUser     = "user" 
  31.  
  32. var ( 
  33.     db          *gorm.DB 
  34.     redisClient *redis.Client 
  35.  
  36. func init() { 
  37.     var err error 
  38.     db, err = gorm.Open("mysql""root:root@tcp(localhost:3306)/test?charset=utf8&parseTime=True&loc=Local"
  39.     if err != nil { 
  40.         log.Fatal(err) 
  41.     } 
  42.     if err = db.DB().Ping(); err != nil { 
  43.         log.Fatal(err) 
  44.     } 
  45.     db.DB().SetMaxOpenConns(100) 
  46.     fmt.Println("database connected. pool size 10"
  47.  
  48. func init() { 
  49.     redisClient = redis.NewClient(&redis.Options{ 
  50.         Addr:     "localhost:6379"
  51.         DB:       0, 
  52.         PoolSize: 100, 
  53.     }) 
  54.     if _, err := redisClient.Ping().Result(); err != nil { 
  55.         log.Fatal(err) 
  56.     } 
  57.     fmt.Println("redis connected. pool size 100"
  58.  
  59. // 读取Code写入Queue 
  60. func init() { 
  61.     envelopes := make([]Envelope, 0, 100) 
  62.     if err := db.Debug().Where("user_id=0").Limit(100).Find(&envelopes).Error; err != nil { 
  63.         log.Fatal(err) 
  64.     } 
  65.     if len(envelopes) != 100 { 
  66.         log.Fatal("不足100个奖品"
  67.     } 
  68.     for i := range envelopes { 
  69.         if err := redisClient.LPush(QueueEnvelope, envelopes[i].Code).Err(); err != nil { 
  70.             log.Fatal(err) 
  71.         } 
  72.     } 
  73.     fmt.Println("load 100 envelopes"
  74.  
  75. func main() { 
  76.     http.HandleFunc("/envelope", func(w http.ResponseWriter, r *http.Request) { 
  77.         uid := r.Header.Get("x-user-id"
  78.         if uid == "" { 
  79.             w.WriteHeader(401) 
  80.             _, _ = fmt.Fprint(w, "UnAuthorized"
  81.             return 
  82.         } 
  83.         uidValue, err := strconv.Atoi(uid) 
  84.         if err != nil { 
  85.             w.WriteHeader(400) 
  86.             _, _ = fmt.Fprint(w, "Bad Request"
  87.             return 
  88.         } 
  89.         // 检测用户是否抢过了 
  90.         if result, err := redisClient.HIncrBy(QueueUser, uid, 1).Result(); err != nil || result != 1 { 
  91.             w.WriteHeader(429) 
  92.             _, _ = fmt.Fprint(w, "Too Many Request"
  93.             return 
  94.         } 
  95.         // 检测是否在队列中 
  96.         code, err := redisClient.LPop(QueueEnvelope).Result() 
  97.         if err != nil { 
  98.             w.WriteHeader(200) 
  99.             _, _ = fmt.Fprint(w, "No Envelope"
  100.             return 
  101.         } 
  102.         // 发放红包 
  103.         envelope := &Envelope{} 
  104.         err = db.Where("code=?", code).Take(&envelope).Error 
  105.         if err == gorm.ErrRecordNotFound { 
  106.             w.WriteHeader(200) 
  107.             _, _ = fmt.Fprint(w, "No Envelope"
  108.             return 
  109.         } 
  110.         if err != nil { 
  111.             w.WriteHeader(500) 
  112.             _, _ = fmt.Fprint(w, err) 
  113.             return 
  114.         } 
  115.         now := time.Now() 
  116.         envelope.UserId = uidValue 
  117.         envelope.RewardAt = &now 
  118.         rowsAffected := db.Where("user_id=0").Save(&envelope).RowsAffected // 添加user_id=0来验证Redis是否真的解决争抢问题 
  119.         if rowsAffected == 0 { 
  120.             fmt.Printf("发生争抢. id=%d\n", envelope.Id) 
  121.             w.WriteHeader(500) 
  122.             _, _ = fmt.Fprintf(w, "发生争抢. id=%d\n", envelope.Id) 
  123.             return 
  124.         } 
  125.         _, _ = fmt.Fprint(w, envelope.Code) 
  126.     }) 
  127.  
  128.     fmt.Println("listen on 8080"
  129.     fmt.Println(http.ListenAndServe(":8080", nil)) 

 

责任编辑:华轩 来源: segmentfault
相关推荐

2014-08-08 13:30:44

Nginx

2013-01-30 10:12:24

NginxNginx优化高并发

2020-04-10 10:10:28

Nginx高并发性能

2021-07-29 08:13:05

高并发秒杀商品秒杀系统

2019-06-25 09:32:16

Redis海量数据高并发

2019-02-15 10:11:23

2024-02-02 11:24:00

I/O高并发场景

2018-09-15 04:59:01

2018-06-29 09:06:26

高并发服务器优化

2022-06-12 06:45:26

高并发防重

2020-10-14 07:20:53

高并发

2023-02-03 15:16:42

SpringHystrix

2017-11-27 08:50:29

架构数据存储

2020-07-15 08:14:12

高并发

2021-08-05 12:41:57

高并发性能CAS

2023-08-16 11:39:19

高并发调优

2021-01-13 05:27:02

服务器性能高并发

2019-11-08 08:40:29

Java高并发流量

2021-03-28 09:45:05

幂等性接口数据

2021-07-01 06:58:12

高并发订单号SCM
点赞
收藏

51CTO技术栈公众号