秒杀系统的常用架构是什么？怎么设计？

架构

秒杀系统需要单独部署，如果说放在订单服务里面，秒杀的系统压力太大了就会影响正常的用户下单。

常用架构：

Redis 数据倾斜问题

第一步扣减库存时

假设现在有 10 个商品需要秒杀，正常情况下，这 10 个商品应该均匀的分布在 Redis 集群的每个主节点上。商品是通过下图的算法通过商品 id 计算出自己应当在哪个分片并定位到 Redis 的，但是可能由于分片算法不太均匀，导致这 10 个商品都落到了某一个节点上去。

解决：因此我们需要给 Redis 的 key 加一个 hashtag：{redis1}，这样 Redis 计算分片时就会用 {} 里的数据来计算。

依旧会有问题（热点 key 问题）：假设商品 1 非常火爆，10w 个请求都去秒杀商品 1 ，就会导致其对应的 Redis 扛不住压力。

解决：像这种热门商品应当有预判（如：原价 2000 的商品现在只要 500），提前将该商品的库存均匀的分片在多个 Redis 主节点上。当第一个请求进入时，先判断该商品是不是热点商品，如果是，请求第一个分片。当第二个请求进入时，先判断该商品是不是热点商品，如果是，请求第二个分片。

MQ 消息丢失问题

第二步，扣减库存后，将订单消息发送到 MQ

不同的 MQ 解决方案不同，一个简单通用的方案是：加一张消息发送表，先在消息发送表中记录“待处理”然后再给 MQ 发消息，消费者（下单服务）收到消息生成完订单后，回调发送者（抢购服务）将记录改为“已处理”。

设置一个定时任务，隔一段时间去扫描消息发送表，如果发现有消息一直没有被处理，消息很有可能丢失了，那就重发该消息。但是这种方案可能导致消息的重复发送，消费者需要做幂等处理。
分布式事务方案 – 最终一致性，seata 比较重，很多中小型公司采用这种方案

分布式事务方案 – 最终一致性，seata 比较重，很多中小型公司采用这种方案

消费者如何做幂等处理？

1. 如果消费者收到消息时，订单号已经生成了，那只需要判断一下该订单号是否存在即可
2. 如果消费者收到消息时没有订单号，订单号是消费者处理消息时通过一些算法（雪花）生成的，就不能直接判断订单号是否存在。
   • 可以生成一个标识唯一消息的业务 id
   • 可以在下单逻辑处理的第一行代码加上一把分布式锁。直接用 Redis 实现，执行 setnx 命令，关键在于 key 的设计。setnx(userId + productId, value)，同一个用户秒杀同一件商品 key 是一样的。

MQ 消息积压怎么解决？

生产者的生产速度远远大于消费者的消费速度，就会导致 MQ 消息积压。

1. 增加消费者数量
2. 增加消息队列的容量
   依旧有可能消息积压，因为 Redis 扣减库存的速度比数据库高几个量级。

解决：假设消费者拿到一条消息，先判断消息的发送时间，如果这条消息的发送时间和当前时间已经超过了一个阈值（1 分钟），那么就认为出现了消息积压，则将这些消息直接放入 Redis。用户查询订单信息会先查 Redis，再查数据库，在 Redis 查到就可以直接返回了。

该消息最终还是得同步到数据库中生成订单，同步完后再从 Redis 里面删除。

如果说超时了太久依旧没有被处理，就直接丢弃掉该消息，提示用户下单失败。

Redis 集群崩溃了如何保证高可用？

1. 操作 Redis 时网络不稳定出现瞬断 – 降级
   在减库存代码上套一层 try-catch，在 catch 里面重试 1、2 次
   
2. 如果网络瞬断比较长或者 Redis 集群真的崩溃了 – 本地缓存
   解决：在抢购服务设置一个本地高速缓存 rocksDB，将下单请求临时存到 rocksDB 里面。然后设置一个定时任务定时去扫描这个缓存，将下单请求重新发送到 Redis 里面。（前提是 Redis 集群能够快速恢复）
   

库存超卖

主节点扣减库存成功了，但是在同步到从节点前主节点宕机了，从节点被选为了新的主节点，Redis 与数据库数据也不一致了。

1. 将 Redis 主从异步同步改为同步同步
2. 不使用 Redis 主从，只用 Redis 集群
3. 数据库的数据已经为 0 了生成订单不成功

回答：

1. 使用并发控制来确保扣减的原子性 — 影响性能
2. 在高并发场景下，可以将库存提前预热到 Redis 中，利用 Redis 的原子操作指令扣减库存，后续对于库存的扣减只操作 Redis
3. 如果某个商品的访问量比较大，我们可以对这个商品的库存进行拆分，把不同的库存放进不同的库里面，后续对单个数据加锁