【代码笔记】高并发场景下问题解决思路

高并发指的是在单位时间内，瞬时流量激增，系统需要同时处理大量并行的请求或操作。这种情况通常出现在面向大量用户或服务的分布式系统中，尤其是当用户请求高度集中时，比如促销活动、秒杀活动、注册抢课、热点事件、定时任务调度等。

在高并发发生时，系统可能存在以下问题：
1.系统性能维度

• 性能瓶颈：高并发可能导致系统资源（如CPU、内存、磁盘I/O、网络带宽）达到瓶颈，影响整体性能。
• 响应延迟：系统处理请求的响应时间可能因并发量增加而延长，影响用户体验。
• 系统过载：超出系统设计容量的并发请求可能导致系统过载，甚至宕机。
• 容错性差：在高并发下，系统的容错性受到考验，单点故障可能导致整个服务不可用。

2.用户行为维度

• 不可预测性：用户行为在高并发期间可能变得难以预测，导致难以准确评估系统负载。
• 用户操作冲突：大量用户同时进行操作可能导致冲突，如抢票、抢单等场景。
• 用户体验下降：由于系统响应变慢，用户体验可能显著下降。

3.数据处理维度

• 数据不一致：在高并发写入时，缺乏合适的锁机制可能导致数据不一致。
• 事务管理困难：高并发环境下，保持事务的ACID属性变得更加困难。
• 数据库压力：高并发可能导致数据库连接数过多，查询和事务处理速度下降。

二.策略

为了应对高并发带来的压力，在高并发场景下，系统设计和优化可以从以下几个维度进行调整：

1. 架构设计维度

• 服务拆分：将单体应用拆分成多个微服务，实现服务的独立扩展和维护。
• 负载均衡：使用硬件或软件负载均衡器，如Nginx或HAProxy，分配网络流量和请求。
• 无状态设计：确保应用服务器无状态，可以水平扩展。无状态设计是构建可伸缩、高可用系统的重要原则，特别是在高并发场景下。在无状态设计中，服务器不会存储任何关于客户端请求的信息，每个请求都是独立的，不依赖于之前的任何请求。

2. 数据库与存储优化维度

• 数据库优化：对数据库进行定期的维护，如优化索引、更新统计信息。
• 缓存应用：使用缓存减少数据库访问，如Redis进行热点数据缓存。
• 存储优化：使用SSD代替HDD，提高I/O效率；考虑使用分布式存储系统。

3. 缓存策略维度

• 多级缓存：实现应用层、服务层和数据库层的多级缓存机制。
• 缓存淘汰策略：合理配置缓存淘汰策略，如LRU（最近最少使用）。
• 热点数据优化：对频繁访问的数据进行特殊缓存处理。

4. 代码与应用优化维度

• 异步处理：将非实时性的任务异步化，使用消息队列如Kafka或RabbitMQ。
• 代码审查：定期进行代码审查，优化代码逻辑和结构。
• 资源池：使用线程池、数据库连接池等资源池技术，提高资源利用效率。

5. 运维与监控维度

• 实时监控：部署实时监控系统，如Prometheus或Zabbix，监控系统性能指标。
• 日志管理：集中管理日志，使用ELK（Elasticsearch, Logstash, Kibana）堆栈进行日志分析。
• 自动扩缩容：结合云服务提供的自动扩缩容功能，根据流量自动调整资源。

通过上述维度的策略实施，可以显著提升系统在高并发环境下的性能和稳定性。然而，每个系统的具体场景和需求都有所不同，因此在实施优化时需要根据实际情况进行定制化的调整。

三.例子

在大学抢课场景，课程的人数限制为30个学生，系统面临的主要问题包括：

1. 高并发处理：在抢课开始时，系统可能会收到大量并发请求，需要设计以承受这种瞬时流量。
2. 数据一致性：确保在高并发下，课程的选课名额不会超卖。
3. 公平性：确保所有学生在抢课开始时都有机会选到课程。
4. 系统稳定性：在高负载下，系统需要保持稳定，避免宕机。

领域模型：

• Course：代表一门课程，包含课程ID、课程名称、剩余名额等属性。
• Student：代表学生，包含学生ID、姓名等属性。
• Enrollment：代表选课记录，包含学生ID、课程ID、选课时间等信息。

实现逻辑：

1. 初始化课程：在系统中预先定义好每门课程的信息，包括课程ID、课程名称、容量等。
2. 发布课程：将课程信息发布到选课系统中，学生可以查看到可选用课的列表。
3. 学生选课：学生发送选课请求到系统。
4. 获取分布式锁：系统尝试获取对应课程的分布式锁，确保同时只有一个请求能修改名额。
5. 检查名额：检查Redis中该课程的剩余名额是否大于0。
6. 更新名额：如果名额足够，更新Redis中该课程的剩余名额，并记录选课信息到数据库。
7. 释放锁：完成名额更新后，释放分布式锁。
8. 返回结果：向学生返回选课成功或失败的结果。

Demo

以下是使用Spring Boot和Redis实现大学抢课逻辑的示例代码

CourseController.java - REST 控制器用于处理课程注册请求：

import org.springframework.http.HttpStatus;
import org.springframework.http.ResponseEntity;
import org.springframework.web.bind.annotation.*;@RestController
@RequestMapping("/api/courses") // 定义API的基础路由
public class CourseController {@Autowiredprivate CourseService courseService; // 注入课程服务类@PostMapping("/{courseId}/enroll") // 定义POST请求，用于抢课操作public ResponseEntity<?> enrollStudent(@PathVariable("courseId") String courseId, // 课程ID作为路径参数@RequestParam("studentId") String studentId) { // 学生ID作为请求参数boolean result = courseService.enroll(courseId, studentId); // 调用服务类的方法进行抢课if (result) {return ResponseEntity.ok("Enrollment successful!"); // 如果成功，返回成功响应} else {return ResponseEntity.status(HttpStatus.SERVICE_UNAVAILABLE).body("Course is full."); // 如果失败，返回服务不可用响应}}
}

CourseService.java - 服务类使用Redis进行分布式锁控制：

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.script.DefaultRedisScript;
import org.springframework.data.redis.core.script.RedisScript;
import org.springframework.stereotype.Service;@Service
public class CourseService {@Autowiredprivate StringRedisTemplate redisTemplate; // 注入Redis字符串模板类@Autowiredprivate EnrollmentRepository enrollmentRepository; // 注入选课记录的持久层接口private static final String LOCK_SCRIPT = // 定义Lua脚本用于获取锁"if redis.call('set', KEYS[1], ARGV[1], 'NX', 'PX', ARGV[2]) == 1 then return 1 else return 0 end";public boolean enroll(String courseId, String studentId) {String lockKey = "course:" + courseId + ":lock"; // 定义锁的keyString studentKey = "course:" + courseId + ":student:" + studentId; // 定义学生的key// 使用Redis的Lua脚本原子地尝试获取锁，使用随机值和1000ms超时Boolean acquiredLock = redisTemplate.execute(new DefaultRedisScript(LOCK_SCRIPT),Collections.singletonList(lockKey),studentId,String.valueOf(1000L));if (Boolean.TRUE.equals(acquiredLock)) {try {// 检查学生是否已经选过这门课程if (redisTemplate.opsForSet().isMember(studentKey, studentId)) {return false;}// 检查剩余座位数Integer remainingSeats = redisTemplate.opsForValue().increment("course:" + courseId + ":seats", -1);if (remainingSeats >= 0) {// 选课成功，将学生添加到选课集合中redisTemplate.opsForSet().add(studentKey, studentId);// 保存选课记录Enrollment enrollment = new Enrollment(studentId, courseId);enrollmentRepository.save(enrollment);return true;} else {// 恢复座位数，因为课程已满redisTemplate.opsForValue().increment("course:" + courseId + ":seats", 1);return false;}} finally {// 总是在finally块中释放锁，以防止锁泄露redisTemplate.delete(lockKey);}} else {return false;}}
}

EnrollmentRepository.java - 持久层接口用于管理选课记录：

import org.springframework.data.jpa.repository.JpaRepository;public interface EnrollmentRepository extends JpaRepository<Enrollment, Long> {// JPA/JDBC方法用于管理选课记录
}

在CourseService中，我们使用Lua脚本来尝试获取课程的锁。如果锁被成功获取（acquiredLock为true），我们进一步检查学生是否已经选过这门课程。如果没有，我们减少座位数，并且如果座位仍然可用，我们将学生添加到选课集合中并保存选课记录。如果课程已满或者学生已经选过这门课程，我们释放锁并返回false。

请注意，上述代码知识一个思路演示，在生产系统中，还需要处理各种边缘情况和潜在的异常。可能还需要适当配置StringRedisTemplate和EnrollmentRepository，包括在Spring Boot应用程序中设置必要的依赖和注解。
此外，用于锁定和跟踪学生请求的Redis键需要精心设计，以避免冲突，并确保它们可以被轻松管理和在不再使用后清理。