商品秒杀是怎么解决高并发的（电商网站中50W-100W高并发）
商品秒杀是怎么解决高并发的（电商网站中50W-100W高并发）一台服务器承受量约1k的QPS（考虑到逻辑处理时间以及数据库查询的瓶颈）一台SQL Database承受量约1k的QPS(如果JOIN和INDEX query比较多的话，这个值会更小）一台NoSQL Database（Casscandra）承受量约10k的QPS一台NoSQL Database（Memcached）承受量约1M的QPSQPS和服务器/数据库之间的关系：这里要知道秒杀系统的常见概念QPS（Queries Per Second），即一秒内可以处理的请求数量。假如一个服务的RT（Response time）是20ms，则QPS为50（这里计算的是单机单线程QPS，如果要计算集群的话，需要考虑集群数量和线程数量）。QPS = 100，用你的笔记本做Web服务器足矣。QPS = 1k，用一台好点的Web服务器也差不多了。QPS = 1m，则需要建设一个1000台Web服务器的集群。
推荐学习- 真真香！耗时大半个月收整全套「Java架构进阶pdf」没白费
- 死磕「并发编程」100天，全靠阿里大牛的这份最全「高并发套餐」
巧了，最近面试的时候问过一个差不多的题目。
某年双11，商家以4499的价格上架了某iphone，比官网价格便宜了1000员，库存总数10台，运营设置11/11 00:00活动生效，一人只能购买1台，商品售完为止。
首先梳理下用户端的流程图：
根据九章算法独家系统设计4S分析法，第一步Scenario场景。需要确定设计哪些功能，承受多大的访问量？
这里要知道秒杀系统的常见概念QPS（Queries Per Second），即一秒内可以处理的请求数量。
假如一个服务的RT（Response time）是20ms，则QPS为50（这里计算的是单机单线程QPS，如果要计算集群的话，需要考虑集群数量和线程数量）。
QPS = 100，用你的笔记本做Web服务器足矣。
QPS = 1k，用一台好点的Web服务器也差不多了。
QPS = 1m，则需要建设一个1000台Web服务器的集群。
QPS和服务器/数据库之间的关系：
一台服务器承受量约1k的QPS（考虑到逻辑处理时间以及数据库查询的瓶颈）
一台SQL Database承受量约1k的QPS(如果JOIN和INDEX query比较多的话，这个值会更小）
一台NoSQL Database（Casscandra）承受量约10k的QPS
一台NoSQL Database（Memcached）承受量约1M的QPS
第二步，Service服务。
服务可以认为是逻辑处理的整合。对于同一类问题的逻辑处理归并在一个服务中，整个系统可以细分为若干个小的服务。
这里秒杀系统服务设计大致如下：
第三步，Storage存储，数据是如何存储和访问的。为每个服务选择合适的存储结构，然后细化数据表结构。这个例子中，秒杀系统数据库设计如下
于是我们可以得到秒杀活动中，数据库之间的关系如图所示
好了，接下来是重点。我们先基于数据库Mysql来扣库存
update stock set count = count - 1 where product_id = xxxx and count > 0
那么问题来了，秒杀系统一定会有并发（concurrent）问题，怎么办？
这里一般有两种解决方案：乐观锁（Optimistic Lock）和悲观锁（Pessimistic Lock）。
悲观锁的流程如下：
在对于数据一致性要求非常高的场景中，一般用悲观锁。
乐观锁流程如下：
可以看到悲观锁的问题是会占用大量的线程资源，可能导致mysql的线程耗尽。而乐观锁在version变动频繁的情况下则不适用，所以秒杀系统就不太适合用乐观锁，因为version（库存）变化太快了。
另外可以再看下Redis下的秒杀系统数据库设计。
几个关于Redis的常见问题：
什么时候把库存写入到Redis？
秒杀活动创建/维护时写入Redis。
如何保证活动数据库和库存数据一致？
可以使用分布式事务或消息队列。
分布式事务：保证多个数据库的操作同时成功或者同时失败。对强一致性有要求的业务场景可以考虑使用分布式事务，比如银行转账
消息队列：基于生产者/消费者模型的组件，一般实现异步任务（非实时处理）时会引入消息队列。消息队列的好处是任务可以慢慢处理，不必同步处理等着响应结果。目前主流的消息队列有RocketMQ、Kafka等。使用场景除了异步任务之外，一般还用于失败的情况下重试处理，重复消费直到消费成功。
下单减库存/支付减库存？
下单锁定库存，支付减库存。
如何防止商品被超卖？
把库存数据放入到缓存中，利用缓存的原子特性保证同时只有一个线程操作库存。
库存写回数据库的时机？
采用定时任务同步Redis的数据写回数据库。
最后，4S分析法的第四步，Scale扩展。对于秒杀系统来说，就是高并发场景下如何优化系统。
原文链接：https://blog.csdn.net/JiuZhang_ninechapter/article/details/108283382
