夜宵时的思考

刚刚排错了一个小时，终于搞定了，奖励自己一碗泡面，在等微波炉前等待的时候想了挺多事的。

并发似乎是所有程序员的噩梦，也是所有程序员的“粮食”，如果计算机不支持并发，世界上的Error Log应该能少一半，同时程序员的”魔力“也少了三分。

所谓的秒杀系统，其实是一种泛指，代表着多并发，高可用系统。为什么说至今没有一个类似Spring一样的框架，能在并发领域脱颖而出呢，因为每个领域，各个场景的情况不一样，每个解决并发的方案，脱离了实际，就没了价值。

面熟了，我依旧在思考，如果有可能的话，我会怎么去实现一个高并发的方案呢。

以我最近在写的“秒杀”系统为例，一群人，同一时间，抢一个东西。我能怎么去优化呢？

从数据库入手：减少数据库操作

数据库在哪？磁盘。CPU的速度和磁盘的速度差几倍？差不多就像马云的赚钱速度和我的赚钱速度的差距吧。因此，必须减少对数据库的访问，能少则少。

还有另一个原因，如果每多一次对数据库的操作，则高并发导致的数据不一致的风险也高了一分。（脏读，幻读等）如何解决这个问题？缓存呗，加锁呗。这个是老生常谈了，对于缓存的思考，后面再讲。

数据库也要划分：订单DB，支付DB。尽量不要在一台DB上布置多个表对象。

此外，还有一个概率，是我上数据库课的时候，想到的一个方案：

可不可以设两台机器，上面的数据库是同一个（双点），一台负责读，一台负责写？这样既解决了备份问题，有解决了IO切换问题。

从用户入手：增加答题环节

这个解决方案有点缺德，同时也必不可少，除了能拦截刷单机器人，还能把激增的用户量分流了，就像大坝一样，一下子拦住了大水，再慢慢放出去。但是，不能把题目设置太偏僻（如早期的12306）。

我今天写“秒杀”功能的代码时，每次写到SQL语句，我都在想，这有必要吗？

还真没必要！复现一下，当我写完“购买”功能后，正常思路是什么？查询库存？这就对数据库一次操作了。高级点的做法是把“库存数据”放在缓存当中，每次购买时查询。

再高级点的做法是防患于未然，当我在对用户“分流”时，我只放等于库存数的请求，然后关闭接口。后面的人也不用查询数据库和缓存了，你们来晚了。

从系统入手：系统分级

这里的系统指的是根据功能划分的系统，在“秒杀”系统中，什么系统的等级最高？支付系统，然后是优惠券系统等。我们可以吧支付功能系统的等级设置为最高，在资源不够时，优先给等级高的系统分配。不要让不重要的系统拖慢了高等级系统，这个做法带来的弊害还被人“津津乐道”，就是去年双十一的时候，无法更改收货地址。（退款系统也无法运行）

而且，不要让高等级系统去依赖低等级系统，这样就自相矛盾了。

说明这个做法在业内已经是一个标准了，其实解决高并发，就是取舍。

从数据入手：提前布局

还是双十一为例：你是不是会在双十一前一个月就开始物色你的猎物？

然后加入购物车。对了，通过类似购物车的系统，后台能知道有哪些东西是“热点数据”，然后对他们进行“优化”与”隔离“。

优化能理解，但是隔离是什么意思？

我们不能因为小部分商品的带来的请求而拖垮了大部分商品，因此最好对热销商品隔离，美女们抢你们的五折化妆品，不要打扰到我抢一折咖啡。

还有优惠卷等，这些其实都是可以提前计算的，没必要浪费并发时的计算资源，大多数人都是在购物车计算完最终价格，然后掐着时间点击购买。

因此，优惠券系统在双十一的时候，并没有造成多大的性能损失。反而变成了一个数学难题。

从缓存入手：集群与划分

在高并发的世界里，缓存就是金钱。集群就是军队。

像库存这样的重要数据，完全值得划分出一块缓存集群专门供他使用。

像支付系统这样大佬，也完全值得划分一块集群给他。

缓存集群有什么好处？便于维护，好打理，好定制。可以根据要处理的数据的特点，去定制和维护，比如处理库存数据的缓存，完全可以不支持范围查找。通过对商品的唯一ID进行HASH，直接定位到桶上。

再高层面点，对“缓存”进行hash。把每台机器当初一个桶，然后建造一个大型的hashMap。HashMap的检索速度，大家有目共睹。

从队列下手：服务排队

这里的服务，指的是库存服务，订单服务这种，我们可以在应用层进行排队，插队，比如库存服务优先。

暂时写到这吧，有点晚了。