成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

Redis優化高并發下的秒殺性能

開發 架構 Redis
隨著雙11的臨近,各種促銷活動開始變得熱門起來,比較主流的有秒殺、搶優惠券、拼團等等。涉及到高并發爭搶同一個資源的主要場景有秒殺和搶優惠券。

 本文內容

  • 使用Redis優化高并發場景下的接口性能
  • 數據庫樂觀鎖

[[280829]]

隨著雙11的臨近,各種促銷活動開始變得熱門起來,比較主流的有秒殺、搶優惠券、拼團等等。

涉及到高并發爭搶同一個資源的主要場景有秒殺和搶優惠券。

前提

活動規則

  • 獎品數量有限,比如100個
  • 不限制參與用戶數
  • 每個用戶只能參與1次秒殺

活動要求

  • 不能多發,也不能少發,100個獎品要全部發出去
  • 1個用戶最多搶1個獎品
  • 遵循先到先得原則,先來的用戶有獎品

數據庫實現

悲觀鎖性能太差,本文不予討論,討論一下使用樂觀鎖解決高并發問題的優缺點。

數據庫結構

  • 未中獎時UserId為0,RewardAt為NULL
  • 中獎時UserId為中獎用戶ID,RewardAt為中獎時間

樂觀鎖實現

樂觀鎖實際上并不存在真正的鎖,樂觀鎖是利用數據的某個字段來做的,比如本文的例子就是以UserId來實現的。

實現流程如下:

1.查詢UserId為0的獎品,如果未找到則提示無獎品

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

2.更新獎品的用戶ID和中獎時間(假設獎品ID為1,中獎用戶ID為100,當前時間為2019-10-29 12:00:00),這里的user_id=0就是我們的樂觀鎖了。

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

3.檢測UPDATE語句的執行返回值,如果返回1證明中獎成功,否則證明該獎品被其他人搶了

為什么要添加樂觀鎖

正常情況下獲取獎品、然后把獎品更新給指定用戶是沒問題的。如果不添加user_id=0時,高并發場景下會出現下面的問題:

  1. 兩個用戶同時查詢到了1個未中獎的獎品(發生并發問題)
  2. 將獎品的中獎用戶更新為用戶1,更新條件只有ID=獎品ID
  3. 上述SQL執行是成功的,影響行數也是1,此時接口會返回用戶1中獎
  4. 接下來將中獎用戶更新為用戶2,更新條件也只有ID=獎品ID
  5. 由于是同一個獎品,已經發給用戶1的獎品會重新發放給用戶2,此時影響行數為1,接口返回用戶2也中獎
  6. 所以該獎品的最終結果是發放給用戶2
  7. 用戶1就會過來投訴活動方了,因為抽獎接口返回用戶1中獎,但他的獎品被搶了,此時活動方只能賠錢了

添加樂觀鎖之后的抽獎流程

  1. 更新用戶1時的條件為id=紅包ID AND user_id=0 ,由于此時紅包未分配給任何人,用戶1更新成功,接口返回用戶1中獎
  2. 當更新用戶2時更新條件為id=紅包ID AND user_id=0,由于此時該紅包已經分配給用戶1了,所以該條件不會更新任何記錄,接口返回用戶2中獎

樂觀鎖優缺點

優點

  • 性能尚可,因為無鎖
  • 不會超發

缺點

  • 通常不滿足“先到先得”的活動規則,一旦發生并發,就會發生未中獎的情況,此時獎品庫還有獎品

壓測

在MacBook Pro 2018上的壓測表現如下(Golang實現的HTTP服務器,MySQL連接池大小100,Jmeter壓測):

  • 500并發 500總請求數 平均響應時間331ms 發放成功數為31 吞吐量458.7/s

Redis實現

可以看到樂觀鎖的實現下爭搶比太高,不是推薦的實現方法,下面通過Redis來優化這個秒殺業務。

Redis高性能的原因

  • 單線程 省去了線程切換開銷
  • 基于內存的操作 雖然持久化操作涉及到硬盤訪問,但是那是異步的,不會影響Redis的業務
  • 使用了IO多路復用

實現流程

1.活動開始前將數據庫中獎品的code寫入Redis隊列中

2.活動進行時使用lpop彈出隊列中的元素

3.如果獲取成功,則使用UPDATE語法發放獎品

  1. UPDATE reward SET user_id=用戶ID,reward_at=當前時間 WHERE code='獎品碼' 

4.如果獲取失敗,則當前無可用獎品,提示未中獎即可

使用Redis的情況下并發訪問是通過Redis的lpop()來保證的,該方法是原子方法,可以保證并發情況下也是一個個彈出的。

壓測

在MacBook Pro 2018上的壓測表現如下(Golang實現的HTTP服務器,MySQL連接池大小100,Redis連接池代銷100,Jmeter壓測):

  • 500并發 500總請求數 平均響應時間48ms 發放成功數100 吞吐量497.0/s

結論

可以看到Redis的表現是穩定的,不會出現超發,且訪問延遲少了8倍左右,吞吐量還沒達到瓶頸,可以看出Redis對于高并發系統的性能提升是非常大的!接入成本也不算高,值得學習!

實驗代碼

  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. // 讀取Code寫入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個獎品"
  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.         // 檢測用戶是否搶過了 
  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.         // 檢測是否在隊列中 
  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.         // 發放紅包 
  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來驗證Redis是否真的解決爭搶問題 
  119.         if rowsAffected == 0 { 
  120.             fmt.Printf("發生爭搶. id=%d\n", envelope.Id) 
  121.             w.WriteHeader(500) 
  122.             _, _ = fmt.Fprintf(w, "發生爭搶. 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)) 

 

責任編輯:華軒 來源: segmentfault
相關推薦

2025-02-20 00:01:00

2014-08-08 13:30:44

Nginx

2013-01-30 10:12:24

NginxNginx優化高并發

2020-04-10 10:10:28

Nginx高并發性能

2019-02-15 10:11:23

2021-07-29 08:13:05

高并發秒殺商品秒殺系統

2019-06-25 09:32:16

Redis海量數據高并發

2025-03-21 06:20:00

連接池系統數據庫

2018-09-15 04:59:01

2024-02-02 11:24:00

I/O高并發場景

2022-06-12 06:45:26

高并發防重

2018-06-29 09:06:26

高并發服務器優化

2020-10-14 07:20:53

高并發

2023-02-03 15:16:42

SpringHystrix

2025-02-26 08:20:18

2020-07-15 08:14:12

高并發

2017-11-27 08:50:29

架構數據存儲

2023-08-16 11:39:19

高并發調優

2021-08-05 12:41:57

高并發性能CAS
點贊
收藏

51CTO技術棧公眾號

主站蜘蛛池模板: 国产精品69av| 中文字幕亚洲免费 | 亚洲一区中文字幕 | 国产精彩视频 | 日韩在线视频一区 | 成人亚洲精品久久久久软件 | 日韩精品一区在线 | 欧美精品三区 | 欧美日韩成人 | 成人国产精品久久久 | 亚洲三级在线 | 成人黄色在线视频 | 亚州国产 | 国产精品久久久久久久久动漫 | 免费一级大片 | 精久久久 | 天天射视频 | 91免费小视频| 久久精品成人一区 | 亚洲欧美激情精品一区二区 | 日韩精品激情 | 成年精品| 99精品电影 | 国产精品国产精品 | av色站 | h视频免费在线观看 | 自拍偷拍一区二区三区 | 亚洲视频欧美视频 | www.日韩系列 | 韩国精品一区二区三区 | 国产日韩一区二区三区 | 喷水毛片| 天天影视综合 | 日日操日日干 | 亚洲精品在线视频 | 久久6视频 | 久久精品一二三影院 | 亚洲欧美高清 | 97久久精品午夜一区二区 | 曰批视频在线观看 | 久久精品小短片 |