秒殺業(yè)務

在電商領域，存在著典型的秒殺業(yè)務場景，那何謂秒殺場景呢。簡單的來說就是一件商品的購買人數遠遠大于這件商品的庫存，而且這件商品在很短的時間內就會被搶購一空。比如每年的618、雙11大促，小米新品促銷等業(yè)務場景，就是典型的秒殺業(yè)務場景。

秒殺業(yè)務最大的特點就是瞬時并發(fā)流量高，在電商系統(tǒng)中，庫存數量往往會遠遠小于并發(fā)流量，比如：天貓的秒殺活動，可能庫存只有幾百、幾千件，而瞬間涌入的搶購并發(fā)流量可能會達到幾十到幾百萬。

所以，我們可以將秒殺系統(tǒng)的業(yè)務特點總結如下。

（1）限時、限量、限價

在規(guī)定的時間內進行；秒殺活動中商品的數量有限；商品的價格會遠遠低于原來的價格，也就是說，在秒殺活動中，商品會以遠遠低于原來的價格出售。

例如，秒殺活動的時間僅限于某天上午10點到10點半，商品數量只有10萬件，售完為止，而且商品的價格非常低，例如：1元購等業(yè)務場景。

限時、限量和限價可以單獨存在，也可以組合存在。

（2）活動預熱

需要提前配置活動；活動還未開始時，用戶可以查看活動的相關信息；秒殺活動開始前，對活動進行大力宣傳。

（3）持續(xù)時間短

購買的人數數量龐大；商品會迅速售完。

在系統(tǒng)流量呈現上，就會出現一個突刺現象，此時的并發(fā)訪問量是非常高的，大部分秒殺場景下，商品會在極短的時間內售完。

秒殺三階段

通常，從秒殺開始到結束，往往會經歷三個階段：

• 準備階段：這個階段也叫作系統(tǒng)預熱階段，此時會提前預熱秒殺系統(tǒng)的業(yè)務數據，往往這個時候，用戶會不斷刷新秒殺頁面，來查看秒殺活動是否已經開始。在一定程度上，通過用戶不斷刷新頁面的操作，可以將一些數據存儲到Redis中進行預熱。
  
• 秒殺階段：這個階段主要是秒殺活動的過程，會產生瞬時的高并發(fā)流量，對系統(tǒng)資源會造成巨大的沖擊，所以，在秒殺階段一定要做好系統(tǒng)防護。
  
• 結算階段： 完成秒殺后的數據處理工作，比如數據的一致性問題處理，異常情況處理，商品的回倉處理等。

Redis助力秒殺系統(tǒng)

我們可以在Redis中設計一個Hash數據結構，來支持商品庫存的扣減操作，如下所示。

seckill:goodsStock:${goodsId}{
?totalCount:200,
?initStatus:0,
?seckillCount:0
}

在我們設計的Hash數據結構中，有三個非常主要的屬性。

• totalCount：表示參與秒殺的商品的總數量，在秒殺活動開始前，我們就需要提前將此值加載到Redis緩存中。
• initStatus：我們把這個值設計成一個布爾值。秒殺開始前，這個值為0，表示秒殺未開始?？梢酝ㄟ^定時任務或者后臺操作，將此值修改為1，則表示秒殺開始。
• seckillCount：表示秒殺的商品數量，在秒殺過程中，此值的上限為totalCount，當此值達到totalCount時，表示商品已經秒殺完畢。

我們可以通過下面的代碼片段在秒殺預熱階段，將要參與秒殺的商品數據加載的緩存。

/**
?* @author binghe
?* @description 秒殺前構建商品緩存代碼示例
?*/ public class SeckillCacheBuilder{ private static final String?GOODS_CACHE?= "seckill:goodsStock:"; private String getCacheKey(String?id) { return GOODS_CACHE.concat(id);
????} public void prepare(String?id, int totalCount) {?
????????String?key?=?getCacheKey(id);?
????????Map?goods?= new HashMap<>();?
????????goods.put("totalCount",?totalCount);?
????????goods.put("initStatus", 0);?
????????goods.put("seckillCount", 0);?
????????redisTemplate.opsForHash().putAll(key,?goods);?
?????}
}

秒殺開始的時候，我們需要在代碼中首先判斷緩存中的seckillCount值是否小于totalCount值，如果seckillCount值確實小于totalCount值，我們才能夠對庫存進行鎖定。在我們的程序中，這兩步其實并不是原子性的。如果在分布式環(huán)境中，我們通過多臺機器同時操作Redis緩存，就會發(fā)生同步問題，進而引起“超賣”的嚴重后果。

在電商領域，有一個專業(yè)名詞叫作“超賣”。顧名思義：“超賣”就是說賣出的商品數量比商品的庫存數量多，這在電商領域是一個非常嚴重的問題。那么，我們如何解決“超賣”問題呢？

Lua腳本完美解決超賣問題

我們如何解決多臺機器同時操作Redis出現的同步問題呢？一個比較好的方案就是使用Lua腳本。我們可以使用Lua腳本將Redis中扣減庫存的操作封裝成一個原子操作，這樣就能夠保證操作的原子性，從而解決高并發(fā)環(huán)境下的同步問題。

例如，我們可以編寫如下的Lua腳本代碼，來執(zhí)行Redis中的庫存扣減操作。

local resultFlag?= "0" local n?=?tonumber(ARGV[1]) local key?=?KEYS[1] local goodsInfo?=?redis.call("HMGET",key,"totalCount","seckillCount") local total?=?tonumber(goodsInfo[1]) local alloc?=?tonumber(goodsInfo[2]) if not?total then return resultFlag?
end if total?>=?alloc?+?n then local ret?=?redis.call("HINCRBY",key,"seckillCount",n) return tostring(ret)?
end return resultFlag

我們可以使用如下的Java代碼來調用上述Lua腳本。

public int secKill(String?id, int number) {?
????String?key?=?getCacheKey(id);?
????Object?seckillCount?=??redisTemplate.execute(script,?Arrays.asList(key),?String.valueOf(number)); return Integer.valueOf(seckillCount.toString());?
}

這樣，我們在執(zhí)行秒殺活動時，就能夠保證操作的原子性，從而有效的避免數據的同步問題，進而有效的解決了“超賣”問題。