如今的互联网已经在海量服务领域有了很成熟的理论,因此自己也很庆幸,能够从 0 到 1 完整践行海量服务。微视春节项目中的集卡瓜分活动,是一个典型的秒杀场景,自己参与其中,分享一些心得和总结。
秒杀系统的难点
- 友好的用户体验
- 用户不能接受破窗的体验,例如:系统超时、系统错误的提示,或者直接 404 页面
- 瞬时高并发流量的挑战
- 木桶短板理论,整个系统的瓶颈往往都在 DB,如何设计出高并发、高可用系统?
如何设计
上图是一个典型的互联网业务,用户完成一个写操作,一般会通过接入层和逻辑层,这里的服务都是无状态,可以通过平行拓展去解决高并发的问题;到了 db 层,必须要落到介质中,可以是磁盘/ssd/内存,如果出现 key 的冲突,会有一些并发控制技术,例如 cas/加锁/串行排队等。
直筒型
直筒型业务,指的是用户请求 1:1 的洞穿到 db 层,如下图所示。在比较简单的业务中,才会采用这个模型。随着业务规模复杂度上来,一定会有 db 和逻辑层分离、逻辑层和接入层分离。
漏斗型
漏斗型业务,指的是,用户的请求,从客户端到 db 层,层层递减,递减的程度视业务而定。例如当 10w 人去抢 1 个物品时,db 层的请求在个位数量级,这就是比较理想的模型。如下图所示
这个模型,是高并发的基础,翻译一下就是下面这些:
- 及早发现,及早拒绝
- Fast Fail
- 前端保护后端
如何实现漏斗型系统
漏斗型系统需要从产品策略/客户端/接入层/逻辑层/DB 层全方位立体的设计。
产品策略
- 轻重逻辑分离,以秒杀为例,将抢到和到账分开;
- 抢到,是比较轻的操作,库存扣成功后,就可以成功了
- 到账,是比较重的操作,需要涉及到到事务操作
- 用户分流,以整点秒杀活动为例,在 1 分钟内,陆续对用户放开入口,将所有用户请求打散在 60s 内,请求就可以降一个数量级
- 页面简化,在秒杀开始的时候,需要简化页面展示,该时刻只保留和秒杀相关的功能。例如,秒杀开始的时候,页面可以不展示推荐的商品。
客户端
- 重试策略非常关键,如果用户秒杀失败了,频繁重试,会加剧后端的雪崩。如何重试呢?根据后端返回码的约定,有两种方法:
- 不允许重试错误,此时 ui 和文案都需要有一个提示。同时不允许重试
- 可重试错误,需要策略重试,例如二进制退避法。同时文案和 ui 需要提示。
- ui 和文案,秒杀开始前后,用户的所有异常都需要有精心设计的 ui 和文案提示。例如:【当前活动太火爆,请稍后再重试】【你的货物堵在路上,请稍后查看】等
- 前端随机丢弃请求可以作为降级方案,当用户流量远远大于系统容量时,人工下发随机丢弃标记,用户本地客户端开始随机丢弃请求。
接入层
- 所有请求需要鉴权,校验合法身份
- 如果是长链接的服务,鉴权粒度可以在 session 级别;如果是短链接业务,需要应对这种高并发流量,例如 cache 等
- 根据后端系统容量,需要一个全局的限流功能,通常有两种做法:
- 设置好 N 后,动态获取机器部署情况 M,然后下发单机限流值 N/M。要求请求均匀访问,部署机器统一。
- 维护全局 key,以时间戳建 key。有热 key 问题,可以通过增加更细粒度的 key 或者定时更新 key 的方法。
- 对于单用户/单 ip 需要频控,主要是防黑产和恶意用户。如果秒杀是有条件的,例如需要完成 xxx 任务,解锁资格,对于获得资格的步骤,可以进行安全扫描,识别出黑产和恶意用户。
逻辑层
- 逻辑层首先应该进入校验逻辑,例如参数的合法性,是否有资格,如果失败的用户,快速返回,避免请求洞穿到 db。
- 异步补单,对于已经扣除秒杀资格的用户,如果发货失败后,通常的两种做法是:
- 事务回滚,回滚本次行为,提示用户重试。这个代价特别大,而且用户重试和前面的重试策略结合的话,用户体验也不大流畅。
- 异步重做,记录本次用户的 log,提示用户【稍后查看,正在发货中】,后台在峰值过后,启动异步补单。需要服务支持幂等
- 对于发货的库存,需要处理热 key。通常的做法是,维护多个 key,每个用户固定去某个查询库存。对于大量人抢红包的场景,可以提前分配。
存储层
对于业务模型而言,对于 db 的要求需要保证几个原则:
- 可靠性
- 主备:主备能互相切换,一般要求在同城跨机房
- 异地容灾:当一地异常,数据能恢复,异地能选主
- 数据需要持久化到磁盘,或者更冷的设备
- 一致性
- 对于秒杀而言,需要严格的一致性,一般要求主备严格的一致。
实践——微视集卡瓜分系统
微视集卡瓜分项目属于微视春节项目之一。用户的体验流程如下:
架构图
- 客户端主要是微视主 app 和 h5 页面,主 app 是入口,h5 页面是集卡活动页面和瓜分页面。
- 逻辑部分为分:发卡来源、集卡模块、奖品模块,发卡来源主要是任务模块;集卡模块主要由活动模块和集卡模块组成。瓜分部分主要在活动控制层。
- 奖品模块主要是发钱和其他奖品。
瓜分降级预案
为了做好瓜分时刻的高并发,对整个系统需要保证两个重要的事情:
- 全链路梳理,包括调用链的合理性和时延设置
- 降级服务预案分析,提升系统的鲁棒性
如下图所示,是针对瓜分全链路调用分析如下图,需要特别说明的几点:
- 时延很重要,需要全链路分析。不但可以提高吞吐量,而且可以快速暴露系统的瓶颈。
- 峰值时刻,补单逻辑需要关闭,避免加剧雪崩。
我们的降级预案大概如下:
- 一级预案,瓜分时刻前后 5 分钟自动进入:
- 入口处 1 分钟内陆续放开入口倒计时,未登录用户不弹入口
- 主会场排队,进入主会场以 100wqps 为例,超过了进入排队,由接入层频控控制
- 拉取资格接口排队,拉取资格接口 100wqps,超过了进入排队,由接入层频控控制
- 抢红包排队,抢红包 100wqps,超过了进入排队,由接入层频控控制
- 红包到账排队,如果资格扣除成功,现金发放失败,进入排队,24 小时内到账。异步补单
- 入口处调用后端非关键 rpc:ParticipateStatus,手动关闭
- 异步补单逻辑关闭。
- 二级预案,后端随机丢请求,接入层频控失效或者下游服务过载,手动开启进入
- 三级预案,前端随机丢请求,后端服务过载或者宕机进入。手动开启
综上,整个瓜分时刻体验如下所示:
回顾下漏斗模型,总结下整个实践: