go-zero微服務(wù)實戰(zhàn)系列（八、如何處理每秒上萬次的下單請求）
在前幾篇的文章中，我們花了很大的篇幅介紹如何利用緩存優(yōu)化系統(tǒng)的讀性能，究其原因在于我們的產(chǎn)品大多是一個讀多寫少的場景，尤其是在產(chǎn)品的初期，可能多數(shù)的用戶只是過來查看商品，真正下單的用戶非常少。但隨著業(yè)務(wù)的發(fā)展，我們就會遇到一些高并發(fā)寫請求的場景，秒殺搶購就是最典型的高并發(fā)寫場景。在秒殺搶購開始后用戶就會瘋狂的刷新頁面讓自己盡早的看到商品，所以秒殺場景同時也是高并發(fā)讀場景。那么應(yīng)對高并發(fā)讀寫場景我們怎么進行優(yōu)化呢？
處理熱點數(shù)據(jù)
秒殺的數(shù)據(jù)通常都是熱點數(shù)據(jù)，處理熱點數(shù)據(jù)一般有幾種思路：一是優(yōu)化，二是限制，三是隔離。
優(yōu)化
優(yōu)化熱點數(shù)據(jù)最有效的辦法就是緩存熱點數(shù)據(jù)，我們可以把熱點數(shù)據(jù)緩存到內(nèi)存緩存中。
限制
限制更多的是一種保護機制，當秒殺開始后用戶就會不斷地刷新頁面獲取數(shù)據(jù)，這時候我們可以限制單用戶的請求次數(shù)，比如一秒鐘只能請求一次，超過限制直接返回錯誤，返回的錯誤盡量對用戶友好，比如 "店小二正在忙" 等友好提示。
隔離
秒殺系統(tǒng)設(shè)計的第一個原則就是將這種熱點數(shù)據(jù)隔離出來，不要讓1%的請求影響到另外的99%，隔離出來后也更方便對這1%的請求做針對性的優(yōu)化。具體到實現(xiàn)上，我們需要做服務(wù)隔離，即秒殺功能獨立為一個服務(wù)，通知要做數(shù)據(jù)隔離，秒殺所調(diào)用的大部分是熱點數(shù)據(jù)，我們需要使用單獨的Redis集群和單獨的Mysql，目的也是不想讓1%的數(shù)據(jù)有機會影響99%的數(shù)據(jù)。
流量削峰
針對秒殺場景，它的特點是在秒殺開始那一剎那瞬間涌入大量的請求，這就會導致一個特別高的流量峰值。但最終能夠搶到商品的人數(shù)是固定的，也就是不管是100人還是10000000人發(fā)起請求的結(jié)果都是一樣的，并發(fā)度越高，無效的請求也就越多。但是從業(yè)務(wù)角度來說，秒殺活動是希望有更多的人來參與的，也就是秒殺開始的時候希望有更多的人來刷新頁面，但是真正開始下單時，請求并不是越多越好。因此我們可以設(shè)計一些規(guī)則，讓并發(fā)請求更多的延緩，甚至可以過濾掉一些無效的請求。
削峰本質(zhì)上是要更多的延緩用戶請求的發(fā)出，以便減少和過濾掉一些無效的請求，它遵從請求數(shù)要盡量少的原則。我們最容易想到的解決方案是用消息隊列來緩沖瞬時的流量，把同步的直接調(diào)用轉(zhuǎn)換成異步的間接推送，中間通過一個隊列在一端承接瞬時的流量洪峰，在另一端平滑的將消息推送出去，如下圖所示：
采用消息隊列異步處理后，那么秒殺的結(jié)果是不太好同步返回的，所以我們的思路是當用戶發(fā)起秒殺請求后，同步返回響應(yīng)用戶 "秒殺結(jié)果正在計算中..." 的提示信息，當計算完之后我們?nèi)绾畏祷亟Y(jié)果給用戶呢？其實也是有多種方案的。
一是在頁面中采用輪詢的方式定時主動去服務(wù)端查詢結(jié)果，例如每秒請求一次服務(wù)端看看有沒有處理結(jié)果，這種方式的缺點是服務(wù)端的請求數(shù)會增加不少。 二是主動push的方式，這種就要求服務(wù)端和客戶端保持長連接了，服務(wù)端處理完請求后主動push給客戶端，這種方式的缺點是服務(wù)端的連接數(shù)會比較多。
還有一個問題就是如果異步的請求失敗了該怎么辦？我覺得對于秒殺場景來說，失敗了就直接丟棄就好了，最壞的結(jié)果就是這個用戶沒有搶到而已。如果想要盡量的保證公平的話，那么失敗了以后也可以做重試。
如何保證消息只被消費一次
kafka是能夠保證"At Least Once"的機制的，即消息不會丟失，但有可能會導致重復消費，消息一旦被重復消費那么就會造成業(yè)務(wù)邏輯處理的錯誤，那么我們?nèi)绾伪苊庀⒌闹貜拖M呢？
我們只要保證即使消費到了重復的消息，從消費的最終結(jié)果來看和只消費一次的結(jié)果等同就好了，也就是保證在消息的生產(chǎn)和消費的過程是冪等的。什么是冪等呢？如果我們消費一條消息的時候，要給現(xiàn)有的庫存數(shù)量減1，那么如果消費兩條相同的消息就給庫存的數(shù)量減2，這就不是冪等的。而如果消費一條消息后處理邏輯是將庫存的數(shù)量設(shè)置為0，或者是如果當前庫存的數(shù)量為10時則減1，這樣在消費多條消息時所得到的結(jié)果就是相同的，這就是冪等的。說白了就是一件事無論你做多少次和做一次產(chǎn)生的結(jié)果都是一樣的，那么這就是冪等性。
我們可以在消息被消費后，把唯一id存儲在數(shù)據(jù)庫中，這里的唯一id可以使用用戶id和商品id的組合，在處理下一條消息之前先從數(shù)據(jù)庫中查詢這個id看是否被消費過，如果消費過就放棄。偽代碼如下：
isConsume := getByID(id)
if isConsume {
return
}
process(message)
save(id)
還有一種方式是通過數(shù)據(jù)庫中的唯一索引來保證冪等性，不過這個要看具體的業(yè)務(wù)，在這里不再贅述。
代碼實現(xiàn)
整個秒殺流程圖如下：
使用kafka作為消息隊列，所以要先在本地安裝kafka，我使用的是mac可以用homebrew直接安裝，kafka依賴zookeeper也會自動安裝
brew install kafka
安裝完后通過brew services start啟動zookeeper和kafka，kafka默認偵聽在9092端口
brew services start zookeeper
brew services start kafka
seckill-rpc的SeckillOrder方法實現(xiàn)秒殺邏輯，我們先限制用戶的請求次數(shù)，比如限制用戶每秒只能請求一次，這里使用go-zero提供的PeriodLimit功能實現(xiàn)，如果超出限制直接返回
code, _ := l.limiter.Take(strconv.FormatInt(in.UserId, 10))
if code == limit.OverQuota {
return nil, status.Errorf(codes.OutOfRange, "Number of requests exceeded the limit")
}
接著查看當前搶購商品的庫存，如果庫存不足就直接返回，如果庫存足夠的話則認為可以進入下單流程，發(fā)消息到kafka，這里kafka使用go-zero提供的kq庫，非常簡單易用，為秒殺新建一個Topic，配置初始化和邏輯如下：
Kafka:
Addrs:
- 127.0.0.1:9092
SeckillTopic: seckill-topic
KafkaPusher: kq.NewPusher(c.Kafka.Addrs, c.Kafka.SeckillTopic)
p, err := l.svcCtx.ProductRPC.Product(l.ctx, &product.ProductItemRequest{ProductId: in.ProductId})
if err != nil {
return nil, err
}
if p.Stock <= 0 {
return nil, status.Errorf(codes.OutOfRange, "Insufficient stock")
}
kd, err := json.Marshal(&KafkaData{Uid: in.UserId, Pid: in.ProductId})
if err != nil {
return nil, err
}
if err := l.svcCtx.KafkaPusher.Push(string(kd)); err != nil {
return nil, err
}
seckill-rmq消費seckill-rpc生產(chǎn)的數(shù)據(jù)進行下單操作，我們新建seckill-rmq服務(wù)，結(jié)構(gòu)如下：
tree ./rmq
./rmq
├── etc
│ └── seckill.yaml
├── internal
│ ├── config
│ │ └── config.go
│ └── service
│ └── service.go
└── seckill.go
4 directories, 4 files
依然是使用kq初始化啟動服務(wù)，這里我們需要注冊一個ConsumeHand方法，該方法用以消費kafka數(shù)據(jù)
srv := service.NewService(c)
queue := kq.MustNewQueue(c.Kafka, kq.WithHandle(srv.Consume))
defer queue.Stop()
fmt.Println("seckill started!!!")
queue.Start()
在Consume方法中，消費到數(shù)據(jù)后先反序列化，然后調(diào)用product-rpc查看當前商品的庫存，如果庫存足夠的話我們認為可以下單，調(diào)用order-rpc進行創(chuàng)建訂單操作，最后再更新庫存
func (s *Service) Consume(_ string, value string) error {
logx.Infof("Consume value: %s\n", value)
var data KafkaData
if err := json.Unmarshal([]byte(value), &data); err != nil {
return err
}
p, err := s.ProductRPC.Product(context.Background(), &product.ProductItemRequest{ProductId: data.Pid})
if err != nil {
return err
}
if p.Stock <= 0 {
return nil
}
_, err = s.OrderRPC.CreateOrder(context.Background(), &order.CreateOrderRequest{Uid: data.Uid, Pid: data.Pid})
if err != nil {
logx.Errorf("CreateOrder uid: %d pid: %d error: %v", data.Uid, data.Pid, err)
return err
}
_, err = s.ProductRPC.UpdateProductStock(context.Background(), &product.UpdateProductStockRequest{ProductId: data.Pid, Num: 1})
if err != nil {
logx.Errorf("UpdateProductStock uid: %d pid: %d error: %v", data.Uid, data.Pid, err)
return err
}
// TODO notify user of successful order placement
return nil
}
在創(chuàng)建訂單過程中涉及到兩張表orders和orderitem，所以我們要使用本地事務(wù)進行插入，代碼如下：
func (m *customOrdersModel) CreateOrder(ctx context.Context, oid string, uid, pid int64) error {
_, err := m.ExecCtx(ctx, func(ctx context.Context, conn sqlx.SqlConn) (sql.Result, error) {
err := conn.TransactCtx(ctx, func(ctx context.Context, session sqlx.Session) error {
_, err := session.ExecCtx(ctx, "INSERT INTO orders(id, userid) VALUES(?,?)", oid, uid)
if err != nil {
return err
}
_, err = session.ExecCtx(ctx, "INSERT INTO orderitem(orderid, userid, proid) VALUES(?,?,?)", "", uid, pid)
return err
})
return nil, err
})
return err
}
訂單號生成邏輯如下，這里使用時間加上自增數(shù)進行訂單生成
var num int64
func genOrderID(t time.Time) string {
s := t.Format("20060102150405")
m := t.UnixNano()/1e6 - t.UnixNano()/1e9*1e3
ms := sup(m, 3)
p := os.Getpid() % 1000
ps := sup(int64(p), 3)
i := atomic.AddInt64(&num, 1)
r := i % 10000
rs := sup(r, 4)
n := fmt.Sprintf("%s%s%s%s", s, ms, ps, rs)
return n
}
func sup(i int64, n int) string {
m := fmt.Sprintf("%d", i)
for len(m) < n {
m = fmt.Sprintf("0%s", m)
}
return m
}
最后分別啟動product-rpc、order-rpc、seckill-rpc和seckill-rmq服務(wù)還有zookeeper、kafka、mysql和redis，啟動后我們調(diào)用seckill-rpc進行秒殺下單
grpcurl -plaintext -d '{"user_id": 111, "product_id": 10}' 127.0.0.1:9889 seckill.Seckill.SeckillOrder
在seckill-rmq中打印了消費記錄，輸出如下
{"@timestamp":"2022-06-26T10:11:42.997+08:00","caller":"service/service.go:35","content":"Consume value: {\"uid\":111,\"pid\":10}\n","level":"info"}
這個時候查看orders表中已經(jīng)創(chuàng)建了訂單，同時商品庫存減一
結(jié)束語
本質(zhì)上秒殺是一個高并發(fā)讀和高并發(fā)寫的場景，上面我們介紹了秒殺的注意事項以及優(yōu)化點，我們這個秒殺場景相對來說比較簡單，但其實也沒有一個通用的秒殺的框架，我們需要根據(jù)實際的業(yè)務(wù)場景進行優(yōu)化，不同量級的請求優(yōu)化的手段也不盡相同。這里我們只展示了服務(wù)端的相關(guān)優(yōu)化，但對于秒殺場景來說整個請求鏈路都是需要優(yōu)化的，比如對于靜態(tài)數(shù)據(jù)我們可以使用CDN做加速，為了防止流量洪峰我們可以在前端設(shè)置答題功能等等。
希望本篇文章對你有所幫助，謝謝。
代碼倉庫: https://github.com/zhoushuguang/lebron
推薦閱讀