1.秒杀系统的设计
秒杀一般出现在商城的促销活动中，指定了一定数量（比如：10个）的商品（比如：手机），以极低的价格（比如：0.1元），让大量用户参与活动，但只有极少数用户能够购买成功。这类活动商家绝大部分是不赚钱的，说白了是找个噱头宣传自己。
像这种瞬时高并发的场景，传统的系统很难应对，我们需要设计一套全新的系统。可以从以下几个方面入手：
- 页面静态化
- CDN（content delivery Network）加速
- 缓存
- mq异步处理
- 限流
- 分布式锁
思路：
- 首先，对于秒杀系统中的活动页面一般是固定的，比如：商品名称、商品描述、图片等。为了减少不必要的服务端请求，因此要对活动页面做静态化处理。用户浏览商品等常规操作，并不会请求到服务端。只有到了秒杀时间点，并且用户主动点了秒杀按钮才允许访问服务端。
- 但只做页面静态化还不够，因为用户分布在全国各地，有些人在北京，有些人在成都，有些人在深圳，地域相差很远，网速各不相同。为了让用户最快访问到活动页面，这就需要使用CDN，它的全称是Content Delivery Network，即内容分发网络。使用户就近获取所需内容，降低网络拥塞，提高用户访问响应速度和命中率。
- 秒杀是一个读多写少的场景（因为在秒杀过程中，每一个请求一般都会检查库存是否充足，足够了才允许修改库存下单，由于大量用户抢少量商品，只有极少部分用户能够抢成功，所以绝大部分用户在秒杀时，库存其实是不足的，系统会直接返回该商品已经抢完。这是非常典型的：读多写少 的场景）。
- 如果直接使用MYSQL，这么高的并发数据库极有可能挂点，因此应该对库存信息使用redis缓存，，在秒杀活动开始前，将库存信息预缓存倒redis中，同时采用分布式锁防止缓存击穿，并且为了提高系统可用性可以使用集群的方式部署多个节点。
为防止超买超卖（query查询操作非原子操作），扣减库存操作中，使用redis扣减库存。redis的
incr方法是原子性的，可以用该方法扣减库存,：- 1)先判断该用户有没有秒杀过该商品，如果已经秒杀过，则直接返回-1。2)扣减库存，判断返回值是否小于0，如果小于0，则直接返回0，表示库存不足。3)如果扣减库存后，返回值大于或等于0，则将本次秒杀记录保存起来。然后返回1，表示成功。(下述代码不足点：由于预先执行incrby，导致库存变负数，后面有回退库存时，会导致库存不准)
1
2
3
4
5
6
7
8
9bool exist = redisClient.query(productId,userId);
if(exist) {
return -1;
}
if(redisClient.incrby(productId, -1)<0) {
return 0;
}
redisClient.add(productId,userId);
return 1; - 因此，最好的策略：我们都知道lua脚本，是能够保证原子性的，而redis支持lua脚本，它跟redis一起配合使用，能够完美解决上面的问题
1
2
3
4
5
6
7
8
9
10
11
12
13StringBuilder lua = new StringBuilder();
lua.append("if (redis.call('exists', KEYS[1]) == 1) then");
lua.append(" local stock = tonumber(redis.call('get', KEYS[1]));");
lua.append(" if (stock == -1) then");
lua.append(" return 1;");
lua.append(" end;");
lua.append(" if (stock > 0) then");
lua.append(" redis.call('incrby', KEYS[1], -1);");
lua.append(" return stock;");
lua.append(" end;");
lua.append(" return 0;");
lua.append("end;");
lua.append("return -1;");
- 1)先判断该用户有没有秒杀过该商品，如果已经秒杀过，则直接返回-1。2)扣减库存，判断返回值是否小于0，如果小于0，则直接返回0，表示库存不足。3)如果扣减库存后，返回值大于或等于0，则将本次秒杀记录保存起来。然后返回1，表示成功。(下述代码不足点：由于预先执行incrby，导致库存变负数，后面有回退库存时，会导致库存不准)
- 同时，为了防止redis因为宕机导致的最后数据的不一致性，需要开启redis的持久化机制。
- 真实的秒杀场景中，有三个核心流程：
秒杀-->生成订单-->支付。真正并发量大的是秒杀功能，下单和支付功能实际并发量很小。所以，我们在设计秒杀系统时，有必要把下单和支付功能从秒杀的主流程中拆分出来，特别是下单功能要做成mq异步处理的。而支付功能，比如支付宝支付，是业务场景本身保证的异步。
- 往mq发送下单消息的时候，有可能会失败。原因有很多，比如：网络问题、broker挂了、mq服务端磁盘问题等。这些情况，都可能会造成消息丢失。那么，如何防止消息丢失呢？
- 方法1：在生产者发送mq消息之前，先把该条消息写入消息发送表，初始状态是待处理，然后再发送mq消息。消费者消费消息时，处理完业务逻辑之后，再回调生产者的一个接口，修改消息状态为已处理。
- 防范2：借助mq的消息的持久化
- 往mq发送下单消息的时候，有可能会失败。原因有很多，比如：网络问题、broker挂了、mq服务端磁盘问题等。这些情况，都可能会造成消息丢失。那么，如何防止消息丢失呢？
回退库存： 如果用户秒杀成功了，下单之后，在15分钟之内还未完成支付的话，该订单会该被自动取消，库存+1，这种场景可以使用延时队列，下单时消息生产者会先生成订单，此时状态为待支付，然后会向延迟队列中发一条消息。达到了延迟时间，消息消费者读取消息之后，会查询该订单的状态是否为待支付。如果是待支付状态，则会更新订单状态为取消状态。如果不是待支付状态，说明该订单已经支付过了，则直接返回。
- 限流：
- 基于nginx的限流：针对整体而言
- 基于请求速率的限流：通过
ngx_http_limit_req_module模块来实现，该模块支持基于固定窗口算法和令牌桶算法的限流。 - 固定窗口算法：
- 允许定义一个请求速率（如每秒允许的请求数量）和一个时间窗口。
- 当请求到达时，Nginx会检查在当前的时间窗口内是否已经达到了设置的速率限制。
- 如果请求超出了速率限制，Nginx可以配置为返回错误状态码（如503 Service Temporarily Unavailable）或者延迟处理请求。
- 令牌桶算法：
- 通过固定速率向桶中添加令牌。
- 每个请求都需要消耗一个令牌才能被处理。
- 如果桶中有足够的令牌，请求将立即被处理；如果没有令牌，则请求可以被延迟处理或拒绝。
- 这种算法允许一定程度的突发流量，因为桶中可以积累令牌以应对短时间内的请求峰值。
- 基于请求速率的限流：通过
- 基于nginx的限流：针对整体而言
针对科技限流： - 对同一用户限流:了防止某个用户，请求接口次数过于频繁，可以只针对该用户做限制。比如某个id,每分钟只能请求5次接口。 - 对同一ip限流：有时候只对某个用户限流是不够的，有些高手可以模拟多个用户请求，这种nginx就没法识别了。这时需要加同一ip限流功能。 - 对接口限流：别以为限制了用户和ip就万事大吉，有些高手甚至可以使用代理，每次都请求都换一个ip。这时可以限制请求的接口总次数。这种限制对于系统的稳定性是非常有必要的。但可能由于有些非法请求次数太多，达到了该接口的请求上限，而影响其他的正常用户访问该接口。看起来有点得不偿失。 - 加验证码：相对于上面三种方式，加验证码的方式可能更精准一些，同样能限制用户的访问频次，但好处是不会存在误杀的情况。
2. SQL的优化
在平常中我是通过这样去优化慢查询的：
- 首先通过慢查询日志去定位慢SQL语句，使用mysqldumplow工具分析慢查询日志，找到慢SQL
1
mysqldumpslow -s t -t 10 /var/log/mysql/slow.log
- 使用EXPLAIN分析SQL语句，主要看这条查询语句当中的
TYPE、key、rows、extra字段，其中type观察该SQL语句的访问类型，是否使用索引，好坏层级为system > const > eq_ref > ref > range > index >ALL，如果是all或index的话，说明走了全表扫描，没有走索引或者索引失效，导致查询慢，尝试使用走索引优化，比如建立复合索引，最少优化到range范围，更好的则尽量ref\const - 接着通过
key得到实际实际的索引，观察返回的记录数rows是否过多，如果过多则限制返回记录数，比如去除不必要的记录或者将查询分割成小范围查询 另外一点的话，如果是index，看是否能直接使用索引覆盖，即
using index1
2
3
4
5+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
| id | select_type | table | type | key | rows | Extra |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+
| 1 | SIMPLE | orders | ALL | NULL | 10000| Using where |
+----+-------------+--------+------+---------------+------+---------+------+--------+-------------+SQL的重新可以从减少查询数据量、减少返回的记录数、拆分复杂查询出发
1 | // 减少数据量 |
为什么大多数场景下连接查询比嵌套子查询好
- 嵌套子查询可能导致内部查询重复执行，并且零时表的生成和管理增加了额外的开销
- 联合查询通过JOIN一次性将两个表的数据关联合并，生成中间结果集，避免了重复执行。
3. 索引的优化
Mysql索引的优化
- 索引类型选择：MySQL支持多种索引类型，有B+tree索引、哈希索引、全文索引（FULLTEXT，Innodb和MyISAm均支持）。可以根据实际需求选择合适的索引类型，比如B+tree索引适用于要求排序、范围查询等场景；如果是经常查询单条记录,用
=情况，在这样的精确匹配查询下，使用哈希索引合适（MEMORY存储引擎）。 - 选择适当的列建立聚簇索引（适当的列是指频繁查询且唯一的字段，这样对于大多数查询来说都避免了回表查询）
- 建立联合索引：选择多个经常结合查询的字段建立联合索引，并且按照最左前缀匹配，选择性高的字段放在前面。后面在查询过程中能狗进行覆盖索引，这样对于大多数查询来说都避免了回表查询。
- 对于字符类型索引，如果经常查询，可以尝试建立前缀索引，按照区分度选择合适的长度建立
另外，当我们看到慢SQL后，不是马上去建立索引，而是看能不能优化SQL。大多数情况下，业务SQL比较复杂，很难优化，因此建立索引要参照下面的规则：
- (1)索引并非越多越好，大量的索引不仅占用磁盘空间，而且还会影响insert,delete,update等语句的性能
- (2)索引需要维护，因此避免对经常更新的表做更多的索引，并且索引中的列尽可能少；对经常用于查询的字段创建索引，避免添加不必要的索引
- (3)数据量少的表尽量不要使用索引，由于数据较少，查询花费的时间可能比遍历索引的时间还要短，索引可能不会产生优化效果
- (4)在条件表达式中经常用到不同值较多的列上创建索引，在不同值很少的列上不要建立索引
- (5)在频繁进行排序或者分组的列上建立索引，如果排序的列有多个，可以在这些列上建立联合索引，联合索引中列顺序按照选择性排列。
4. mysql死锁的排查
- 开启mysql的死锁日志
1
SET GLOBAL innodb_print_all_deadlock=ON;
- 分析死锁日志
- 检查SQL的执行顺序，观察事务是否因不同顺序访问相同资源导致
1
2
3
4
5
6
7事务1：
BEGIN;
UPDATE accounts SET banlance=banlance-100 WHERE Id=1; 锁住了id=1
UPDATE accounts SET banlance=banlance+100 WHERE Id=2; 尝试锁住id=2
事务2
UPDATE accounts SET banlance=banlance-100 WHERE Id=2; 锁住了id=2
UPDATE accounts SET banlance=banlance+100 WHERE Id=2; 尝试锁住id=1 - 检查是是否走索引，无索引或索引不当会导致锁升级为表锁或间隙锁，增大死锁概率
- 检查SQL的执行顺序，观察事务是否因不同顺序访问相同资源导致
在MySQL种有这样的机制，线程发现死锁后，会主动回滚死锁链条中的某一个事务，让其他事务得以继续执行。可将参数innodb_deadlock_detect设置为on，表示开启这个逻辑。但是它有额外负担的。每当一个事务被锁的时候，就要看看它所依赖的线程有没有被别人锁住，如此循环，消耗大。
5. 数据库，如果突然掉电数据写入失败，redo log也来不及落盘，undo log 也没办法，这种情况怎么办？
针对该问题，我想到有事前的预防措施、事中的高可用架构以及事后的业务层补偿三个方面来解决：
- 预防措施：避免极端情况的发生：
- 比如使用UPS不间断电源，防止突然断电，提供零时电力完成未提交事物
- BBU电池后备缓存，确保存储设备的缓存数据在断电后仍能写入磁盘
高可用架构设计：考虑容灾和冗余，比如使用MySQL group replication.通过同步或半同步复制，确保事务在多个节点提交后才返回成功，这样即使一个节点宕机了也不影响整体的服务，从节点可以快速接管并恢复服务，
业务层补偿机制：为所有事务生成一个全局的UUID，并在业务层维护一个日志，定时扫描未完成的事务，通过比对数据库的状态与操作日志，触发补偿，达到最终一致性。
MySQL Group Replication基于组复制的概念，并参考了MariaDB Galera Cluster和Percona XtraDB Cluster的设计。它允许数据库服务器组织成一个组，在组内的所有成员之间进行数据复制和同步，以确保数据的一致性和可用性。
- 多主复制：
- MGR支持多主复制模式，即允许多个节点同时处理读写请求，从而提高系统的吞吐量和可靠性。
- 当某个成员执行写操作时，该操作会被记录并复制到组内的其他所有成员。
- 事务一致性：
- 事务的提交必须经过半数以上节点同意方可提交，以确保数据的一致性。
- MGR使用Paxos算法（通过XCom基础设施实现）来确保数据库状态机在节点间的事务一致性。
- 故障检测与自动故障转移：
- MGR具有故障检测机制，当某个成员出现故障时，系统会自动调整组的成员关系。
- 当某个节点发生故障时，Group Replication会自动重新配置集群，确保服务的连续性
各层协议主要有：
系统每次从一个任务切换到另一个时都需要切换一次上下文(context switch)，任务切换也有时间开销。
然后增加