如果你看過秒殺系統的流量監控圖的話，你會發現它是一條直線，就在秒殺開始那一秒是一條很 直很直的線，這是因為秒殺請求在時間上高度集中于某一特定的時間點。這樣一來，就會導致一 個特別高的流量峰值，它對資源的消耗是瞬時的。

但是對秒殺這個場景來說，最終能夠搶到商品的人數是固定的，也就是說 100 人和 10000 人發 起請求的結果都是一樣的，并發度越高，無效請求也越多。

但是從業務上來說，秒殺活動是希望更多的人來參與的，也就是開始之前希望有更多的人來刷頁 面，但是真正開始下單時，秒殺請求并不是越多越好。因此我們可以設計一些規則，讓并發的請 求更多地延緩，而且我們甚至可以過濾掉一些無效請求。

為什么要削峰

為什么要削峰呢？

或者說峰值會帶來哪些壞處？

我們知道服務器的處理資源是恒定的，你用或者不用它的處理能力都是一樣的，所以出現峰值的 話，很容易導致忙到處理不過來，閑的時候卻又沒有什么要處理。但是由于要保證服務質量，我 們的很多處理資源只能按照忙的時候來預估，而這會導致資源的一個浪費。

這就好比因為存在早高峰和晚高峰的問題，所以有了錯峰限行的解決方案。削峰的存在，一是可 以讓服務端處理變得更加平穩，二是可以節省服務器的資源成本。針對秒殺這一場景，削峰從本 質上來說就是更多地延緩用戶請求的發出，以便減少和過濾掉一些無效請求，它遵從“請求數要 盡量少”的原則。

今天，我就來介紹一下流量削峰的一些操作思路：排隊、答題、分層過濾。這幾種方式都是無損 （即不會損失用戶的發出請求）的實現方案，當然還有些有損的實現方案，包括我們后面要介紹 的關于穩定性的一些辦法，比如限流和機器負載保護等一些強制措施也能達到削峰保護的目的， 當然這都是不得已的一些措施，因此就不歸類到這里了。

排隊

要對流量進行削峰，最容易想到的解決方案就是用消息隊列來緩沖瞬時流量，把同步的直接調用 轉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，在另一端平滑地將消息 推送出去。在這里，消息隊列就像“水庫”一樣， 攔蓄上游的洪水，削減進入下游河道的洪峰流 量，從而達到減免洪水災害的目的。

用消息隊列來緩沖瞬時流量的方案，如下圖所示：

但是，如果流量峰值持續一段時間達到了消息隊列的處理上限，例如本機的消息積壓達到了存儲 空間的上限，消息隊列同樣也會被壓垮，這樣雖然保護了下游的系統，但是和直接把請求丟棄也 沒多大的區別。就像遇到洪水爆發時，即使是有水庫恐怕也無濟于事。

除了消息隊列，類似的排隊方式還有很多，例如：

• 利用線程池加鎖等待也是一種常用的排隊方式；

• 先進先出、先進后出等常用的內存排隊算法的實現方式；

• 把請求序列化到文件中，然后再順序地讀文件（例如基于 MySQL binlog 的同步機制）來恢 復請求等方式。

可以看到，這些方式都有一個共同特征，就是把“一步的操作”變成“兩步的操作”，其中增加 的一步操作用來起到緩沖的作用。

說到這里你可能會說，這樣一來增加了訪問請求的路徑啊，并不符合我們介紹的“4 要 1 不 要”原則。沒錯，的確看起來不太合理，但是如果不增加一個緩沖步驟，那么在一些場景下系統 很可能會直接崩潰，所以最終還是需要你做出妥協和平衡。

答題

你是否還記得，最早期的秒殺只是純粹地刷新頁面和點擊購買按鈕，它是后來才增加了答題功能 的。那么，為什么要增加答題功能呢？

這主要是為了增加購買的復雜度，從而達到兩個目的。

第一個目的是防止部分買家使用秒殺器在參加秒殺時作弊。2011 年秒殺非常火的時候，秒殺器 也比較猖獗，因而沒有達到全民參與和營銷的目的，所以系統增加了答題來限制秒殺器。增加答 題后，下單的時間基本控制在 2s 后，秒殺器的下單比例也大大下降。答題頁面如下圖所示。

第二個目的其實就是延緩請求，起到對請求流量進行削峰的作用，從而讓系統能夠更好地支持瞬 時的流量高峰。這個重要的功能就是把峰值的下單請求拉長，從以前的 1s 之內延長到 2s~10s。這樣一來，請求峰值基于時間分片了。這個時間的分片對服務端處理并發非常重要，會大大減輕 壓力。而且，由于請求具有先后順序，靠后的請求到來時自然也就沒有庫存了，因此根本到不了 最后的下單步驟，所以真正的并發寫就非常有限了。這種設計思路目前用得非常普遍，如當年支 付寶的“咻一咻”、微信的“搖一搖”都是類似的方式。

這里，我重點說一下秒殺答題的設計思路。

如上圖所示，整個秒殺答題的邏輯主要分為 3 部分。

• 題庫生成模塊，這個部分主要就是生成一個個問題和答案，其實題目和答案本身并不需要很復 雜，重要的是能夠防止由機器來算出結果，即防止秒殺器來答題。

• 題庫的推送模塊，用于在秒殺答題前，把題目提前推送給詳情系統和交易系統。題庫的推送主 要是為了保證每次用戶請求的題目是唯一的，目的也是防止答題作弊。

• 題目的圖片生成模塊，用于把題目生成為圖片格式，并且在圖片里增加一些干擾因素。這也同 樣是為防止機器直接來答題，它要求只有人才能理解題目本身的含義。這里還要注意一點，由 于答題時網絡比較擁擠，我們應該把題目的圖片提前推送到 CDN 上并且要進行預熱，不然的 話當用戶真正請求題目時，圖片可能加載比較慢，從而影響答題的體驗。

其實真正答題的邏輯比較簡單，很好理解：當用戶提交的答案和題目對應的答案做比較，如果通 過了就繼續進行下一步的下單邏輯，否則就失敗。我們可以把問題和答案用下面這樣的 key 來進 行 MD5 加密：

問題 key：userId+itemId+question_Id+time+PK

答案 key：userId+itemId+answer+PK

驗證的邏輯如下圖所示：

注意，這里面的驗證邏輯，除了驗證問題的答案以外，還包括用戶本身身份的驗證，例如是否已 經登錄、用戶的 Cookie 是否完整、用戶是否重復頻繁提交等。

除了做正確性驗證，我們還可以對提交答案的時間做些限制，例如從開始答題到接受答案要超過 1s，因為小于 1s 是人為操作的可能性很小，這樣也能防止機器答題的情況。

分層過濾

前面介紹的排隊和答題要么是少發請求，要么對發出來的請求進行緩沖，而針對秒殺場景還有一 種方法，就是對請求進行分層過濾，從而過濾掉一些無效的請求。分層過濾其實就是采用“漏 斗”式設計來處理請求的，如下圖所示。

1、假如請求分別經過 CDN、前臺讀系統（如商品詳情系統）、后臺系統（如交易系統）和數據庫 這幾層，那么：

2、大部分數據和流量在用戶瀏覽器或者 CDN 上獲取，這一層可以攔截大部分數據的讀取；

3、經過第二層（即前臺系統）時數據（包括強一致性的數據）盡量得走 Cache，過濾一些無效的 請求；

4、再到第三層后臺系統，主要做數據的二次檢驗，對系統做好保護和限流，這樣數據量和請求就 進一步減少；

5、最后在數據層完成數據的強一致性校驗。

這樣就像漏斗一樣，盡量把數據量和請求量一層一層地過濾和減少了。

分層過濾的核心思想是：在不同的層次盡可能地過濾掉無效請求，讓“漏斗”最末端的才是有效 請求。而要達到這種效果，我們就必須對數據做分層的校驗。

分層校驗的基本原則是：

• 將動態請求的讀數據緩存（Cache）在 Web 端，過濾掉無效的數據讀；

• 對讀數據不做強一致性校驗，減少因為一致性校驗產生瓶頸的問題；

• 對寫數據進行基于時間的合理分片，過濾掉過期的失效請求；

• 對寫請求做限流保護，將超出系統承載能力的請求過濾掉；

• 對寫數據進行強一致性校驗 只保留最后有效的數據

總結一下

今天，我介紹了如何在網站面臨大流量沖擊時進行請求的削峰，并主要介紹了削峰的 3 種處理方 式：一個是通過隊列來緩沖請求，即控制請求的發出；一個是通過答題來延長請求發出的時間， 在請求發出后承接請求時進行控制，最后再對不符合條件的請求進行過濾；最后一種是對請求進 行分層過濾。

其中，隊列緩沖方式更加通用，它適用于內部上下游系統之間調用請求不平緩的場景，由于內部 系統的服務質量要求不能隨意丟棄請求，所以使用消息隊列能起到很好的削峰和緩沖作用。而答題更適用于秒殺或者營銷活動等應用場景，在請求發起端就控制發起請求的速度，因為越到 后面無效請求也會越多，所以配合后面介紹的分層攔截的方式，可以更進一步減少無效請求對系 統資源的消耗。

分層過濾非常適合交易性的寫請求，比如減庫存或者拼車這種場景，在讀的時候需要知道還有沒 有庫存或者是否還有剩余空座位。但是由于庫存和座位又是不停變化的，所以讀的數據是否一定 要非常準確呢？其實不一定，你可以放一些請求過去，然后在真正減的時候再做強一致性保證， 這樣既過濾一些請求又解決了強一致性讀的瓶頸。

不過，在削峰的處理方式上除了采用技術手段，其實還可以采用業務手段來達到一定效果，例如 在零點開啟大促的時候由于流量太大導致支付系統阻塞，這個時候可以采用發放優惠券、發起抽 獎活動等方式，將一部分流量分散到其他地方，這樣也能起到緩沖流量的作用。

總結

以上是生活随笔為你收集整理的秒杀系统流量削峰，这事应该怎么做？的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。