一、需求
- 有多款商品，每款商品均100件，每人限每款商品最多购买一件。
- 在X月X日 X时X分0秒开启购买。在约定时间之前，只能看到产品页面，购买按钮置灰。
二、活动预估
- 预计每种商品数万人参与
- 活动开始后半分钟内，预计每种商品收到10W次交易请求，预计总TPS：20W/s
- 活动开始半分钟后，预计绝大多数商品已售罄，剩下的商品仍支持秒杀，预计总TPS：2000/s
三、系统现状
- 系统可保持长期稳定运行的最大TPS：1000/s
- 短时间「1分钟内」系统未拒绝服务的最高TPS：1500/s
四、设计预研
方案一：改造现有系统，微服务系统整体大幅增加TPS
优点：
- 大幅增加TPS后，业务系统可直接承载巨量交易请求，应付秒杀需求会更加从容。
缺点：
- 秒杀活动次数少，改造成本、风险较大，性价比低
- 改造后，系统架构会更加复杂，可维护性降低
方案二：开发新应用，承载该需求；改造现有应用以支持新应用
优点：
- 对现有业务系统改造小，成本低。
- 使用新应用承载秒杀交易请求，灵活度高，不用过多考虑向后兼容问题。
缺点：
- 需要一定程度牺牲用户体验。
结论
基于成本和可行性考虑，采用方案二
五、架构设计
5.1 现有架构设计
- 前台应用直接承接用户访问、交易请求，无CDN服务。
- 前台应用接收到交易请求后，直接RPC同步请求中台应用
- 中台应用受到交易请求后，同步完成创建订单、支付、扣减商品数、完成交易等业务流程
- 前台应用接收到中台应用的处理结果，向用户展示交易商品的物流信息。
5.2 最新架构设计
5.2.1 架构设计一览图
5.2.2服务模块设计
1. 前端、客户端随机丢弃交易请求
- 根据用户查看商品详情页的次数，预估商品的热门程度，对不同商品设定不同的丢弃比率，设计字段：discard，取值为 [0, 100)，作为商品属性。
- 前端、客户端，在用户提交交易请求时，生成 [0, 100] 范围内的随机数，discard < 随机数的订单直接丢弃，但向用户展示排队页面，排队10秒后直接显示交易失败。
2. 提供CDN服务
- 静态资源均保存在CDN服务中
- 前端展示的专门秒杀页面，除了「交易发起」请求外，用户的任何操作均不会请求到公司的微服务业务系统。
3. 开发专门的「秒杀应用」，提供熔断服务
- 秒杀应用直接承载前端、客户端的交易请求，授权通过的请求发往前台应用处理，授权拒绝的请求直接拦截，返回交易失败。
- 秒杀应用通过配置中心，实时获取最新配置。可配置对交易的丢弃比率，开发同事在秒杀时间段内，调整配置，保证发往业务系统的交易请求，TPS保持在 10000/s 以内。
- 秒杀应用无数据库，无状态，水平扩展后可成比例增加吞吐量。
4. 现有业务系统优化吞吐
- 前台、中台各应用，通过优化设计进而优化吞吐，有如下优化方式：
- 采用分库分表等水平拆分方式，横向扩展数据库，此时也可以大幅增加POD数了
- 静态数据缓存在Redis中，数据从Redis中取，保证不会读取数据库，后台定时任务更新缓存。「保证缓存定时更新且无缓存击穿」
- 分库分表策略：
- 按照商品拆分数据库与应用
- 按照用户id二次拆分数据库与应用
- 经过上述优化，至少可以将中台业务系统的短时间「1分钟内」系统未拒绝服务的最高TPS，由2000/s提升至4000/s
- 由于前台应用逻辑较简单，TPS可提升至10000/s，无需再优化。
- 由于木桶效应，业务系统整体的短时间「1分钟内」系统未拒绝服务的最高TPS，为4000/s
5. 异步队列
- 前台应用效率较高，此处仅优化中台应用即可。
- 前台应用将秒杀交易请求均发往 Kafka，中台应用通过 Kafka 消费消息，进行实际业务处理。
- 由于业务高峰时间段最多仅有半分钟 ~ 1分钟，中台应用在 2 分钟左右处理完全部交易也可以接受。
- Kafka 的 TPS 为数十 W/s，承载前台 5000/s ~ 10000/s 的TPS毫无压力。
- 经此优化，业务系统整体的短时间「1分钟内」系统未拒绝服务的最高TPS，可从 4000/s 提升至 10000/s
缺点：极端情况下，交易处理会较为缓慢。
6. 服务降级
- 秒杀开始前半小时到秒杀结束后的半小时，这个时间段内，部分服务降级
- 时间段内，不展示物流信息、不支持生成及展示发票，保证核心业务系统的稳定
