为什么需要削峰？

如果你看过秒杀系统的流量监控图的话，你会发现它是一条直线，就在秒杀开始那一秒是一条很 直很直的线，这是因为秒杀请求在时间上高度集中于某一特定的时间点。这样一来，就会导致一 个特别高的流量峰值，它对资源的消耗是瞬时的。
但是对秒杀这个场景来说，最终能够抢到商品的人数是固定的，也就是说 100 人和 10000 人发 起请求的结果都是一样的，并发度越高，无效请求也越多，或者说，10000件商品10000个人抢购，但是不要让大家一起去抢，这样谁也受不了，让他们排队抢。

这就好比因为存在早高峰和晚高峰的问题，所以有了错峰限行的解决方案。削峰的存在，一是可 以让服务端处理变得更加平稳，二是可以节省服务器的资源成本。针对秒杀这一场景，削峰从本 质上来说就是更多地延缓用户请求的发出，以便减少和过滤掉一些无效请求，它遵从“请求数要 尽量少”的原则。

但是从业务上来说，秒杀活动是希望更多的人来参与的，也就是开始之前希望有更多的人来刷页 面，但是真正开始下单时，秒杀请求并不是越多越好。因此我们可以设计一些规则，让并发的请 求更多地延缓，而且我们甚至可以过滤掉一些无效请求。

流量削峰的思路

流量削峰的一些操作思路：排队、答题、分层过滤。这几种方式都是无损 （即不会损失用户的发出请求）的实现方案，当然还有些有损的实现方案，包括我们后面要介绍 的关于稳定性的一些办法，比如限流和机器负载保护等一些强制措施也能达到削峰保护的目的， 当然这都是不得已的一些措施，因此就不归类到这里了。

排队

要对流量进行削峰，最容易想到的解决方案就是用消息队列来缓冲瞬时流量，把同步的直接调用 转换成异步的间接推送，中间通过一个队列在一端承接瞬时的流量洪峰，在另一端平滑地将消息 推送出去。在这里，消息队列就像“水库”一样， 拦蓄上游的洪水，削减进入下游河道的洪峰流 量，从而达到减免洪水灾害的目的。

用消息队列来缓冲瞬时流量的方案，如下图所示：

但是，如果流量峰值持续一段时间达到了消息队列的处理上限，例如本机的消息积压达到了存储 空间的上限，消息队列同样也会被压垮，这样虽然保护了下游的系统，但是和直接把请求丢弃也 没多大的区别。就像遇到洪水爆发时，即使是有水库恐怕也无济于事。

• 除了消息队列，类似的排队方式还有很多，例如：
• 利用线程池加锁等待也是一种常用的排队方式；
• 先进先出、先进后出等常用的内存排队算法的实现方式；

把请求序列化到文件中，然后再顺序地读文件（例如基于 MySQL binlog 的同步机制）来恢 复请求等方式

可以看到，这些方式都有一个共同特征，就是把“一步的操作”变成“两步的操作”，其中增加 的一步操作用来起到缓冲的作用。

说到这里你可能会说，这样一来增加了访问请求的路径啊，并不符合我们介绍的“4 要 1 不 要”原则。没错，的确看起来不太合理，但是如果不增加一个缓冲步骤，那么在一些场景下系统 很可能会直接崩溃，所以最终还是需要你做出妥协和平衡

答题

你是否还记得，最早期的秒杀只是纯粹地刷新页面和点击购买按钮，它是后来才增加了答题功能 的。那么，为什么要增加答题功能呢？

这主要是为了增加购买的复杂度，从而达到两个目的。

第一个目的是防止部分买家使用秒杀器在参加秒杀时作弊。2011 年秒杀非常火的时候，秒杀器 也比较猖獗，因而没有达到全民参与和营销的目的，所以系统增加了答题来限制秒杀器。增加答 题后，下单的时间基本控制在 2s 后，秒杀器的下单比例也大大下降。答题页面如下图所示。

第二个目的其实就是延缓请求，起到对请求流量进行削峰的作用，从而让系统能够更好地支持瞬 时的流量高峰。这个重要的功能就是把峰值的下单请求拉长，从以前的 1s 之内延长到 2s~10s。这样一来，请求峰值基于时间分片了。这个时间的分片对服务端处理并发非常重要，会大大减轻 压力。而且，由于请求具有先后顺序，靠后的请求到来时自然也就没有库存了，因此根本到不了 最后的下单步骤，所以真正的并发写就非常有限了。这种设计思路目前用得非常普遍，如当年支 付宝的“咻一咻”、微信的“摇一摇”都是类似的方式。

如上图所示，整个秒杀答题的逻辑主要分为 3 部分。

• 题库生成模块，这个部分主要就是生成一个个问题和答案，其实题目和答案本身并不需要很复 杂，重要的是能够防止由机器来算出结果，即防止秒杀器来答题。

• 题库的推送模块，用于在秒杀答题前，把题目提前推送给详情系统和交易系统。题库的推送主 要是为了保证每次用户请求的题目是唯一的，目的也是防止答题作弊。

• 题目的图片生成模块，用于把题目生成为图片格式，并且在图片里增加一些干扰因素。这也同 样是为防止机器直接来答题，它要求只有人才能理解题目本身的含义。这里还要注意一点，由 于答题时网络比较拥挤，我们应该把题目的图片提前推送到 CDN 上并且要进行预热，不然的 话当用户真正请求题目时，图片可能加载比较慢，从而影响答题的体验。

其实真正答题的逻辑比较简单，很好理解：当用户提交的答案和题目对应的答案做比较，如果通 过了就继续进行下一步的下单逻辑，否则就失败。我们可以把问题和答案用下面这样的 key 来进 行 MD5 加密：

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

答案 key：userId+itemId+answer+PK

验证的逻辑如下图所示：

注意，这里面的验证逻辑，除了验证问题的答案以外，还包括用户本身身份的验证，例如是否已 经登录、用户的 Cookie 是否完整、用户是否重复频繁提交等。

除了做正确性验证，我们还可以对提交答案的时间做些限制，例如从开始答题到接受答案要超过 1s，因为小于 1s 是人为操作的可能性很小，这样也能防止机器答题的情况。

分层过滤

前面介绍的排队和答题要么是少发请求，要么对发出来的请求进行缓冲，而针对秒杀场景还有一 种方法，就是对请求进行分层过滤，从而过滤掉一些无效的请求。分层过滤其实就是采用“漏 斗”式设计来处理请求的，如下图所示。

1、假如请求分别经过 CDN、前台读系统（如商品详情系统）、后台系统（如交易系统）和数据库 这几层，那么：

2、大部分数据和流量在用户浏览器或者 CDN 上获取，这一层可以拦截大部分数据
的读取；

3、经过第二层（即前台系统）时数据（包括强一致性的数据）尽量得走 Cache，过滤一些无效的 请求；

4、再到第三层后台系统，主要做数据的二次检验，对系统做好保护和限流，这样数据量和请求就 进一步减少；

5、最后在数据层完成数据的强一致性校验。

这样就像漏斗一样，尽量把数据量和请求量一层一层地过滤和减少了。
分层过滤的核心思想是：在不同的层次尽可能地过滤掉无效请求，让“漏斗”最末端的才是有效 请求。而要达到这种效果，我们就必须对数据做分层的校验。

分层校验的基本原则是：

• 将动态请求的读数据缓存（Cache）在 Web 端，过滤掉无效的数据读；
• 对读数据不做强一致性校验，减少因为一致性校验产生瓶颈的问题；
• 对写数据进行基于时间的合理分片，过滤掉过期的失效请求；
• 对写请求做限流保护，将超出系统承载能力的请求过滤掉；
• 对写数据进行强一致性校验 只保留最后有效的数据