马上双十二，教你用Python实现秒杀系统

架构搭建是重点，代码或语言实现较简单。

本篇用python+redis+rabbitmq搭建一个秒杀系统。用flask编写后端，只包含秒杀相关程序，省略具体的业务接口。

项目会持续更新，完整代码见github：https://github.com/Sssmeb/seckilling

（如果觉得有帮助的话可以点个star~~~~ ）

篇幅有限，不会介绍redis或rabbitmq的基本操作。如果没学过相关知识的只需先了解以下两点，也可以看懂本架构。

1. redis是内存型数据库，读写速度远快于mysql这类磁盘型数据库，常用来作缓存。
2. rabbitmq消息队列，可以理解为生产者消费者模型，用队列来存储任务，生产与消费解耦。

前言

在介绍架构之前，我们需要先知道秒杀系统面临的难点是什么。

首先在普通的系统中，最大的瓶颈是在于底层的数据库端。因为底层数据库（比如常见的mysql）是磁盘存储的，所以读写IO较慢，而且连接数有限。

而在秒杀业务场景，最大的特点是瞬时的高并发

所以在这里，需要明确第一个目标：让尽可能少、尽可能有效的请求打到底层数据库。

当我们回头再考虑这个业务场景，其实绝大部分的请求都不应该打到底层数据库。因为一般商品库存可能只有抢购用户数的百分之一，甚至更少。所以我们需要一些机制、策略，提前将无效的请求返回。

而站在整个网站设计的角度，第二个目标：越上层越容易实现，越有效。

这里的层指：

1. 页面层
2. 网络层
3. 应用层
4. 服务层
5. 数据层

例如在前端页面层，如果不做处理，用户在点击抢购按钮以后，见网页没有响应，可能会再点击3-4次甚至更多，这样可能会导致最终有80%的请求都是重复无效的。但只需要前端在设计时，将点击后的按钮置灰，防止用户多次点击发送请求。即简单又有效。
以下简单指出各层可实施的策略：

1. 页面层（简单的实现可以屏蔽 90%的请求）
2. 按钮置灰，禁止用户重复提交
3. 验证码
4. 网络层
5. 通过ip限制一定时间内的请求次数
6. 应用层
7. 一个页面最占用资源、带宽的是cs js 图片等静态资源
8. 避免所有请求都到服务器的硬盘上取
9. 动静分离，压缩缓存处理（CDN nginx）
10. 根据uid限频，页面缓存技术（web服务器 nginx）
11. 反向代理 + 负载均衡 （nginx）
12. 服务层
13. 微服务
14. redis
15. 消息队列 削峰 异步处理
16. 数据层
17. 读写分离
18. 分库分表
19. 集群

每一层具体实现起来都是一个很大的架构，这里我们主要专注于服务层，使用redis+消息队列。

基础架构

架构.png

核心：服务异步拆分，减少耦合，使用缓存，加快响应。

避免同步的请求执行，如：请求→订单→支付→修改库存→结束返回，这种模型在高并发场景下，阻塞多，响应慢，服务器压力大，不可取。

这里实现的架构是：1. 请求→返回 2. 支付→返回 3. 修改库存

这种服务拆分归功于 消息队列。核心思想是，将接收到的请求 存储到队列中就可以响应用户了，后端在队列中取出请求再做后续操作即可。简单理解就是，我们将请求记录下来，晚点空闲了再处理。

基础数据存储

数据、请求的存储情况如：

0. mysql中存储商品信息、订单信息
1. redis存入商品信息、设置计数器、存储成功订单的数据结构等
2. rabbitmq创建队列

• 订单队列（用户提交请求）
• 延迟队列（订单必须在15分钟内支付）
• 成交队列（订单支付成功，等待写入数据库）

流程

以下所有代码都是截取核心部分，完整代码参看
github：https://github.com/Sssmeb/seckilling

订单请求

redis计数器

假设我们只有100件商品库存，但可能会收到10万条抢购请求。也就是会有将近9.9万条无效的请求，所以我们要将这些请求阻隔。

最简单的方法，也是我们使用的方法：实现一个count变量，每个请求进入都加一，当count大于100时则直接返回失败即可。

这里我们使用redis也是因为内存读写速度要远大于类似mysql的磁盘读写。

def plus_counter(goods_id, storage=100):
 count = redis_conn.incr("counter:"+str(goods_id))
 if count > storage:
 return False
 return True

代码实现增加了分布式锁。相关知识可以看：https://www.jianshu.com/p/cf311cfb1689

订单队列

异步拆分服务的关键。为了提高响应速度，我们只需要将请求订单任务保存下来（消息队列），就可以直接返回用户了。而不需要将请求转到后端做大量的判断、处理、数据库读写操作后才返回用户。所有可以大大的加快响应速度。后端可以随时从队列中取出请求再做各自处理，即使等抢购活动结束再进行底层数据库读写也没有问题。

所以核心思路就是把请求放入队列，然后直接返回用户即可。

# 计数器+1
flag = plus_counter(goods_id)
# 成功申请
if flag:
 # 生成唯一的订单号
 order_id = uuid.uuid1()
 # 订单信息（也是请求任务信息）
 order_info = {
 "goods_id": goods_id,
 "user_id": user_id,
 "order_id": str(order_id)
 }
 try:
 # 进入订单队列
 enter_order_queue(order_info)

 res["status"] = True
 res["msg"] = "抢购成功，请在15分钟之内付款！"
 res["order_id"] = str(order_id)

 return jsonify(res)
 except Exception as e:
 print("log: ", e)
 res["status"] = False
 res["msg"] = "抢购出错，请重试." + str(e)
 return jsonify(res), 202

enter_order_queue是将订单请求（订单信息），也就是order_info发送到对应的队列。与之对应的消费者，只需要将该订单信息写入数据库对应的订单表即可。

注意：此时订单还没支付，所以数据库表中可以设置一个status字段，标识订单的状态。

唯一标识

不局限于uuid，可用毫秒时间戳之类的唯一标识。

可以看到上面代码中，我们利用uuid生成了一个唯一标识作为订单号，并且返回给用户。

主要的作用是：

1. 标识订单。因为订单请求仅仅只是被我们入队列，消费者可能还没开始处理。（即订单可能还未被创建在数据库中）
2. 返回给用户，可用于后续的支付操作。

当用户支付时需要校验用户与对应的单号是否正确，这里我们仍用redis，以提高查询速度。

所以在上面的基础上，我们需要加多一步，将订单信息写入redis。

order_info = {
 "goods_id": goods_id,
 "user_id": user_id,
 "order_id": str(order_id)
 }
try:
 # 在redis中创建这个订单
 create_order(order_info)

 enter_order_queue(order_info)
 res["status"] = True
 res["msg"] = "抢购成功，请在15分钟之内付款！" 

 res["order_id"] = str(order_id)
 return jsonify(res)

订单的结构这里采用字典，提高检索效率。插入如：

redis_conn.hset("order:"+str(goods_id), str(order_id), str(user_id))

超时队列

正如前面所见，我们提示用户在15分钟之内支付，符合日常业务场景。

在消息队列中有延迟队列的应用，符合我们的超时需求。所以我们同样用消息队列来实现这一业务需求。即我们在创建订单时，同样将订单信息传入队列中。

try:
 # redis保存订单信息
 create_order(order_info)
 # 订单队列
 enter_order_queue(order_info)
 # 超时队列
 enter_overtime_queue(order_info)

最终，当一个订单请求通过计数器后，需要经历的三个过程如上。无论是redis或是rabbitmq消息队列，都是内存操作，速度都是足够快的。不需要经过数据层即可响应用户。

至此，一个订单“创建”完成。

支付请求

订单请求完成后，用户会获得订单号。用户必须在15分钟内完成支付操作。在执行支付时需要考虑：

1. 检查用户和对应的订单号是否正确

• create_order(order_info) 时，我们已将订单信息写入redis。可从这里取得数据做校验

1. 检查订单是否超时

• 如果我们设置的超时队列超过指定时间，则队列里的请求会被处理（消费）
• 我们只需要将超时的单号写入redis即可做校验

1. 支付成功入成交队列

• 同理于订单队列。只需将成交的订单信息写入消息队列中，后续系统空闲时再写入数据库即可。
• 也是为了提高用户响应速度，用户不需要等待数据库io完成后才收到结果。

代码流程为：

order_staus = check_order(order_info) # 检查订单状态
if order_staus: 
 if order_staus == -1: # 人为设定 -1 表示超时
 res["msg"] = "订单已超时"
 return jsonify(res), 202
 else:
 # 支付函数
 pay() 
 # 直接写入队列和redis
 enter_paid_queue(order_info)
 paid_order(order_info)

 res["status"] = True
 res["msg"] = "支付成功！！！！"
 return jsonify(res)

但订单通过检查、并支付完成后。我们还需要将成交的订单写入redis，记录状态（用于其他判断）。再将订单请求写入队列即可返回。全程内存操作，速度快，带来了快响应。之后，我们可以等抢购活动结束后，系统比较空闲的时间将订单同步到底层数据库，同步数据。

总览

所以两个核心的操作是：

1. 通过rabbitmq消息队列异步拆分服务，加快了响应的速度
2. 通过redis内存读写，减少操作时间

再总结整个框架：

1. 用户提交订单

• 通过redis计数器筛选
• 成功则返回标识，然后入订单队列 + 超时队列
• 标识与用户信息写入redis，用于后续验证支付
• 订单队列，mysql监听，写入mysql的订单历史表
• 超时订单队列有计时功能，一定时间内未支付，订单失效，抢购失败。写入redis（标志失败）
• 失败直接返回
• 订单服务结束

1. 用户支付订单

• 验证订单以及检查是否已超时（是否已在redis相关结构内）
• 成功支付则入支付队列
• mysql监听这个队列，执行库存同步操作。
• 写入redis
• 失败或超时直接返回
• 支付服务结束

流程

注意

1. 代码持续更新，完整代码：https://github.com/Sssmeb/seckilling （觉得有帮助的可以给个star）
2. 本架构只专注于服务层的业务架构，有很多没有涉及的点（高可用，数据一致性等），一个完整的抢购系统是一个非常庞大的。
3. 文中没有介绍mysql数据层相关的操作，一方面是为了提示大家，在高并发的情景下应该尽可能的避免这类的磁盘io操作。另一方面，mysql数据层相关操作是在消息队列 消费者进行操作的，这里不详解操作。只注重整体架构。具体操作见代码。

閱讀更多 有趣的程序媛 的文章

關鍵字: Nginx 数据结构