秒杀系统中，很常见的一种就是抢红包，还有其他的例如：双11抢购、直播间秒杀下单、一元夺宝等等。其中抢红包的特点在于无法超售， 对于下单，如果比库存超售少许，其实是可以接受的，但是对于红包，一旦用户抢到的钱比发出去的钱更多，那就是大问题了。当然， 抢购也有特定的业务复杂度，例如下单之后，用户可能没有付款，超时之后需要重新把库存加回去等。我们这里主要讨论红包系统。

对于红包系统，我们需要保证两点：

1. 扛得住并发，用户抢红包的时候带来的流量峰值是非常高的；
2. 不能超售，数据一定要准确

那么我们怎么处理这两个问题呢？

处理峰值（削峰）

对于单个红包来说，红包的可抢人数是有限制的，例如200个，500个，再往上就比较少了，而参与的用户，大部分只要看到红包就会 参与点击，并且大都是多次点击，直到抢完。因此，这种行为带来的一个特点，就是红包发出以后，会迎来一波比红包个数大很多的 流量，但是超过红包个数的流量基本是无用的流量。因此，对于红包系统，我们需要在请求到达真正处理的后端服务之前，加上如下 防火墙，对流量进行过滤：

• 用户组织层限流：限制群组大小，这样就限制了一个红包最大的参与人数，例如一个群组最大2万人。但是有的场景下无法限制，例如 直播间。这一层面的限制取决于产品形态

• 用户端限流：浏览器、App、小程序等用户参与游戏的客户端，我们可以进行限速操作，例如1s点击一次，点击后1s内按钮置灰不可 再次点击

• 网关层限流：CDN，Nginx，限速，从这里开始，就涉及到服务端的处理了，这里就涉及到多种策略，例如针对IP限速，针对用户限速等

• 服务层限流：这里需要代码进行处理，例如设置当前参与人数超过红包总数3倍，直接拒绝当前请求，一般会用Redis来存储这个信息

• 应用层限流：当红包抢完之后，可以在Redis中记录一个标记，应用检测到这个信息，就不需要进行后面的操作了，可以直接拒绝

数据准确（加锁）

如何保证红包的数据准确性呢？如果是使用数据库来存储的话，就需要使用事务，加上行锁，也就是 SELECT ... FOR UPDATE 语句， 如果是使用Redis来存储的话，就需要使用CAS操作，由于Redis中的事务并不保证ACID，但是Lua脚本是原子执行的，因此需要使用Lua 脚本来进行操作。

分配方案

对于红包的分配，有两种方案：

• 预分配。发送红包的时候，就提前分配好每一个人能抢到多少，抢红包的时候，取一个未抢的金额出来，分配给对应用户，并且更新状态， 此处需要保证一个用户在一个红包下，只能抢一次。

• 实时分配。发送红包的时候不分配，在抢红包的时候进行分配，根据红包的剩余金额和剩余个数，计算一个金额给当前用户，此处也许要 在数据库层面保证一个用户在一个红包下，只能抢一次。

分配算法

红包分配算法可以参考微信红包的分配算法：随机，额度在0.01和剩余平均值*2之间。

数据落地方案

• 数据库事务 + SELECT ... FOR UPDATE，通过事务保证ACID，通过行锁保证不会产生并发更新错误。
• 数据库集群(分库sharding)，当一个数据库吃不住的时候，可以使用集群来扛并发。
• Redis Lua 脚本，当集群扛不住的时候，就可以考虑使用Redis来进行操作了。但是最终数据还是需要落库到数据库。

因此我实现时，采用的是第一种方案，也就是直接数据库+行锁来实现。使用数据库实现时，需要注意的是避免死锁场景，我就踩到 死锁的坑导致数据库连接池爆了，排查了好一会儿。这种方案对于数据库本身有一定要求，尤其是磁盘IOPS，需要好好的调校数据库以 得到一个比较好的并发性能。

缓存

对于红包本身，我认为缓存的必要性不大，因为每一次成功抢红包，都会导致缓存失效，还是需要数据库参与。与之相对的，反而是红包 的基本信息更加管用，例如：

• 当前红包是否已经抢完？可以用于提前拒绝请求
• 当前用户是否抢过？可以用于提前拒绝请求
• 当前用户是否最近1s抢过？可以用于限速

把这些信息写到缓存里，更有助于提高整个系统的并发能力。

总结

这篇文章中，总结了一个红包系统需要用到的知识，以及如何取处理流量和如何设计系统。

• https://www.zybuluo.com/yulin718/note/93148
• https://www.postgresql.org/docs/current/explicit-locking.html#LOCKING-ROWS

更多文章