Redis抢红包项目

业务流程分析

功能拆解

 

新建红包

在 DB、Redis 分别新增一条记录

抢红包(并发)

「使用技术」

Redis 中数据类型的 String 特性的原子递减（DECR key）和减少指定值（DECRBY key decrement）

「业务」

请求 Redis ，当剩余红包个数大于 0，红包个数原子递减，随机获取红包

计算金额，当最后一个红包时，最后一个红包金额=总金额-总已抢红包金额

更新数据库

「查询红包记录」

查询 DB 即可

数据库设计

红包流水表

CREATE TABLE `red_packet_info` ( `id` int(11) NOT NULL AUTO_INCREMENT, `red_packet_id` bigint(11) NOT NULL DEFAULT 0 COMMENT '红包id，采⽤ timestamp+5位随机数', `total_amount` int(11) NOT NULL DEFAULT 0 COMMENT '红包总⾦额，单位分', `total_packet` int(11) NOT NULL DEFAULT 0 COMMENT '红包总个数', `remaining_amount` int(11) NOT NULL DEFAULT 0 COMMENT '剩余红包⾦额，单位 分', `remaining_packet` int(11) NOT NULL DEFAULT 0 COMMENT '剩余红包个数', `uid` int(20) NOT NULL DEFAULT 0 COMMENT '新建红包⽤户的⽤户标识', `create_time` timestamp COMMENT '创建时间', `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4 COMMENT='红包信息 表，新建⼀个红包插⼊⼀条记录';

红包记录表

CREATE TABLE `red_packet_record` ( `id` int(11) NOT NULL AUTO_INCREMENT, `amount` int(11) NOT NULL DEFAULT '0' COMMENT '抢到红包的⾦额', `nick_name` varchar(32) NOT NULL DEFAULT '0' COMMENT '抢到红包的⽤户的⽤户 名', `img_url` varchar(255) NOT NULL DEFAULT '0' COMMENT '抢到红包的⽤户的头像', `uid` int(20) NOT NULL DEFAULT '0' COMMENT '抢到红包⽤户的⽤户标识', `red_packet_id` bigint(11) NOT NULL DEFAULT '0' COMMENT '红包id，采⽤ timestamp+5位随机数', `create_time` timestamp COMMENT '创建时间', `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8mb4 COMMENT='抢红包记 录表，抢⼀个红包插⼊⼀条记录';

发红包 API

发红包接口开发

新增一条红包记录

往 mysql 里面添加一条红包记录

往 redis 里面添加一条红包数量记录

往redis里面添加一条红包金额记录

❝

往db中就单纯存入一条记录，Service层和Mapper层，就简单的一条sql语句，主要是提供思路，下面会附案例源码，不要慌

❞

抢红包 API

抢红包功能属于原子减操作

当大小小于 0 时原子减失败

当红包个数为0时，后面进来的用户全部抢红包失败，并不会进入拆红包环节

抢红包功能设计

将红包ID的请求放入请求队列中，如果发现超过红包的个数，直接返回

注意事项

抢到红包不一定能拆成功

抢红包算法拆解

img

通过上图算法得出，靠前面的人，手气最佳几率小，手气最佳，往往在后面

发 100 元，共 10 个红包，那么平均值是 10 元一个，那么发出来的红包金额在 0.01~20 元之间波动

当前面 4 个红包总共被领了 30 元时，剩下 70 元，总共 6 个红包，那么这 6 个红包的金额在 0.01~23.3 元之间波动

抢红包接口开发

「测试」

「发红包」

模拟高并发抢红包(Jmeter压测工具)

因为我发了 10 个红包，金额是 20000，使用压测工具，模拟50个请求，只允许前10个请求能抢到红包，并且金额等于20000。

布隆过滤器

介绍

布隆过滤器是1970年由布隆提出的。它实际上是一个很长的二进制向量和一系列随机映射函数。布隆过滤器可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难。

优点

相比于其他的数据结构，布隆过滤器在空间和时间方面都有巨大的优势。布隆过滤器存储空间和插入/查询时间都是常数。另外三列函数相互之间没有关系，方便由硬件并行实现。布隆过滤器不需要存储元素本身，在某些对保密要求非常严格的场合有优势。

缺点

但是布隆过滤器的缺点和有点一样明显。误算率是其中之一。随着存入的元素数量增加，误算率随之增加。但是如果元素数量太少，则使用散列表足矣。

布隆过滤器有什么用

黑客流量攻击：故意访问不存在的数据，导致查程序不断访问DB的数据

黑客安全阻截：当黑客访问不存在的缓存时迅速返回避免缓存及DB挂掉

网页爬虫对 URL 的去重，避免爬取相同的URL地址

反垃圾邮件，从数十亿个垃圾邮件列表中判断某邮件是否垃圾邮件(同理，垃圾短信)

缓存击穿，将已存在的缓存放到布隆中，当黑客访问不存在的缓存时迅速返回避免缓存及 DB 挂掉

布隆过滤器实现会员转盘抽奖

需求

一个抽奖程序，只针对会员用户有效

通过google布隆过滤器存储会员数据

程序启动时将数据放入内存中

google自动创建布隆过滤器

用户ID进来之后判断是否是会员

代码实现

引入依赖

  com.google.guava   guava   29.0-jre

数据库会员表

CREATE TABLE `sys_user` ( `id` int(11) unsigned NOT NULL AUTO_INCREMENT, `user_name` varchar(11) CHARACTER SET utf8mb4 DEFAULT NULL COMMENT '⽤户名', `image` varchar(11) CHARACTER SET utf8mb4 DEFAULT NULL COMMENT '⽤户头像', PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=11 DEFAULT CHARSET=utf8;

初始化布隆过滤器

dao 层和 dao 映射文件，就单纯的一个 sql 查询，看核心方法，下面会附源码滴，不要慌好嘛

控制层

测试

缺点

内存级别产部

重启即失效

本地内存无法用在分布式场景

不支持大数据量存储

Redis布隆过滤器

优点

可扩展性 Bloom 过滤器

不存在重启即失效或定时任务维护的成本

缺点

需要网络IO，性能比基于内存的过滤器低

布隆过滤器安装

「下载」

github：https://github.com/RedisBloom/RedisBloom

链接: https://pan.baidu.com/s/16DlKLm8WGFzGkoPpy8y4Aw  密码: 25w1

「编译」

make

「将 Rebloom 加载到 Redis 中」

先把 Redis 给停掉！！！在 redis.conf 里面添加一行命令->加载模块

loadmodule /usr/soft/RedisBloom-2.2.4/redisbloom.so

「测试布隆过滤器」

SpringBoot 整合 Redis 布隆过滤器

编写两个lua脚本

添加数据到指定名称的布隆过滤器

从指定名称的布隆过滤器获取key是否存在的脚本

local bloomName = KEYS[1] local value = KEYS[2] --bloomFilter local result_1 = redis.call('BF.ADD',bloomName,value) return result_1

local bloomName = KEYS[1] local value = KEYS[2] --bloomFilter local result_1 = redis.call('BF.EXISTS',bloomName,value) return result_1

在 RedisService.java 中添加 2 个方法

验证

秒杀

秒杀业务流程图

数据落地存储方案

通过分布式redis减库存

DB存最终订单信息数据

API性能调优

性能瓶颈在高并发秒杀

技术难题在于超卖问题

实现步骤

提前将秒杀数据缓存到 redis

set skuId_start_1 0_1554045087 --秒杀标识 set skuId_access_1 12000 --允许抢购数 set skuId_count_1 0 --抢购计数 set skuId_booked_1 0 --真实秒杀数

秒杀开始前，skuId_start为0，代表活动未开始

当skuId_start改为1时，活动开始，开始秒杀叭

当接受下单数达到sku_count*1.2后，继续拦截所有请求，商品剩余数量为0(为啥接受抢购数为1万2呢，看业务流程图，涉及到“校验订单信息”，一般设置的值要比总数多一点，多多少自己定)

利用 Redis 缓存加速增库存数

"skuId_booked":10000 //从0开始累加，秒杀的个数只能加到1万

将用户订单数据写入 MQ(异步方式)。

另外一台服务器监听 mq，将订单信息写入到 DB。

好了，以上就是完整的开发步骤，下面我们开始编写代码

代码实战

网关浏览拦截层

1、先判断秒杀是否已经开始

2、利用 Redis 缓存 incr 拦截流量

用 incr 方法原子加

通过原子加帕努单当前 skuId_access 是否达到最大值

订单信息校验层

1、校验当前用户是否已经买过这个商品

需要存储用户的uid

存数据库效率太低

存Redis value方式数据太大

存布隆过滤器性能高且数据量小(推荐)

2、校验通过直接返回抢购成功

开发lua脚本实现库存扣除

1、库存扣除成功，获取当前最新库存

2、如果库存大于0，即马上进行库存扣除，并且访问抢购成功给用户

3、考虑原子性问题

保证原子性的方式，采用 lua 脚本

采用lua脚本方式保证原子性带来缺点，性能有所下降

不保证原子性缺点，放入请求量可能大于预期

当前扣除库存场景必须保证原子性，否则会导致超卖

4、返回抢购结果

抢购成功

库存没了，抢购失败

控制层

Service 层

布隆过滤器

初始化redis缓存

set skuId_start_1 0_1554045087 --秒杀标识 set skuId_access_1 12000 --允许抢购数 set skuId_count_1 0 --抢购计数 set skuId_booked_1 0 --真实秒杀数

秒杀验证

jmeter 配置

压测秒杀验证原子性

项目下载

链接: https://pan.baidu.com/s/1hZUPRAljkqO05fYluqJBhQ  密码: 1iwr

尾声

演示的时候，我使用的 Redis 单机的，吞吐量不是很大，感兴趣的，可以自己搭建个 Redis 主从复制+哨兵+集群，然后再测试。

最近比较忙，没时间完善微信抢红包秒杀的原子性。下面那个完整案例抢库存的，亲自使用 Jmeter 压测几次，是原子性的，可以拿来借鉴，感兴趣的同学，可以借鉴下面抢库存的代码，把微信抢红包的功能在完善下，我就不修改啦。

原文标题：Redis 秒杀实战

文章出处：【微信公众号：数据分析与开发】欢迎添加关注！文章转载请注明出处。