高并发处理与解决方案

秒杀与其他业务最大的区别在于：秒杀的瞬间，（1）系统的并发量会非常的大（2）并发量大的同时，网络的流量也会瞬间变大。
关于（2），最常用的办法就是做页面静态化，也就是常说的前后端分离，把静态页面直接缓存到用户的浏览器端，所需要的数据从服务端接口动态获取。这样会大大节省网络的流量，再加上CDN，一般不会有大问题。
关于（1），这里的核心问题就在于如何在大并发的情况下能保证DB能扛得住压力，因为大并发的瓶颈在于DB。如果说请求直接从前端透传到DB，显然，DB是无法承受几十万上百万甚至上千万的并发量的。所以，我们能做的只能是减少对DB的访问，前端发出了100万个请求，通过我们的处理，最终只有10个会访问DB，这样就可以了！针对秒杀这种场景，因为秒杀商品的数量是有限的，这种做法刚好适用！
那么具体是如何来减少DB的访问呢？
假如：某个商品可秒杀的数量是10，那么在秒杀活动开始之前，把商品的ID和数量加载到缓存，比如：Redis。服务端收到请求的时候，首先减一下Redis里面的数量，如果数量减到0随后的访问直接返回秒杀失败。也就是说，只有10个请求最终会去实际的请求DB。
当然，如果我们的商品数比较多，1万件商品参与秒杀，1万*10=10万个并发去请求DB，DB的压力还是会很大，这里就用到另一个非常重要的组件：消息队列。我们不是把请求直接去访问DB，而是先把请求写到消息队列，做一个缓存，然后再去慢慢的更新数据库。这样做以后，前端用户的请求可能不会立即得到响应是成功还是失败，很可能得到的是一个排队中的返回值，这个时候，需要客户端再去服务端轮询，因为我们不能保证一定就秒杀成功了。当服务端出队，生成订单以后，把用户ID和商品ID写到缓存中，来应对客户端的轮询就可以了。
这样处理以后，我们的应用是可以很简单的进行分布式横向扩展的，以应对更大的并发。
当然，秒杀系统还有很多要处理的事情：比如防刷限流、比如分布式Session等等。

在秒杀、抢火车票等地方，我们通常用遇到这样高并发的问题，下面我提供了四种解决方案：1、使用文件锁
[php] view plain copy$fp = fopen("order.lock", "r");  
if(flock($fp,LOCK_EX)){  
    //..处理订单的代码  
    flock($fp,LOCK_UN);  
}  
fclose($fp);  
————————————————————————————————————————————————————————
2、使用消息队列我们常用到Memcacheq、Radis。比如：有100张票可供用户抢，那么就可以把这100张票放到缓存中，读写时不要加锁。 当并发量大的时候，可能有500人左右抢票成功，这样对于500后面的请求可以直接转到活动结束的静态页面。进去的500个人中有400个人是不可能获得商品的。所以可以根据进入队列的先后顺序只能前100个人购买成功。后面400个人就直接转到活动结束页面。当然进去500个人只是举个例子，至于多少可以自己调整。而活动结束页面一定要用静态页面，不要用数据库。这样就减轻了数据库的压力。————————————————————————————————————————————————————————— 3、如果是分布式集群服务器，就需要一个或多个队列服务器       小米和淘宝的抢购还是有稍许不同的，小米重在抢的那瞬间，抢到了名额，就是你的，你就可以下单结算。而淘宝则重在付款的时候的过滤，做了多层过滤，比如要卖10件商品，他会让大于10的用户抢到，在付款的时候再进行并发过滤，一层层的减少一瞬间的并发量。
—————————————————————————————————————————————————————————4、使用Memcache锁
product_lock_key 为票锁key当product_key存在于memcached中时，所有用户都可以进入下单流程。当进入支付流程时，首先往memcached存放add(product_lock_key, “1″),如果返回成功，进入支付流程。如果不成，则说明已经有人进入支付流程，则线程等待N秒，递归执行add操作。