没有 Redis 也能支撑 “ 小米在印度把亚马逊搞挂了 ” 事件的秒杀解决方案
(点击上方公众号,可快速关注)
来源:Daniel Qian ,
github.com/chanjarster/artemis-disruptor-miaosha
没有redis也能够支撑“小米在印度把亚马逊搞挂了”事件的秒杀解决方案。
http://bbs.xiaomi.cn/t-13417592
小米在印度打破了多项记录:
4分钟内卖出了超过250,000台。 —OPS:1042次抢购/S
成为最快的手机抢购活动。
抢购前我们收到了100万“到货提醒”。
亚马逊每分钟收到超过500万个点击。
亚马逊在这个期间每秒收到1500个订单(这是印度电商公司所有销售中最高的)。 —OPS:1500次下单请求/S
性能表现
先说一下性能表现吧,因为大家对这个比较感兴趣。
硬件环境(Tomcat、Artemis、Jmeter、Oracle,backend都在这台电脑上):
MacBook Pro (Retina, 15-inch, Mid 2014)
2.2 GHz Intel Core i7
16 GB 1600 MHz DDR3
512G SSD
软件环境:
java version “1.8.0_131″
Artemis 1.5.4
Oracle XE 11g (Docker)
Tomcat 8.5.14 (1个)
相关配置见如何准备环境
https://github.com/chanjarster/artemis-disruptor-miaosha/blob/master/Environment.md
测试Jmeter脚本见如何Benchmark:
https://github.com/chanjarster/artemis-disruptor-miaosha/blob/master/Benchmark.md
300线程,循环1000次,共30w请求
一共Benchmark了两次,因为JIT的关系,第二次的性能表现更好。
第一次结果
QPS:300000 in 00:01:57 = 2569.8/s Avg: 108 Min: 0 Max: 41102 Err: 164 (0.05%)
TPS:299836订单 / 121秒 = 2477条/s
PS. 数据库表现从后端程序的日志中分析的。
第二次结果
不重启Tomcat和Artemis,把数据库的数据恢复后,重启了后端程序
QPS:300000 in 00:00:35 = 8527.8/s Avg: 20 Min: 0 Max: 4515 Err: 2 (0.00%)
TPS:246873订单 / 46 秒 = 5366条 / s
数据库记录数偏少是因为Artemis队列满了,把消息丢掉了。
架构说明
从部署拓扑上看,架构分为4个部分:
webapp,可集群部署,运行在Tomcat中
ActiveMQ Artemis,负责webapp和backend之间的通信
backend,只能单个部署,独立运行,内部使用Disruptor
Oracle数据库
ActiveMQ Artemis
ActiveMQ Artemis是JBoss把HornetQ捐赠到Apache基金会后改名的项目,目前是ActiveMQ下的子项目。
HornetQ是当年大名鼎鼎的高性能消息中间件,因此ActiveMQ Artemis也具备相当的性能表现。
本项目利用它做webapp和backend之间的消息通信。
Disruptor
Disruptor是LMAX公司开源的高性能内存队列。Disruptor能够让开发人员只需写单线程代码,就能够获得非常强悍的性能表现,同时避免了写并发编程的难度和坑。 其本质思想在于多线程未必比单线程跑的快。
backend利用它把从ActiveMQ Artemis获得请求串行化,判断商品库存是否充足,更新剩余库存,最后异步写入数据库。
使用内存、避免IO
本项目对于库存是否充足的判断既不在数据库层面,也没有利用redis,更不涉及任何IO。
backend程序在启动时将数据库中的库存数据加载到内存中,库存充足判断、更新剩余库存的动作都是在内存中进行的,配合Disruptor绕过了并发编程的内存可见性、同步、锁等问题,性能非常强。
也许有人会说,在实际项目中把商品信息都放到内存中不现实,怕会发生OOM,其实这个要看具体情况。
在本项目中商品在内存中相关类是Item.java,在利用jol-cli(点此下载)查看其memory-layout后发现,其大小为24byte:
http://central.maven.org/maven2/org/openjdk/jol/jol-cli/0.8/jol-cli-0.8-full.jar
me.chanjar.jms.server.memdb.Item object internals: OFFSET SIZE TYPE DESCRIPTION VALUE 0 12 (object header) N/A 12 4 int Item.amount N/A 16 4 Long Item.id N/A 20 4 (loss due to the next object alignment) Instance size: 24 bytes Space losses: 0 bytes internal + 4 bytes external = 4 bytes total
而Long占用的内存也为24b:
java.lang.Long object internals: OFFSET SIZE TYPE DESCRIPTION VALUE 0 12 (object header) N/A 12 4 (alignment/padding gap) N/A 16 8 long Long.value N/A Instance size: 24 bytes Space losses: 4 bytes internal + 0 bytes external = 4 bytes total
假设你有100W商品需要秒杀,那么其占用内存 = 1,000,000 * (24b + 4b + 24b) = 52,000,000b = 49m。仅仅只占49m。
优化项
架构上的优化点
下单请求异步处理,请求返回的本次请求的ID,客户端拿这个ID到另行发起请求查询结果
在秒杀期间,商品库存信息在内存中,库存判断及库存扣减都在内存中进行,之后异步到数据库
利用Disruptor将并发请求串行化,同时避免了多线程编程复杂度
抛弃数据库事务,采用最终一致性
和JMS相关的优化点
重用JMS Connection、Session、MessageProducer、MessageConsumer,而不是每次都创建这些对象(Spring的JmsTemplate就是这么干的)
将JMS Session设定为transacted=false, AUTO_ACKNOWLEDGE
发送JMS消息时DeliveryMode=NON_PERSISTENT
关闭Artemis的重发、消息持久机制
和JDBC相关的优化点
使用JDBC Batch Update,减少和数据库网络IO的次数
优化更新商品库存的DB操作,将多个更新商品库存的请求合并成一条update,而不是多个update
和Tomcat相关的优化点
调大maxThreads参数
流程说明
本项目只提供了两个接口:
下单接口。用于下单。
查询下单结果的接口。用于查询下单是否成功。
聪明的读者肯定已经想到了,整个秒杀过程是异步的。
下单流程
查询下单结果的流程
How-tos
如何准备环境
https://github.com/chanjarster/artemis-disruptor-miaosha/blob/master/Environment.md
如何构建
https://github.com/chanjarster/artemis-disruptor-miaosha/blob/master/Build.md
如何启动
https://github.com/chanjarster/artemis-disruptor-miaosha/blob/master/Run.md
如何Benchmark
https://github.com/chanjarster/artemis-disruptor-miaosha/blob/master/Benchmark.md
【关于投稿】
如果大家有原创好文投稿,请直接给公号发送留言。
① 留言格式:
【投稿】+《 文章标题》+ 文章链接
② 示例:
【投稿】《不要自称是程序员,我十多年的 IT 职场总结》:http://blog.jobbole.com/94148/
③ 最后请附上您的个人简介哈~
看完本文有收获?请转发分享给更多人
关注「ImportNew」,提升Java技能