1.1【业务背景】
你作为一个电商创业公司的架构师，负责设计 6.18 大促秒杀系统的设计，你们的业务模式如下：
-
你们挑选各大电商平台上畅销和好评的商品进行销售，每个品类不超过 20 个商品，目前做了 10 个品类；
-
本次 6.18 秒杀选择了 1000 个充电宝，10 台 iPhone 12 作为秒杀商品；
-
正常的日活大约 100 万用户；
-
老板要求万无一失。
1.2【技术背景】技术团队以 Java 为主，已经落地了微服务架构；
主要渠道是自有的 App（包括 iOS 和 Android）和微信小程序，为了促进用户转化为 App 用户，只有下载 App 才能参加秒杀活动；
目前只有单机房。
1.3【业务基本场景】
1.只有下载 App 才能参加秒杀活动。
2.秒杀页面对畅销和好评的商品进行推荐销售。
3.订单需 30 分钟内支付。
4.支付依赖第三方支付平台。
二、设计思路2.1.独立部署
避免对其他业务产生影响，秒杀系统和 Redis 集群独立部署，使用独立的域名。
2.2.减少到后端服务器的请求数
系统做动静分离，静态资源上传到 CDN。
利用 APP 缓冲。
2.3.流量消峰
秒杀时通过答题，防止秒杀器和延长用户提交请求的时间。
2.4.限流
APP 端随机丢弃部分请求，只有 20%请求进入后端服务。
如用户秒杀成功，APP 端将不可再参与秒杀活动。
后端服务随机丢弃部分请求，只有 20%请求最后能访问 redis 集群中的库存数据进行秒杀，可在后端系统配置请求通过率并实时生效。
2.5.库存减扣
秒杀商品件数缓存到 redis 集群中，每一种商品都创建一个 list，该商品的秒杀件数有多少，list 中的元素就有多少个，每次下单就从 list 中弹出一个元素，防止超卖。
秒杀成功的用户放入 SET 中，防止多次抢购。
三、存储架构设计3.1 存储性能估算
下载
iOS 安装包 50M，Android 安装包 60M，APP 安装包已上传 CDN。
注册
因为 6.18 大促的前期宣传，注册数每天增加 3 万，但数据量没有质的飞越，可以忽略不计。
登录
正常日活用户 100 万，6.18 大促登录数据是每天 200 万。
浏览商品
2 件秒杀商品，200 件推荐商品。静态资源需要提前推送 CDN，秒杀商品件数缓存到 redis 集群中。
秒杀
6.18 大促登录数据是每天 200 万，假设有 60%的用户参加秒杀，每个用户参加 2 次秒杀答题，题库数据量为：200 万 * 60% *2 = 240 万。需要题库数缓存到 CDN 中。
充电宝和 iPhone 12 合计 1010 台 ，1010 条下单记录。
支付
同下单，合计为 1010 条记录。
3.2 存储架构设计
支付和订单处理，数据量不大，沿用原有 Mysql 主备。
避免对其他业务产生影响，Redis 集群独立部署。
四、计算架构4.1 计算性能估算
下载
6.18 大促登录数据是每天 200 万，假设有 60%的用户参加秒杀，同时其中 40%用户需要下载 APP，下载多发生在秒杀前 8 小时内。
下载量：200 万 * 60% *40% =48 万。
下载量 QPS：48 万 / (8 * 60 * 60) ≈ 16.8 次/秒
因下载是非核心业务，这里先假设原来的 CDN 可以满足需求。
注册
每日新注册用户不到 3 万，可以忽略。
登录
6.18 大促登录数据是每天 200 万，假设登录时间集中在早晚 4 小时，登录 TPS 均值：200 万 / 14400 = 140。
浏览商品
6.18 大促登录数据是每天 200 万，假设有 60%的用户参加秒杀，秒杀前 5 分钟开始进入商品浏览页面，查看秒杀商品和推荐商品，假设每人查看 10 个商品。
查询数量为：200 万 * 60% *10 = 1200 万查询。
查询 QPS 为： 1200 万 / (5 *60) = 4 万/秒
秒杀
6.18 大促登录数据是每天 200 万，假设有 60%的用户参加秒杀，20%请求进入后端服务，因为有答题，秒杀 2 秒完成，因此秒杀 QPS 均值：200 万 * 60% *20% / 2 = 12 万。
因为后端服务保留 20%的请求，因此访问 redis 集群中秒杀件数的 TPS 均值：12 万 *20% =2.4 万。
1010 条下单记录，2 秒内完成（假设秒杀持续了 2 秒），下单 TPS 均值：1010 /5 =505。
支付
支付预计在 1 分钟内完成，TPS 为：1010 /60 ≈ 16.9 ，可以忽略不计。
4.2 计算架构之负载均衡
4.3 计算架构之缓存架构
5.1 微服务拆分
5.2 、内部服务间通过消息队列进行调用
为了避免下单、支付等服务产生数据库死锁，给每种商品建立一个消息队列，消峰、解耦的同时避免数据库资源的竞争。
