秒杀
1. 限流
固定窗口算法：工夫节点无奈动静更新，即 set key expire 10s（1-11 秒，2-12 秒）解决不好
滑动窗口算法: zset member id score 10 解决工夫节点问题 score 即工夫戳，能够动静获取（currentTime – score）工夫内的总访问量，借此判断是否达标
漏桶算法：redis 中如同有相似实现
令牌桶算法：Guava RateLimiter
2. 降级（也叫做熔断）
spring cloud sentinel
3. 缓存
3.1 缓存一致性问题
A. 先更新 Db，再 delete redis
两个问题：
a . 更新 Db 胜利，删除缓存失败。导致 redis 中有脏数据 (能够借助 rocketmq 一直重试解决)
b.(1)A 线程查问 Db 数据为 cache1
（2)B 线程更新 Db, 数据为 ca che2
(3)B 线程删除缓存
（4)A 线程将 ca che1 同步到 redis 缓存中。脏数据产生了（依据耗时状况能够推算出概率比拟低）
B 先删除缓存，再更新 Db
(1)A 线程写操作 data2，删除缓存
(2)b 线程查问发现缓存不存在
(3)b 线程同步以后 d b 最新数据 da ta1 到 redis
(4)a 线程将数据写入 DB . 脏数据产生
3.2 解决方案
A. 延时双删
先删除缓存，再更新 DB, 再异步删除缓存（通过 rocketmq 异步重试机制，确保删除胜利）
B. 订阅 binLog 机制
阿里开源的 canal
3.3 利用 秒杀实现
限流：zset 滑动窗口限流
降级：spring cloud sentinel+open Feign 熔断
缓存：
延时双删策略
1. 库存扣减问题
提交订单时
付款时
提交订单时事后扣减库存，超时回复：定时工作轮训数据库没有付款的订单，超时订单偿还库存
2. 热点数据缓存
延时双删策略
3. 库存避免超卖问题
乐观锁机制 update
update stock
sale = sale + 1,
version = version + 1,
WHERE id = #{id,jdbcType=INTEGER}
AND version = #{version,jdbcType=INTEGER}
或者
update stock
sale = sale + 1
WHERE id = id
AND sale={#sale}乐观锁机制
在 Service 层给更新表增加一个事务，这样每个线程更新申请的时候都会先去锁表的这一行（乐观锁），更新完库存后再开释锁。可这样就太慢了，1000 个线程可等不及。
beginTranse(开启事务)
try{
//quantity 为申请减掉的库存数量
$dbca->query('update s_store set amount = amount - quantity where amount>=quantity and postID = 12345');
}catch($e Exception){rollBack( 回滚)
}
commit(提交事务)具体计划
- 在零碎初始化时，将商品的库存数量加载到 Redis 缓存中；
- 接管到秒杀申请时，在 Redis 中进行预减库存，当 Redis 中的库存有余时（库存 <0 能够在内存中设置一个标记量 boolean= 曾经卖光，就不须要再去申请 redis 减少网络开销了，分布式状况下通过 zookeeper 取得相应告诉），间接返回秒杀失败，否则持续进行第 3 步；
- 将申请放入异步队列中，返回正在排队中；
- 服务端异步队列将申请出队，出队胜利的申请能够生成秒杀订单，缩小数据库库存（失败就会回滚，并且会复原 redis 中的库存数据即加 1），返回秒杀订单详情。
- 当后盾订单创立胜利之后能够通过 websocket 向用户发送一个秒杀胜利告诉。前端以此来判断是否秒杀胜利，秒杀胜利则进入秒杀订单详情，否则秒杀失败。