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：

1. 4分钟内卖出了超过250,000台。 —OPS:1042次抢购/S

2. 成为最快的手机抢购活动。

3. 抢购前我们收到了100万“到货提醒”。

4. 亚马逊每分钟收到超过500万个点击。

5. 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：

1. webapp，可集群部署，运行在Tomcat中

2. ActiveMQ Artemis，负责webapp和backend之间的通信

3. backend，只能单个部署，独立运行，内部使用Disruptor

4. 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

1. 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

2. 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

3. 利用Disruptor将并发请求串行化，同时避免了多线程编程复杂度

4. 抛弃数据库事务，采用最终一致性

和JMS相关的优化点

1. 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)

2. 将JMS Session设定为transacted=false, AUTO_ACKNOWLEDGE

3. 发送JMS消息时DeliveryMode=NON_PERSISTENT

4. 关闭Artemis的重发、消息持久机制

和JDBC相关的优化点

1. 使用JDBC Batch Update，减少和数据库网络IO的次数

2. 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

1. 调大maxThreads参数

流程说明

本项目只提供了两个接口：

1. 下单接口。用于下单。

2. 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
  

看完本文有收获？请转发分享给更多人

关注「ImportNew」，提升Java技能