這篇文章主要是對半年前開發的紅包模塊進行整理,把其中主要的設計思想以及具體的實現方案進行介紹,如有設計以及實現上的缺陷,或是存在漏洞,請大家批評指正!
紅包功能大家都很熟悉了,那在這裡就簡單的對紅包功能進行描述...
功能描述:紅包業務主要的功能包括四部分,分別是紅包發送,紅包接收,紅包回收,以及紅包記錄查詢。
1)紅包發送:發送者賬戶->紅包中間層
2)紅包接收:紅包中間層->接收者賬戶
3)紅包回收:紅包中間層中若存在紅包留存超過24小時,則將其回收,紅包中間層->發送者賬戶
功能描述大體了解之後,那接下來就是實現方案了...
首先給出設計流程,這部分將依次對紅包發送、紅包接收、紅包回收的流程進行分析...
1. 設計流程
首先是紅包發送功能,以群紅包為例,其流程圖如下所示:
圖1 紅包發送流程圖
首先,采用基於高斯分布的方法,將金額100隨機的分配成8份,然後將這8份數據存入到redis緩存隊列(list)中,同時將隊列的過期時間設置成24h;考慮到在搶紅包的時候會出現重復搶的問題,那在這裡采用的去除重復的方案是在redis緩存中維護一個已分配集合(set),集合裡面存儲的是已經接收過紅包的用戶ID;另外,在大量的用戶同時搶紅包的 情況,出於優化方面的考慮,為了起到一定的限流作用,同時減少對數據庫的訪問壓力(考慮這種情況:一個時間段內,大量的用戶在搶紅包,在紅包已經分配完的時刻之後 到來的請求,會給數據庫帶來一定的訪問壓力),那做法是在redis緩存中維護一個紅包已分配完的標記(key-value),有0(為分配完)/1(已分配完)兩種狀態,從而起到一定的限流作用。
繼緩存層面之後,接下來是數據庫層面,那在MySQL中的紅包發送表(account_coin_records_user_coin_package_send)中生成一條記錄,同時呢在把上面經高斯分布方法得到的8份金額插入到紅包分配表(account_coin_records_user_coin_package_assign)中,初始化分配標記為0(未分配),至此,紅包發送的整個流程完成。
然後是紅包接收功能,其流程圖如下所示:
圖2 紅包接收流程圖
紅包接收者發起請求(請求中包含紅包ID、請求人的用戶ID)去搶紅包,首先需要一系列的驗證,這個驗證操作要同時基於redis緩存以及MySQL數據庫中的數據進行 驗證,主要是驗證紅包ID對應的紅包是否存在、紅包是否已經分配完了、紅包是否已經過期了、紅包接收者是否重復接收紅包等。如果驗證通過,那麼這個用戶是允許接收到紅包的,接下來就是賬戶同步(紅包中間層->用戶賬戶,事務處理),若數據庫操作成功,則紅包接收成功,否則失敗,至此,紅包接收整體流程完成。
最後就是紅包回收功能,其流程圖如下所示:
圖3 紅包回收流程圖
紅包回收是采用定時調度策略發起的,時間間隔為5min不間斷的輪詢訪問MySQL數據庫,查詢是否有待回收的紅包(紅包在紅包中間層留存已經超過24h,且紅包 未 分配完),若有需要回收的紅包,這個時候基於效率方面的考慮,采用多線程方案來進行回收操作,每個紅包對於一個線程,策略是:一個線程,一個請求,一個事務(這 個 方案只適用於待回收的紅包個數不是很多的情況)。(注意:若需要回收的紅包很多,若不斷的申請線程,可能造成內存溢出問題,這時候具體問題具體分析,可以考慮生產者-消費者模式);分布式架構,遠程調用,接下來處理紅包回收的服務器接收到紅包回收請求後,進行賬戶同步以及紅包狀態標記(標記為已回收),若數據庫事務出現異常,那麼事務回滾,此時,這個紅包沒有回收成功,只能等待下一個5min後再次被回收。
到這裡,流程基本介紹完了,那接下來介紹一下數據模型...
2. 數據模型
數據庫用的是MySQL。將紅包記錄進行持久化存儲,用於查詢紅包分配記錄以及後期的歷史記錄查詢。紅包分配的數據模型如下圖所示:
圖4 紅包分配數據模型
圖4中展示了部分的比較重要的數據信息,表之間的關聯是靠紅包ID建立起來的,紅包記錄以及狀態標記圖中已經標識出來了,就不一一介紹了。
在數據庫層面,接收紅包功能存在高並發問題,那接下來就簡單介紹下是如何處理並發的...
3. 並發處理
是如何處理高並發問題的呢?
分析:
首先,由於紅包的金額存放在redis緩存隊列中,由於redis是單線程的,那麼在獲取紅包的階段不存在並發問題...
然後,下一步是MySQL數據庫一系列的update操作,存在高並發問題...
最後,是記錄保存,insert操作,也不存在並發問題...
數據庫中update操作,主要應用樂觀鎖和X鎖兩種方式來保證數據一致性的。
4. 並發測試
在一段時間的並發測試中,測試通過,不會出現數據不一致問題,紅包回收功能也能正常進行。
目前在並發方面,至少支持同一時刻並發量為3000的搶紅包操作不會出現問題。
總結,由於能力以及技術有限,目前的方案基本適用用戶量不是很大的應用場景,後期隨著用戶量的增大,會進一步的進行優化...