一直想写一个秒杀系统的设计，网上有烂大街的教程，虽然有的写得很不错，但是还是自己设计的来的清楚，基本思路就是拦截+负载+缓存+异步,流程如下（文字改天补上）：

Topic 或者Subject

每一个生产者都需要向队列中生产消息，不同的生产者生产消息需要有所区别，供对应的消费者消费消息，这个是队列名称之为 Topic或者Subject

MessageLog，ConsumerLog

队列的消息需要一个存储的介质，Kafka的对应的存储为文件存储，生产者生产的消息存储在MessageLog, 然后根据不同的消费和路由规则路由，投递到对应的服务器上面，产生对应的ConsumerLog.

Partition

当投递的消息比较多的时候，就需要对ConsumerLog进行分片，分到不同的服务器上面，这个分片称之为partition,对于Kafka来说，一个Consumer一般和Partition成倍数关系，一个Consumer可以消费一个或者多个Partition.

Broken

Broken可以理解为消费者的服务器。

顺序IO

三次握手—连接

在通信的过程中，Client与Server建立TCP连接需要三次握手，为什么需要三次握手呢？又是怎么握手的过程？

TCP连接是可靠的通信方式，必须要保证两端都同时有效，且线路通畅。

如同两个人通话，但并不确定对方能不能听到，经历几次才能确保通信方式可靠呢？

1
2
3
4
5

A: 请求连接，收到请回复密码1
B：可以连接，密码是1。你听到了吗？听到回复密码2
A：我听到了，密码2。

A就绪，B就绪。线路通畅,可以通话

通过上面的分析，可以明确的知道为什么TCP需要三次握手，因为少了任何一次，都不能确保当前的网络是通畅的。

Q:使用两次握手会有什么问题？

A: 如果使用两次握手协议，B不知道A是否能够收到自己的消息，如果B此时进行补偿，就有可能多次发送。如果B此时忽略，A可能真的没有收到消息。
如果B的消息在传输的过程中丢失了，A也将不知道B有没有真正的准备好。

实际具体过程如下：

分布式锁

在分布式环境中，为了保证业务数据的正常访问，防止出现重复请求的问题，会使用分布式锁来阻拦后续请求。具体伪代码如下：

1
2
3
4
5
6
7
8
9
10
11

public void doSomething(String userId){
    User user=getUser(userId);
    if(user==null){
        user.setUserName("xxxxx");
        user.setUserId(userId);
        insert(user);
        return;
    }
    update(user);
}

上面的代码很简单，查询db中有没有对应的user数据，如果有的话，执行更新操作，如果没有则插入。

我们知道，上面的代码是线程不安全的，在多线程的环境中，就会出现问题。为了能够保证数据的正确性，在单机环境下，我们可以使用synchronized的方法，来保证线程安全，具体修改：

1
2
3
4
5
6
7
8
9
10
11

public synchronized void doSomething(String userId){
    User user=getUser(userId);
    if(user==null){
        user.setUserName("xxxxx");
        user.setUserId(userId);
        insert(user);
        return;
    }
    update(user);
}

在单机器的环境下，能够解决线程安全的问题，那在分布式环境下呢？ 这个时候需要用到分布式锁.

分布式锁需要借助其他组件来实现，常用的有redis和zookeeper。下面我们就用redis的实现，来说明下问题，分布式锁具体的实现方法如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

public  void doSomething(String userId){
    String lock=RedisUtils.get("xxxx"+userId);
    if(StringUtils.isNotEmpty(lock)){//说明当前userId已经被锁定
        return;
    }
    RedisUtils.set("xxxx"+userId,userId,1000);//锁定10s
    User user=getUser(userId);
    if(user==null){
        insert(user);
        RedisUtils.delete("xxxx"+userId);
        return;
    }
    update(user);
    RedisUtils.delete("xxxx"+userId);
    
}

上面的代码解决了在分布式环境中的并发的问题。但同样需要考虑一个问题，如果insert操作和update操作异常了，分布式锁不会释放，后续的请求还会被拦截。