一. 事件总线机制
1. 业务改造
引入时间总线的概念，采用CAP框架进行业务处理，同时利用RabbitMQ代替Redis队列，采用SQLServer进行本地消息表的存储， 采用 推模式 发送消息，我们习惯称之为 发布-订阅 模式。
关于基于CAP框架实现事件总线，详见：
https://www.cnblogs.com/yaopengfei/p/13763500.html
https://www.cnblogs.com/yaopengfei/p/13776361.html
2. 分析
(1) 多件商品参与秒杀，订阅者如何在一个接口中接收，如何处理这多个队列？
答：这里思考的角度不对，因为队列中存的是下单信息，而不是商品信息，所有用户对秒杀下单信息都往这一个队列中存的，下单信息里肯定有商品信息，订阅者拿到商品信息，再进行不同的业务处理。
PS: 当然，也可以定义多个订阅者接口。
(2).消息总线 发消息 给订阅者，订阅者的并发怎么处理？
答：CAP框架默认是单线程处理的，下一个消息的发送，需要等待上一个消息执行完才行，当然也可以多线程，但无法保证消费顺序且订阅者中可能会出现并发问题。
(3).由于是单线程发送，所以执行速度会相对慢，不如项目消费者主动获取块级处理那种模式块。
答：单条数据的处理肯定不如批量提交效率高，这是一个无法回避的缺陷，这里用CAP框架的优势在于基于本地消息表的异常处理很友好。
核心代码：
cap框架注册代码：
services.AddCap(x => { //-----------------------------一.声明存储类型--------------------------------- //1. 使用SQLServer存储 //还需要配合上面EF上下文的注入 services.AddDbContext x.UseEntityFramework<ESHOPContext>(); //EFCore配置 //-----------------------------二.声明消息队列类型---------------------------------//1.使用RabbitMq队列存储 x.UseRabbitMQ(rb => { rb.HostName = "localhost"; rb.UserName = "guest"; rb.Password = "guest"; rb.Port = 5672; rb.VirtualHost = "/"; //rb.QueueMessageExpires = 24 * 3600 * 10; //队列中消息自动删除时间(默认10天) }); //-----------------------------三.添加后台监控，用于人工干预--------------------------------- //-----------------------------四.通用配置--------------------------------- x.ConsumerThreadCount = 1; //消费者线程并行处理消息的线程数，提高消费速度，但这个值大于1时，将不能保证消息执行的顺序,且可能存在并发问题。 });
发布订阅核心代码：
/// <summary> ///09-引入事件总线RabbitMQ /// </summary> /// <param name="userId">用户编号</param> /// <param name="arcId">商品编号</param> /// <param name="totalPrice">订单总额</param> /// <param name="requestId">请求ID</param> /// <param name="goodNum">用户购买的商品数量</param> /// <returns></returns> public string POrder9([FromServices] ICapPublisher _capBus, string userId, string arcId, string totalPrice, string requestId = "125643", int goodNum = 1) { int tLimits = 100; //限制请求数量 int tSeconds = 1; //限制秒数 string limitKey = $"LimitRequest{arcId}";//受限商品ID int tGoodBuyLimits = 3; //用户单个商品可以购买的数量 string userBuyGoodLimitKey = $"userBuyGoodLimitKey-{userId}-{arcId}"; //用户单个商品的限制key string userRequestId = requestId; //用户下单页面的请求ID string arcKey = $"{arcId}-sCount"; //该商品库存key try { //调用lua脚本 //参数说明： var result = RedisHelper.EvalSHA(_cache.Get<string>("SeckillLua1"), "ypf12345", tLimits, tSeconds, limitKey, goodNum, tGoodBuyLimits, userBuyGoodLimitKey, userRequestId, arcKey); if (result.ToString() == "1") { //2. 将下单信息存到消息队列中 var orderNum = Guid.NewGuid().ToString("N"); _capBus.Publish("seckillGoods", $"{userId}-{arcId}-{totalPrice}-{orderNum}"); //3. 把部分订单信息返回给前端 return $"下单成功，订单信息为：userId={userId},arcId={arcId},orderNum={orderNum}"; } else { //请求被禁止，或者是商品卖完了 throw new Exception($"没抢到"); } } catch (Exception ex) { //lua回滚 RedisHelper.EvalSHA(_cache.Get<string>("SeckillLuaCallback1"), "ypf12345", limitKey, userBuyGoodLimitKey, userRequestId, arcKey, goodNum); throw new Exception(ex.Message); } } /// <summary> /// 订阅者的方法 /// //可以改为调用SQL语句,速率会有提升 /// </summary> /// <param name="time"></param> [NonAction] [CapSubscribe("seckillGoods")] public void CreateOrder(string orderInfor) { try { Console.WriteLine("下面开始执行订阅业务"); //1.扣减库存 var sArctile = _baseService.Entities<T_SeckillArticle>().Where(u => u.id == "300001").FirstOrDefault(); sArctile.articleStockNum = sArctile.articleStockNum - 1; //2. 插入订单信息 List<string> tempData = orderInfor.Split('-').ToList(); T_Order tOrder = new T_Order(); tOrder.id = Guid.NewGuid().ToString("N"); tOrder.userId = tempData[0]; tOrder.orderNum = tempData[3]; tOrder.articleId = tempData[1]; tOrder.orderTotalPrice = Convert.ToDecimal(tempData[2]); tOrder.addTime = DateTime.Now; tOrder.orderStatus = 0; _baseService.AddNo<T_Order>(tOrder); int count = _baseService.SaveChange(); Console.WriteLine($"执行成功，条数为:{count}"); } catch (Exception ex) { Console.WriteLine($"订阅业务执行失败：{ex.Message}"); } }
lua核心脚本 1
--[[本脚本主要整合：单品限流、购买的商品数量限制、方法幂等、扣减库存的业务]] --[[ 一. 方法声明 ]]-- --[[ --1. 单品限流--存在缓存覆盖问题 local function seckillLimit() --(1).获取相关参数 -- 限制请求数量 local tLimits=tonumber(ARGV[1]); -- 限制秒数 local tSeconds =tonumber(ARGV[2]); -- 受限商品key local limitKey = ARGV[3]; --(2).执行判断业务 local myLimitCount = redis.call('INCR',limitKey); if myLimitCount > tLimits then return 0; --失败 else redis.call('expire',limitKey,tSeconds) return 1; --成功 end; --对应的是if的结束 end; --对应的是整个代码块的结束 ]]-- --1. 单品限流--解决缓存覆盖问题 local function seckillLimit() --(1).获取相关参数 -- 限制请求数量 local tLimits=tonumber(ARGV[1]); -- 限制秒数 local tSeconds =tonumber(ARGV[2]); -- 受限商品key local limitKey = ARGV[3]; --(2).执行判断业务 local myLimitCount = redis.call('INCR',limitKey); -- 仅当第一个请求进来设置过期时间 if (myLimitCount ==1) then redis.call('expire',limitKey,tSeconds) --设置缓存过期 end; --对应的是if的结束 -- 超过限制数量,返回失败 if (myLimitCount > tLimits) then return 0; --失败 end; --对应的是if的结束 end; --对应的是整个代码块的结束 --2. 限制一个用户商品购买数量（这里假设一次购买一件，后续改造） local function userBuyLimit() --(1).获取相关参数 local tGoodBuyLimits = tonumber(ARGV[5]); local userBuyGoodLimitKey = ARGV[6]; --(2).执行判断业务 local myLimitCount = redis.call('INCR',userBuyGoodLimitKey); if (myLimitCount > tGoodBuyLimits) then return 0; --失败 else redis.call('expire',userBuyGoodLimitKey,600) --10min过期 return 1; --成功 end; end; --对应的是整个代码块的结束 --3. 方法幂等(防止网络延迟多次下单) local function recordOrderSn() --(1).获取相关参数 local requestId = ARGV[7]; --请求ID --(2).执行判断业务 local requestIdNum = redis.call('INCR',requestId); --表示第一次请求 if (requestIdNum==1) then redis.call('expire',requestId,600) --10min过期 return 1; --成功 end; --第二次及第二次以后的请求 if (requestIdNum>1) then return 0; --失败 end; end; --对应的是整个代码块的结束 --4、扣减库存 local function subtractSeckillStock() --(1) 获取相关参数 --local key =KEYS[1]; --传过来的是ypf12345没有什么用处 --local arg1 = tonumber(ARGV[1]);--购买的商品数量 -- (2).扣减库存 -- local lastNum = redis.call('DECR',"sCount"); local lastNum = redis.call('DECRBY',ARGV[8],tonumber(ARGV[4])); --string类型的自减 -- (3).判断库存是否完成 if lastNum < 0 then return 0; --失败 else return 1; --成功 end end --[[ 二. 方法调用 返回值1代表成功，返回：0，2，3，4 代表不同类型的失败 ]]-- --[[ --1. 单品限流调用 local status1 = seckillLimit(); if status1 == 0 then return 2; --失败 end ]]-- --[[ --2. 限制购买数量 local status2 = userBuyLimit(); if status2 == 0 then return 3; --失败 end ]]-- --3. 方法幂等 --[[ local status3 = recordOrderSn(); if status3 == 0 then return 4; --失败 end ]]-- --4.扣减秒杀库存 local status4 = subtractSeckillStock(); if status4 == 0 then return 0; --失败 end return 1; --成功
lua回滚脚本
--[[本脚本主要整合：单品限流、购买的商品数量限制、方法幂等、扣减库存的业务的回滚操作]] --[[ 一. 方法声明 ]]-- --1.单品限流恢复 local function RecoverSeckillLimit() local limitKey = ARGV[1];-- 受限商品key redis.call('INCR',limitKey); end; --2.恢复用户购买数量 local function RecoverUserBuyNum() local userBuyGoodLimitKey = ARGV[2]; local goodNum = tonumber(ARGV[5]); --商品数量 redis.call("DECRBY",userBuyGoodLimitKey,goodNum); end --3.删除方法幂等存储的记录 local function DelRequestId() local userRequestId = ARGV[3]; --请求ID redis.call('DEL',userRequestId); end; --4. 恢复订单原库存 local function RecoverOrderStock() local stockKey = ARGV[4]; --库存中的key local goodNum = tonumber(ARGV[5]); --商品数量 redis.call("INCRBY",stockKey,goodNum); end; --[[ 二. 方法调用 ]]-- RecoverSeckillLimit(); RecoverUserBuyNum(); DelRequestId(); RecoverOrderStock();
3.各种异常处理
(1). 发布者发送消息失败
A. CAP框架有本地消息存储发送的消息,会自动重试.
B. 如果还没有存储到本地消息表中失败了怎么办?→要回滚之前的业务,写一个Lua回滚的脚本）
(2).RabbitMq宕机
本地消息表机制
(3).订阅者异常
本地消息表机制+人工干预
二. 下单成功后的处理方案
1.技术背景
在最终的下单接口模式下，当业务出错或被限制的时候，会直接返回给前端，比如‘抢单失败等’，但是当下单请求存放到队列中后也是直接返回给前端, 此时我们并不知道后续创建订单等操作是否成功。
面对这种情况,，应该怎么处理? 前端又作何提示呢？
2. 常用方案剖析
方案1：等待推送
(1).原理：前端页面提示“请求已提交,请耐心等待”，等服务端消费成功后，主动推送给客户端，客户端接受到推送成功请求后，自动跳转付款页面进行付款.
(2).分析：
A.该方案受客户端网络等影响或者用户退出应用了，很容易推送失败, 而且还需要引入额外的机制进行离线处理.
B.高并发下推送也会出现丢失现象.
C.需要引入新的实时通讯技术,增加了技术成本
方案2：主动刷新
(1).原理：前端页面提示“请求已提交,请稍后刷新查看结果”，需要用户主动刷新，或者可以主动轮训获取结果。
(2).分析：
A.秒杀期间并发已经很高了，又要增加刷新请求，增加硬件资源成本。
B.体验不是很友好,还需要用户主动刷新一下,看似加了一步操作,有的人可能不知道怎么操作导致直接不付钱了
C.实际上该方案也经常被运用，在一定场景下，该方案不失为一种办法
方案3：直接付款下单（推荐！！）
(1).思考
用户既然已经提交成功了,说明该用户已经抢到购买资格了,只要正常付款就可以, 但是由于商家技术层面的问题，导致该用户的后续业务失败，凭啥让用户来买单呢？？
所以很多商城都认为：提交成功了，就是成功了!! 可以直接付款即可.
(2).原理
A.提交到队列前，相关订单信息我们实际上早已组装好(比如订单号、总金额、用户id、商品id等等)，所以提交队列成功后，我们完全可以拿着这些信息直接去付款，也就是在付款表中插入记录。
B.另外我们还需要一个定时器：用于轮训支付记录表和订单表，当支付记录表中有记录显示付款成功，但是由于一些原因导致订单创建失败，这个时候需要根据支付记录表中的数据,向订单表插入数据来创建订单信息.（如果定时器也失败了,就人工干预）
(3).分析
A.首先业务我们已经很严谨了，采用CAP框架后有很多异常处理方案，也就是说插入队列成功，但订阅业务失败的这种情况极为少见，就会有重试机制，也会有人工手动干预处理的。
B.上面我们还增加了一个定时器，就算真的失败了没有创建订单成功，定时器也会进行同步数据的。
C.由于是高并发，数据可能非常多,轮训同步订单数据 和 订阅者创建订单数据 不一定谁先进行，所以都要先判断一下订单表中是否有数据,再进行操作。
部分代码分享(简版)：
支付接口和支付回调接口：
#region 01-创建支付接口 /// <summary> /// 创建支付接口 /// </summary> /// <param name="userId">用户编号</param> /// <param name="orderNum">订单号</param> /// <param name="arcId">商品编号</param> /// <param name="totalPrice">订单总额</param> /// <returns></returns> public string CreatePayInfor(string userId, string orderNum, string arcId, string totalPrice) { //1.组装数据请求向第三方支付平台下单 //2.三方支付平台下单成功 //说明：会返回一个链接,用户跳转唤起支付应用(微信/支付宝) //2.1 创建预订单信息 （这里错了！！！，应该创建支付记录,预定单是在队列中创建啊！！！） T_Order tOrder = new T_Order(); tOrder.id = Guid.NewGuid().ToString("N"); tOrder.userId = userId; tOrder.orderNum = orderNum; tOrder.articleId = arcId; tOrder.orderTotalPrice = Convert.ToDecimal(totalPrice); tOrder.addTime = DateTime.Now; tOrder.orderStatus = 0; _baseService.Add(tOrder); _baseService.SaveChange(); //2.2 跳转支付成功的链接进行支付 return ""; } #endregion #region 02-支付成功回调接口 /// <summary> /// 支付成功回调接口 /// 仅为了演示,实际解析出来的参数很多 /// </summary> /// <param name="orderNum">订单号</param> /// <returns></returns> public string PaySuccessCallBack(string orderNum) { //1. 参数加密规则校验--用户判断是否是支付平台发过来的 //2. 解析参数,再次请求支付平台,看是否有这条信息(很多情况下这一步是省略的) //3. 将自己系统的订单信息改为已支付 //3.1 这里要有一层判断逻辑,假设一个订单支付平台回调了两次,我们系统是只执行一次的 var data = _baseService.Entities<T_Order>().Where(u => u.orderNum == orderNum).FirstOrDefault(); if (data!=null) { data.payTime = DateTime.Now; data.orderStatus = 1; } _baseService.SaveChange(); //4. 返回一个标记，否则支付平台会多次回调 return "success"; } #endregion
轮训同步数据：
业务相对简单，控制好间隔和查询数量即可。
!
- 作 者 : Yaopengfei(姚鹏飞)
- 博客地址 : http://www.cnblogs.com/yaopengfei/
- 声 明1 : 如有错误，欢迎讨论，请勿谩骂^_^。
- 声 明2 : 原创博客请在转载时保留原文链接或在文章开头加上本人博客地址，否则保留追究法律责任的权利。