一个价值“千万”的秒杀场景参数优化

本文涉及的产品
云原生数据库 PolarDB MySQL 版,Serverless 5000PCU 100GB
云原生数据库 PolarDB 分布式版,标准版 2核8GB
云数据库 RDS MySQL Serverless,0.5-2RCU 50GB
简介:        秒杀最早来自天猫双11各种商品的促销活动中,现在已经有很多业务场景在使用,比如抢红包,抢票等。其特点有三高:瞬时并发高,数据一致性高,热点更新频度高。这样三高的场景下往往给数据库造成极大的压力,大量更新数据库中的同一行,这样必然会产生锁等待,导致数据库的性能急剧下降的问题,很容易容易.
       秒杀最早来自天猫双11各种商品的促销活动中,现在已经有很多业务场景在使用,比如抢红包,抢票等。其特点有三高:瞬时并发高,数据一致性高,热点更新频度高。这样三高的场景下往往给数据库造成极大的压力,大量更新数据库中的同一行,这样必然会产生锁等待,导致数据库的性能急剧下降的问题,很容出现雪崩效应。笔者记得有一年春节,一个电视台定时在整点发放红包,结果由于压力太高,导致更新数据库红包数额的请求全部堆积,业务全部挂掉,面对这样的情况我们当时也束手无策。
      面对秒杀业务的场景,数据库成为了底层系统中最重要的瓶颈点,阿里经过几年的沉淀也诞生了很多的技术手段来进行优化,这里我们就重点讲一下底层数据所做的优化。当大量的并发更新同一条记录时,使用排队的方式来保证高并发下热点记录更新依然能保持较好的性能,为threads_running设置一个硬上线,当并发超过此值是,拒绝执行sql,保护MySQL,我们将这个称之为高水位限流,这样就给数据库加上了一层限流的功能,使得数据库不被瞬间的高爆发请求打爆。
高水位限流实现:
      监控系统status变量threads_running,当满足拒绝条件,拒绝执行sql,返回用户:MySQL Server is too busy,判断逻辑在dispatch_command中,sql解析之后。
增加的系统variables:
     1.threads_running_ctl_mode: 限流的sql类型,有两个取值:[ALL | SELECTS],默认SELECTS,设置为ALL需谨慎。
      2.threads_running_high_watermark: 限流水位值,只有threads_running超过此值才会触发,默认值为max_connections,当set global threads_running_high_watermark=0时自动设置为max_connections。
拒绝必要条件:
     1..threads_running超过threads_running_high_watermark。
     2..threads_running_ctl_mode与sql类型相符。
以下情况不拒绝:
     1.用户具有super权限。
     2.sql所在事务已经开启。
     3.sql为commit/rollback。
阿里云的RDS已经集成了阿里秒杀场景下的参数优化,所以如果你的应用场景中具有大量并发更新同一行记录的场景,你可以打开数据库的限流参数:threads_running_ctl_mode和threads_running_high_watermark来保护数据库,让你的数据库平稳过渡。下面我们来看一则生产案例。
screenshot
从上图中看到该数据库的活跃连接数最高的时候到达了1W,通过show processlist可以看到大量的并发更新
screenshot
我们来看一下数据库并发更新的TPS有多大:

screenshot
可以看到数据库中的活跃连接数非常高,每秒的update非常不稳定。
我们在把限流开关打开后看一下性能表现:
mysql> set global  rds_threads_running_high_watermark=300;
Query OK, 0 rows affected (0.00 sec)

mysql> set global  rds_threads_running_ctl_mode='all';
Query OK, 0 rows affected (0.00 sec)


screenshot

从上图可以明显的观察到,通过打开数据库的限流开关,数据库的活跃连接数在300左右,同时数据库的TPS也没有再出现很大的波动,这样很好的保护住了DB。
screenshot
screenshot

使用阿里云RDS就可以获得阿里的秒杀优化技术,还可获得阿里云DBA的技术服务,赶快来使用吧。
https://www.aliyun.com/product/rds/?spm=5176.7960203.237031.32.YoWkko
加入我们:
http://duang.alicdn.com/html/HJutlATe

相关实践学习
基于CentOS快速搭建LAMP环境
本教程介绍如何搭建LAMP环境,其中LAMP分别代表Linux、Apache、MySQL和PHP。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
目录
相关文章
|
2月前
|
Web App开发 监控 小程序
支付宝小程序性能衡量
支付宝小程序性能衡量
30 0
|
7月前
|
缓存 JavaScript NoSQL
高并发秒杀系统优化思路
高并发秒杀系统优化思路
72 0
|
9月前
|
数据采集 机器学习/深度学习 存储
量化高频交易系统策略模型开发搭建
量化高频交易系统策略模型开发搭建
|
搜索推荐 算法 UED
推荐算法如何影响我们的生活
在生活中,我们经常面对需要决策的问题时,会使用多种策略来帮我们做出决策。诸如“我应该买哪个品牌手机?”,“我应该看哪部电影?”,“中午吃什么好?”等问题。我们做出选择时一般会依赖于朋友的推荐、在线评论、网上搜索和其他方法。 网上购物的兴起只会让这个决策过程变得更加复杂,因为购物者现在面临着更多的选择。互联网让我们从物质匮乏的时代变成了物质丰富的时代! 推荐引擎是帮助我们进行决策的工具。从推荐产品、要观看的电影、微信上的朋友到朋友、要阅读的新闻文章、搜索引擎优化、餐厅等等。在某种程度上,这些算法正在改变我们的决策过程。
166 0
|
缓存 负载均衡 前端开发
完整秒杀架构的设计到技术关键点的“情报信息”
完整秒杀架构的设计到技术关键点的“情报信息”
110 0
完整秒杀架构的设计到技术关键点的“情报信息”
|
机器学习/深度学习 数据采集 数据可视化
数据分析案例-基于随机森林模型探究电商网站推销商品的影响因素
数据分析案例-基于随机森林模型探究电商网站推销商品的影响因素
684 0
数据分析案例-基于随机森林模型探究电商网站推销商品的影响因素
|
数据挖掘 测试技术 数据处理
数据分析实战 | A/B测试探寻哪种广告点击率更高?
数据分析实战 | A/B测试探寻哪种广告点击率更高?
数据分析实战 | A/B测试探寻哪种广告点击率更高?
|
算法 Java 数据挖掘
亿级流量电商系统JVM模型参数预估方案
亿级流量电商系统JVM模型参数预估方案
209 0
亿级流量电商系统JVM模型参数预估方案
|
缓存 算法 Java
亿级流量电商系统JVM模型参数二次优化
亿级流量电商系统JVM模型参数二次优化
165 0
 亿级流量电商系统JVM模型参数二次优化
|
机器学习/深度学习 边缘计算 搜索推荐
【推荐系统】如何解决冷启动问题
角度1:为了准确匹配用户的需求,解决信息超载问题,各大互联网都有个性化的推荐系统,但是在建立该系统初期,没有大量用户数据,或者系统中的商品是新添加的,那应该推荐给哪些用户的问题。
566 0
【推荐系统】如何解决冷启动问题