一场完美的“秒杀”：API加速的业务逻辑 API云计算后端白山白山云科技

作者简介：丛磊
白山合伙人兼工程副总裁
丛磊先生2016年加入白山，主要负责云链体系的设计与落实等工作。
丛磊先生2006年至2015年就职于新浪，原SAE（SinaAppEngine）创始人，曾任总负责人兼首席架构师，2010年起，带领新浪云计算团队从事云相关领域的技术研发工作。（注：SAE是国内最大的公有云PaaS平台，拥有70万用户。）
丛磊先生拥有两项发明专利，现任工信部可信云服务认证评委。

一天清晨，我被一个客户电话惊醒，客户异常焦急，寻问CDN能不能帮助他们解决“秒杀”的问题，他们昨天刚刚进行了“整点秒杀活动”，结果并发量过大，导致服务宕机，用户投诉。

为了理清思路，我问了对方三个问题：

（1）服务宕机的表现是什么？
（2）业务的基本架构什么样？
（3）秒杀的峰值并发到多少？

顺着这些线索，我们先一起还原了应用场景：

某电商业务架构图

 

该公司是一家P2P理财网站，常有用户在整点抢购高利率理财产品的“整点秒杀活动”。如上图所示，终端用户请求先通过前端负载均衡，然后到达运行实际电商逻辑的Web Server；再下层是运行在VM上的8台Redis，负责存储与业务相关的Cache数据，如用户Profile、理财产品信息、用户账单信息等。实际落地数据存储在MySQL中，该MySQL只进行了简单的分库分表及读写分离。

 

进行“秒杀”时，先由风控和运营人员选好理财产品，然后标记到数据库中；活动开始由产品人员放开，终端用户抢购。

 

 

该公司的业务主要来自移动端，平时流量较少，但“秒杀”活动时会瞬间产生大量流量，峰值并发达到10万以上（其中可能包括bot），如此大的并发主要是集中在以下两类接口：

 

（1）对于理财产品的刷新接口，类似GET /get_fprod.php?uid={$1}&pid={$2}&sid={$3}，此类接口的请求量最多，占比90%。

 

（2）对于理财产品的下单接口，类似 GET /order_fprod?uid={$1}&pid={$2}&oid={$3}&sid={$4}，此类接口的请求量较少，占比不到1%，但存在大量504超时。

 

 

其中uid是用户ID，pid是理财产品ID，oid是订单号，sid是随着客户端用户变化的随机token标识。

 

 

场景解读

 

根据与客户沟通得到的场景，初步得到了以下结论：

 

（1）客户以移动业务为主，产品通过API在客户端渲染UI，产品中几乎没有静态资源，带宽流量不高，传统CDN无法达到卸载压力的作用；

 

（2）秒杀时，产生大量502/504超时请求，说明此时用户请求已超过服务端的业务承载能力，急需扩容。

 

基于以上两点，我没有建议该公司采购CDN服务，而是推荐服务扩容，但随着我方对于业务更深层次的分析，逐渐发现了一些诡异的事情。

 

 

“诡异”现象

 

（1）数据库主从负载极不均衡，通过MySQL管理工具，发现主库的Query量高达80%；

 

（2）Redis Cache节点负载极不均衡，通过查看redis info发现，秒杀时，其中一台Redis请求量极大，占比达90%以上，其他Redis请求量却很低。

 

 

上述反常现象激起了双方技术人员的兴趣，这也许就是问题的关键！随着分析深入，第一个现象 浮出水面：该公司在使用数据库时，并未如某些大型电商平台一样使用数据库中间件层进行MySQL请求的路由分发，而是在业务代码端，使用语言层面的框架完成读写分离工作。这带来了两个弊端：

 

（1）程序员绕过语言层框架开发，并未真正实施读写分离；

 

（2） 产品人员要求展现效果实时，倒逼开发人员修改业务逻辑，会牺牲读写分离，使数据都在主库读写。

 Cache穿透示意图

 

 

 接着，第二个现象的原因也逐渐清晰：秒杀时，大量用户访问极少数理财产品，当这几个产品的pid恰好被hash到同一个Redis上，就会导致Cache节点热点失衡，所有请求最终集中在一个Redis，而这个Redis就是业务的瓶颈！

 

对症下药

 

1.使用数据库中间件进行读写分离以及横向扩展控制

 

使用数据库中间件可以带来诸多好处，其中最重要的是可对业务层隐藏部分数据库细节，更好地控制业务。当然，引入数据库中间层也存在明显缺点，在业务整体架构中增加一层组件，违反了“简单有效”的设计原则。对于很多互联网公司，在早期甚至中期没有数据库中间层也很正常。 但当业务发展到一定阶段，引入数据库中间层是利大于弊的。

 

 

基于经验，我方推荐客户使用MySQL Route，基本可以满足简单需求，如：连接复用；负载均衡；读写分离。

 

MySQL Route架构图

 

上图是MySQL Router官方架构图，可以看到，MySQL Router优势在于插件化设计，官方提供了一系列插件供使用。

 

 

除MySQL Router，国内还有很多开源数据库中间件可以采用，如阿里、美团等。

 

使用数据库中间层，不仅可以解决性能问题，还能在安全方面起到作用，如审计、流量限制等，甚至拦截SQL注入、劣质SQL语句等。

 

2.使用API加速服务缓解服务端压力

 

Cache服务失衡是比较棘手的问题。“秒杀”时，用户高频访问少数几个理财产品信息，当其Cache数据恰巧分配在同一节点，大量请求会瞬间集中到一台或少数几台节点，这就是Cache服务失衡的本质原因。不仅在电商“秒杀”场景中，其他有瞬间热点访问的业务类型也会存在这个问题。以微博为例，曾因明星热点事件导致接口缓慢甚至服务宕机，归根到底也是这个原因。“爆料”的瞬间，一个微博会在短时间内海量传播，该微博ID被同时打开，所有流量会集中到一个Redis节点。

 

 

这个问题如何解决？首先，Cache通常以某个数据结构的key为维度进行hash存储，大量用户只访问一个或几个key时，将导致Redis Cache节点负载不均衡，这是否一定对服务产生影响，则视并发情况而定，但这是一个巨大隐患。针对这个问题，客户提出了一种解决方案：把一个理财产品的Cache数据再拆散，1个key变成多个，降低key被分配到同一Cache节点的概率。但这种方法存在很大弊端：

 

（1）需要修改代码，原本一条get请求就可以完成的逻辑，要换成多条才能拼成；

 

（2）日常所有get/set操作的时间消耗都将成倍增加，因为1%的热点事件增加99%常规操作的时间，严重违背二八法则。

 

 

基于以上问题，我们推荐客户使用白山云聚合CLN-X的“API加速”来解决这个问题。

 

 

API加速

 

API加速完全不同于传统CDN的链路加速，通过缓存API返回内容并结合TCP广域网优化技术，对API请求进行优化。白山API加速将每个API的response数据毫秒级缓存在全网边缘节点，节点内存中的response数据以LRU（Least Recently Used）算法交换。在“热点事件”时，最热的信息持续保存在边缘节点，当客户端访问该API时，边缘节点可直接返回结果，不必返回源站。整个架构如下：

 

API加速架构图

 

API加速服务在网络边缘节点提供对API的加速能力，包括：API返回结果缓存能力、API请求回源网络加速能力。

 

 

传统观点认为，动态资源（API）无法缓存，但白山提出“任何资源都可以被缓存，只是过期时间不同”。对于常见的静态资源，缓存过期时间较长；而API并非不能被缓存，只是过期时间很短。如一个查询股价的API，可设定过期时间为50毫秒；百米运动员起跑反应时间为100-200毫秒，50毫秒对于PC端或移动端的用户体验并不会造成影响。

 

 

没有缓存时，1秒内如有10000个用户同时访问，后端承受10000个并发；如果设置50毫秒的缓存时间，理论上可将后端并发降低到20个（1秒/50毫秒=20），后端负载降低至五百分之一，其他请求由缓存服务器直接返回给用户。

 

 

综上所述，白山API加速为客户提供毫秒级缓存，在不影响用户体验的前提下提高终端用户响应速度，同时降低服务端的业务负载压力。

 

 

API加速还支持自定义缓存规则，使其更贴近业务，包括QueryString、Header、Path三种类型，针对场景，设定如下规则：

 

GET /get_fprod.php?uid={$1}&pid={$2}&sid={$3}，每个理财产品都有独立ID，产品信息不随用户ID和客户端随机信息变化，因此Cache key可忽略URI中参数的{$1}和{$3}，/get_fprod.php?pid={$2}就是在边缘节点存储毫秒级的Cache key。

 

 

缓存的过期时间如何确定呢？与业务相关，这需要对客户提供的脱敏日志进行分析，可初步设定过期时间为500毫秒，最后还需考虑RTT修正值，以适应广域网环境；RTT则由API加速服务自动捕捉并实时更新。

 

 

 

实际效果

 

通过为客户主要的瓶颈接口配置API加速服务，并在峰值时间，从以下两个维度对比API加速服务开启与关闭时的效果：

 

（1）终端用户请求平均响应时间和响应码200比例

（2）服务集群平均负载

 

 

最终效果如下：

 

图A

 图B

 

图C

 

如图A所示，峰值期间终端用户请求平均响应时间，从3秒左右压缩至40毫秒以内；如图B所示，峰值期间所有请求响应码200的比例从70%左右提升至100%；图C表示，峰值期间，后端CPU Idle从10%左右提高至97%左右。实测对比数据表明，API加速对降低平均响应时间、提升用户体验效果十分显著，在降低后端服务器负载方面效果更加明显，使用API加速的后端CPU Idle可保持在91%以上。

 

 

后续建议

 

数据库失衡和缓存Redis失衡问题已经解决，但除上述问题，还有很多环节可以改善：

 

 

1.队列服务异步化请求

目前客户最终落地数据库请求直接请求到MySQL，未经队列缓冲，建议使用队列服务排队处理峰值请求，其好处在于能在大访问量时对请求进行调度，并可控制实际到达数据库的并发，从而有效保护数据库后端。

 

 

2.API防火墙屏蔽恶意Bot

用户日志中含有大量明显且规律的扫描软件痕迹，如sqlmap、fimap等，虽然尚未对业务造成较大影响，但却使服务端资源被占用。建议在负载均衡最前端对扫描行为予以屏蔽，以提高安全性，同时提升服务效率。除恶意Bot，抢单、刷单等行为也会对服务产生影响，建议使用API防护服务识别与拦截。

 

 

3.产品层考虑服务降级设计

该客户在整体业务上，没有服务降级设计，产品功能优先级未做划分，导致重要的数据库、Cache等众多基础服务混杂。一旦“秒杀”导致数据库穿透等严重问题时，整体服务将不可用。这种情况应重新梳理业务单元，按照优先级切分基础服务，首屏、产品列表、购买、订单等信息优先级最高；其次是非重要功能，如评论、账单等；如果后端负载较大，必要时可直接舍弃次要功能，从而降低后端负载，保证服务稳定。

 

 

总结

 

解决类似“整点秒杀活动”的情景，是一个系统复杂的工程，就文中客户暴露出来的数据库负载不均匀、Cache缓存负载不均匀等问题，可通过采用数据库中间层和API加速等技术解决，最终可取得理想效果。

 

 

上述“秒杀”案例，只是API加速的一个典型应用场景，接下来我还会撰文对API加速问题进行更为系统的剖析。也欢迎业界同仁通过微信后台（baishancloud）与我们取得联系，一起探讨API相关话题。