利用redis + lua解决抢红包高并发的问题

抢红包的需求分析

抢红包的场景有点像秒杀，但是要比秒杀简单点。
因为秒杀通常要和库存相关。而抢红包则可以允许有些红包没有被抢到，因为发红包的人不会有损失，没抢完的钱再退回给发红包的人即可。
另外像小米这样的抢购也要比淘宝的要简单，也是因为像小米这样是一个公司的，如果有少量没有抢到，则下次再抢，人工修复下数据是很简单的事。而像淘宝这么多商品，要是每一个都存在着修复数据的风险，那如果出故障了则很麻烦。

淘宝的专家丁奇有个文章有写到淘宝是如何应对秒杀的：《秒杀场景下MySQL的低效–原因和改进》

http://blog.nosqlfan.com/html/4209.html

基于redis的抢红包方案

下面介绍一种基于redis的抢红包方案。

把原始的红包称为大红包，拆分后的红包称为小红包。

1.小红包预先生成，插到数据库里，红包对应的用户ID是null。生成算法见另一篇blog：http://blog.csdn.net/hengyunabc/article/details/19177877

2.每个大红包对应两个redis队列，一个是未消费红包队列，另一个是已消费红包队列。开始时，把未抢的小红包全放到未消费红包队列里。

未消费红包队列里是json字符串，如{userId:'789', money:'300'}。

3.在redis中用一个map来过滤已抢到红包的用户。

4.抢红包时，先判断用户是否抢过红包，如果没有，则从未消费红包队列中取出一个小红包，再push到另一个已消费队列中，最后把用户ID放入去重的map中。

5.用一个单线程批量把已消费队列里的红包取出来，再批量update红包的用户ID到数据库里。

上面的流程是很清楚的，但是在第4步时，如果是用户快速点了两次，或者开了两个浏览器来抢红包，会不会有可能用户抢到了两个红包？

为了解决这个问题，采用了lua脚本方式，让第4步整个过程是原子性地执行。

下面是在redis上执行的Lua脚本：

1. -- 函数：尝试获得红包，如果成功，则返回json字符串，如果不成功，则返回空
2. -- 参数：红包队列名， 已消费的队列名，去重的Map名，用户ID
3. -- 返回值：nil 或者 json字符串，包含用户ID：userId，红包ID：id，红包金额：money
4. -- 如果用户已抢过红包，则返回nil
5. if redis.call('hexists', KEYS[3], KEYS[4]) ~= 0 then
6. return nil
7. else
8. -- 先取出一个小红包
9. local hongBao = redis.call('rpop', KEYS[1]);
10. if hongBao then
11. local x = cjson.decode(hongBao);
12. -- 加入用户ID信息
13. x['userId'] = KEYS[4];
14. local re = cjson.encode(x);
15. -- 把用户ID放到去重的set里
16. redis.call('hset', KEYS[3], KEYS[4], KEYS[4]);
17. -- 把红包放到已消费队列里
18. redis.call('lpush', KEYS[2], re);
19. return re;
20. end
21. end
22. return nil

下面是测试代码：

1. public class TestEval {
2. static String host = "localhost";
3. static int honBaoCount = 1_0_0000;
4. static int threadCount = 20;
5. static String hongBaoList = "hongBaoList";
6. static String hongBaoConsumedList = "hongBaoConsumedList";
7. static String hongBaoConsumedMap = "hongBaoConsumedMap";
8. static Random random = new Random();
9. //  -- 函数：尝试获得红包，如果成功，则返回json字符串，如果不成功，则返回空
10. //  -- 参数：红包队列名， 已消费的队列名，去重的Map名，用户ID
11. //  -- 返回值：nil 或者 json字符串，包含用户ID：userId，红包ID：id，红包金额：money
12. static String tryGetHongBaoScript =
13. //          "local bConsumed = redis.call('hexists', KEYS[3], KEYS[4]);\n"
14. //          + "print('bConsumed:' ,bConsumed);\n"
15. "if redis.call('hexists', KEYS[3], KEYS[4]) ~= 0 then\n"
16. + "return nil\n"
17. + "else\n"
18. + "local hongBao = redis.call('rpop', KEYS[1]);\n"
19. //          + "print('hongBao:', hongBao);\n"
20. + "if hongBao then\n"
21. + "local x = cjson.decode(hongBao);\n"
22. + "x['userId'] = KEYS[4];\n"
23. + "local re = cjson.encode(x);\n"
24. + "redis.call('hset', KEYS[3], KEYS[4], KEYS[4]);\n"
25. + "redis.call('lpush', KEYS[2], re);\n"
26. + "return re;\n"
27. + "end\n"
28. + "end\n"
29. + "return nil";
30. static StopWatch watch = new StopWatch();
31. public static void main(String[] args) throws InterruptedException {
32. //      testEval();
33. generateTestData();
34. testTryGetHongBao();
35. }
36. static public void generateTestData() throws InterruptedException {
37. Jedis jedis = new Jedis(host);
38. jedis.flushAll();
39. final CountDownLatch latch = new CountDownLatch(threadCount);
40. for(int i = 0; i < threadCount; ++i) {
41. final int temp = i;
42. Thread thread = new Thread() {
43. public void run() {
44. Jedis jedis = new Jedis(host);
45. int per = honBaoCount/threadCount;
46. JSONObject object = new JSONObject();
47. for(int j = temp * per; j < (temp+1) * per; j++) {
48. object.put("id", j);
49. object.put("money", j);
50. jedis.lpush(hongBaoList, object.toJSONString());
51. }
52. latch.countDown();
53. }
54. };
55. thread.start();
56. }
57. latch.await();
58. }
59. static public void testTryGetHongBao() throws InterruptedException {
60. final CountDownLatch latch = new CountDownLatch(threadCount);
61. System.err.println("start:" + System.currentTimeMillis()/1000);
62. watch.start();
63. for(int i = 0; i < threadCount; ++i) {
64. final int temp = i;
65. Thread thread = new Thread() {
66. public void run() {
67. Jedis jedis = new Jedis(host);
68. String sha = jedis.scriptLoad(tryGetHongBaoScript);
69. int j = honBaoCount/threadCount * temp;
70. while(true) {
71. Object object = jedis.eval(tryGetHongBaoScript, 4, hongBaoList, hongBaoConsumedList, hongBaoConsumedMap, "" + j);
72. j++;
73. if (object != null) {
74. //                          System.out.println("get hongBao:" + object);
75. }else {
76. //已经取完了
77. if(jedis.llen(hongBaoList) == 0)
78. break;
79. }
80. }
81. latch.countDown();
82. }
83. };
84. thread.start();
85. }
86. latch.await();
87. watch.stop();
88. System.err.println("time:" + watch.getTotalTimeSeconds());
89. System.err.println("speed:" + honBaoCount/watch.getTotalTimeSeconds());
90. System.err.println("end:" + System.currentTimeMillis()/1000);
91. }
92. }

测试结果20个线程，每秒可以抢2.5万个，足以应付绝大部分的抢红包场景。

如果是真的应付不了，拆分到几个redis集群里，或者改为批量抢红包，也足够应付。

总结：

redis的抢红包方案，虽然在极端情况下（即redis挂掉）会丢失一秒的数据，但是却是一个扩展性很强，足以应付高并发的抢红包方案。