1.限流

固定窗口算法：时间节点无法动态更新，即 set key expire 10s（1-11秒，2-12秒）处理不好

滑动窗口算法: zset member id score 10 解决时间节点问题 score即时间戳，可以动态获取（currentTime - score）时间内的总访问量，借此判断是否达标

漏桶算法：redis中好像有类似实现

令牌桶算法：Guava RateLimiter

2.降级（也叫做熔断）

spring cloud sentinel

3.缓存

3.1缓存一致性问题

A. 先更新Db，再delete redis

两个问题：

a .更新Db成功，删除缓存失败。导致redis中有脏数据(可以借助rocketmq不断重试解决)

b.1）缓存刚好失效

（2）请求A查询数据库，得一个旧值

（3）请求B将新值写入数据库

（4）请求B删除缓存

（5）请求A将查到的旧值写入缓存（根据耗时情况可以推算出概率比较低）

B 先删除缓存，再更新Db

(1)A线程删除缓存,写db更新为data2

(2)b线程查询发现缓存不存在

(3)b线程同步当前d b最新数据da ta1到redis

(4)a线程将数据data2写入DB .脏数据发生

3.2 解决方案

A.延时双删

先删除缓存，再更新DB,再异步删除缓存（通过rocketmq异步重试机制，确保删除成功）

B.订阅binLog机制

阿里开源的canal

3.3应用秒杀实现

限流：zset滑动窗口限流

降级：spring cloud sentinel+open Feign熔断

缓存：

延时双删策略

1.库存扣减问题

提交订单时

付款时

提交订单时预先扣减库存，超时回复：定时任务轮训数据库没有付款的订单，超时订单归还库存

2.热点数据缓存

延时双删策略

3.库存防止超卖问题

乐观锁机制 update

update stock
sale = sale + 1,
version = version + 1,
WHERE id = #{id,jdbcType=INTEGER}
AND version = #{version,jdbcType=INTEGER}

或者

update stock
sale = sale + 1
WHERE id = id
AND sale={#sale}

悲观锁机制

在Service层给更新表添加一个事务，这样每个线程更新请求的时候都会先去锁表的这一行（悲观锁），更新完库存后再释放锁。可这样就太慢了，1000个线程可等不及。

beginTranse(开启事务)

try{

//quantity为请求减掉的库存数量
$dbca->query('update s_store set amount = amount - quantity where amount>=quantity and postID = 12345');

}catch($e Exception){

rollBack(回滚)

}

commit(提交事务)

具体方案

在系统初始化时，将商品的库存数量加载到Redis缓存中；
接收到秒杀请求时，在Redis中进行预减库存，当Redis中的库存不足时（库存<0可以在内存中设置一个标志量boolean=已经卖光，就不需要再去请求redis增加网络开销了，分布式情况下通过zookeeper获得相应通知），直接返回秒杀失败，否则继续进行第3步；
将请求放入异步队列中，返回正在排队中；
服务端异步队列将请求出队，出队成功的请求可以生成秒杀订单，减少数据库库存（失败就会回滚，并且会恢复redis中的库存数据即加1），返回秒杀订单详情。
当后台订单创建成功之后可以通过websocket向用户发送一个秒杀成功通知。前端以此来判断是否秒杀成功，秒杀成功则进入秒杀订单详情，否则秒杀失败。