秒殺系統涉及到的知識點：
高併發，cache，鎖機制
基於緩存架構redis,Memcached的先進先出隊列。
稍微大一點的秒殺，肯定是分佈式的集羣的，併發來自於多個節點的JVM，synchronized所有在JVM上加鎖是不行了
數據庫壓力
秒殺超賣問題
如何防止用戶來刷， 黑名單？IP限制？
利用memcached的帶原子性特性的操作做併發控制.
秒殺簡單設計方案如：
比如有10件商品要秒殺，可以放到緩存中，讀寫時不要加鎖。當併發量大的時候，可能有25個人秒殺成功，這樣後面的就可以直接拋秒殺結束的靜態頁面。進去的25個人中有15個人是不可能獲得商品的。所以可以根據進入的先後順序只能前10個人購買成功。後面15個人就拋商品已秒殺完。
假設我們的秒殺場景：
比如某商品10件物品待秒. 假設有100臺web服務器(假設web服務器是Nginx + Tomcat),n臺app服務器,n個數據庫
第一步 如果Java層做過濾, 可以在每臺web服務器的業務處理模塊裏做個計數器AtomicInteger(10)=待秒商品總數,decreaseAndGet()>＝0的繼續做後續處理, <0的直接返回秒殺結束頁面.這樣經過第一步的處理只剩下100臺*10個=1000個請求.
第二步, memcached 裏以商品id作爲key的value放個10, 每個web服務器在接到每個請求的同時, 向memcached服務器發起請求, 利用memcached的decr(key,1)操作返回值>=0的繼續處理, 其餘的返回秒殺失敗頁面。關注公衆號Java面試那些事兒，回覆關鍵字面試，獲取最新的面試題。這樣經過第二步的處理只剩下100臺中最快速到達的10個請求.
第三步, 向App服務器發起下單操作事務.
第四步, App服務器向商品所在的數據庫請求減庫存操作,
(操作數據庫時可以 update table set count=count-1 where id=商品id and count>0; update 成功記錄數爲1, 再向訂單數據庫添加訂單記錄, 都成功後提交整個事務, 否則的話提示秒殺失敗. 用戶進入支付流程.
再看看淘寶的秒殺：
1、前端
面對高併發的搶購活動，前端常用的三板斧是【擴容】【靜態化】【限流】
擴容
加機器，這是最簡單的方法，通過增加前端池的整體承載量來抗峯值。
靜態化
將活動頁面上的所有可以靜態的元素全部靜態化，並儘量減少動態元素。通過CDN來抗峯值。
限流
一般都會採用IP級別的限流，即針對某一個IP，限制單位時間內發起請求數量。
或者活動入口的時候增加遊戲或者問題環節進行消峯操作。
有損服務
最後一招，在接近前端池承載能力的水位上限的時候，隨機拒絕部分請求來保護活動整體的可用性。
2、後端
那麼後端的數據庫在高併發和超賣下會遇到什麼問題呢
首先MySQL自身對於高併發的處理性能就會出現問題，一般來說，MySQL的處理性能會隨着併發thread上升而上升，但是到了一定的併發度之後會出現明顯的拐點，之後一路下降，最終甚至會比單thread的性能還要差。
其次，超賣的根結在於減庫存操作是一個事務操作，需要先select，然後insert，最後update -1。最後這個-1操作是不能出現負數的，但是當多用戶在有庫存的情況下併發操作，出現負數這是無法避免的。
最後，當減庫存和高併發碰到一起的時候，由於操作的庫存數目在同一行，就會出現爭搶InnoDB行鎖的問題，導致出現互相等待甚至死鎖，從而大大降低MySQL的處理性能，最終導致前端頁面出現超時異常。
針對上述問題，如何解決呢？淘寶的高大上解決方案：
關閉死鎖檢測，提高併發處理性能。
修改源代碼，將排隊提到進入引擎層前，降低引擎層面的併發度。
組提交，降低server和引擎的交互次數，降低IO消耗。
解決方案1：
將存庫從MySQL前移到Redis中，所有的寫操作放到內存中，由於Redis中不存在鎖故不會出現互相等待，並且由於Redis的寫性能和讀性能都遠高於MySQL，這就解決了高併發下的性能問題。然後通過隊列等異步手段，將變化的數據異步寫入到DB中。
優點：解決性能問題
缺點：沒有解決超賣問題，同時由於異步寫入DB，存在某一時刻DB和Redis中數據不一致的風險。
解決方案2：
引入隊列，然後將所有寫DB操作在單隊列中排隊，完全串行處理。當達到庫存閥值的時候就不在消費隊列，並關閉購買功能。這就解決了超賣問題。
優點：解決超賣問題，略微提升性能。
缺點：性能受限於隊列處理機處理性能和DB的寫入性能中最短的那個，另外多商品同時搶購的時候需要準備多條隊列。
解決方案3：
將寫操作前移到MC中，同時利用MC的輕量級的鎖機制CAS來實現減庫存操作。
優點：讀寫在內存中，操作性能快，引入輕量級鎖之後可以保證同一時刻只有一個寫入成功，解決減庫存問題。
缺點：沒有實測，基於CAS的特性不知道高併發下是否會出現大量更新失敗？不過加鎖之後肯定對併發性能會有影響。
解決方案4：
將提交操作變成兩段式，先申請後確認。然後利用Redis的原子自增操作，同時利用Redis的事務特性來發號，保證拿到小於等於庫存閥值的號的人都可以成功提交訂單。然後數據異步更新到DB中。
優點：解決超賣問題，庫存讀寫都在內存中，故同時解決性能問題。
缺點：由於異步寫入DB，可能存在數據不一致。另可能存在少買，也就是如果拿到號的人不真正下訂單，可能庫存減爲0，但是訂單數並沒有達到庫存閥值。
總結
1、前端三板斧【擴容】【限流】【靜態化】
2、後端兩條路【內存】+【排隊】