题目
设计高可用的电商促销系统
信息
- 类型：问答
- 难度：⭐⭐
考点
高可用架构设计, 容错机制, 流量控制, 数据一致性, 灾备方案
快速回答
设计高可用电商促销系统的核心要点：
- 多级冗余架构：部署多地域多可用区，使用负载均衡分发流量
- 熔断降级机制：对核心服务（库存/订单）实施熔断策略，配置降级预案
- 异步解耦：通过消息队列分离促销计算与订单处理
- 数据分片+副本：数据库采用分片部署，读写分离+多副本
- 全链路监控：实现秒级监控和自动故障转移
1. 系统架构设计
分层冗余架构：
采用多地域部署（如华东/华北集群），每个集群包含：
- 前端：CDN + 负载均衡（Nginx HA集群）
- 应用层：无状态服务集群（自动伸缩组）
- 数据层：MySQL分片集群 + Redis多副本
// 伪代码：负载均衡健康检查配置（Nginx）
upstream backend {
server 10.0.0.1:8080 max_fails=3 fail_timeout=30s;
server 10.0.0.2:8080 backup; // 备用节点
check interval=5000 rise=2 fall=3 timeout=1000;
}2. 容错机制实现
熔断降级策略：
- 库存服务熔断：当错误率>30%时触发熔断，返回缓存库存值
- 降级预案：促销计算超时后返回基础折扣（如9折）
// 伪代码：Hystrix熔断配置
@HystrixCommand(
fallbackMethod = "getStockFallback",
commandProperties = {
@HystrixProperty(name="circuitBreaker.errorThresholdPercentage", value="30"),
@HystrixProperty(name="metrics.rollingStats.timeInMilliseconds", value="10000")
}
)
public int getStock(String itemId) { /* ... */ }3. 流量控制方案
- 入口限流：API网关实现令牌桶限流（如Guava RateLimiter）
- 队列缓冲：Kafka承接秒杀请求，控制下游处理速率
- 静态化降级：将商品页生成静态HTML缓存
// 令牌桶限流示例
RateLimiter limiter = RateLimiter.create(1000); // 每秒1000请求
if(limiter.tryAcquire()) {
processRequest();
} else {
return "系统繁忙，请重试";
}4. 数据一致性保障
最终一致性方案：
1. 订单创建时写入Redis并发送MQ
2. 消费服务更新数据库
3. 对账服务修复差异数据
5. 灾备与演练
- 多活数据中心：华东/华北双活，DNS智能路由
- 故障切换流程：
1. 监控系统检测到区域故障
2. 自动切换DNS解析权重
3. 数据层主从切换（VIP漂移） - 混沌工程：定期注入网络延迟、节点故障等异常
最佳实践
- 采用「舱壁隔离」模式：促销服务与核心订单服务资源隔离
- 黄金指标监控：QPS、错误率、响应时间（P99）、系统负载
- 容量规划：通过压测确定单节点承载上限，设置80%水位告警
常见错误
- ❌ 单点故障：未对配置中心/注册中心做高可用
- ❌ 级联雪崩：服务间同步调用无超时控制
- ❌ 数据丢失：MQ未配置持久化和副本
- ❌ 过载保护缺失：突发流量直接击穿数据库
扩展知识
- Region/Zonal架构：AWS Availability Zone的设计哲学
- SLA量化：99.95%可用性 = 年故障时间≤4.38小时
- 容错模式：Circuit Breaker vs Bulkhead vs Retry
- 前沿方案：Service Mesh（Istio）实现细粒度流量控制
