java高并发三种解决方法

高并发(High Concurrency)是互联网分布式系统架构设计中必须考虑的因素之一，它通常是指，通过设计保证系统能够同时并行处理很多请求。高并发相关常用的一些指标有响应时间(Response Time)，吞吐量(Throughput)，每秒查询率QPS(Query Per Second)，并发用户数等。

响应时间：系统对请求做出响应的时间。例如系统处理一个HTTP请求需要200ms，这个200ms就是系统的响应时间。

吞吐量：单位时间内处理的请求数量。

QPS：每秒响应请求数。在互联网领域，这个指标和吞吐量区分的没有这么明显。

并发用户数：同时承载正常使用系统功能的用户数量。例如一个即时通讯系统，同时在线量一定程度上代表了系统的并发用户数。

秒杀场景一般会在电商网站举行一些活动或者节假日在12306网站上抢票时遇到。对于电商网站中一些稀缺或者特价商品，电商网站一般会在约定时间点对其进行限量销售，因为这些商品的特殊性，会吸引大量用户前来抢购，并且会在约定的时间点同时在秒杀页面进行抢购。

此种场景就是非常有特点的高并发场景，如果不对流量进行合理管控，肆意放任大流量冲击系统，那么将导致一系列的问题出现，比如一些可用的连接资源被耗尽、分布式缓存的容量被撑爆、数据库吞吐量降低，最终必然会导致系统产生雪崩效应。

一般来说，大型互联网站通常采用的做法是通过扩容、动静分离、缓存、服务降级及限流五种常规手段来保护系统的稳定运行。

1. 限流

在讨论为什么需要限流之前，我们先聊一聊生活中那些随处可见的限流场景。

例如上下班高峰期，大量人群涌入地铁站，会造成严重拥堵，原本从站厅到站台最多只需花费5分钟左右的时间，却在被限流管制下被迫花费30分钟或更久才能顺利进入站台。

上面两张图片就展示了地铁拥挤的场景，如果这所有的人全部涌入站台，那么会造成更多的人无法上车，所以采取了管制之后，我们可以让人们通过地面和站厅层的双重排队等待，减轻站台的压力，保证每一位乘客最终都能顺利的上车。

在电商系统的秒杀中，也会有大批量的用户同时涌入，鉴于只有少部分用户能够秒杀成功，所以要限制大部分流量，只允许少部分流量进入服务后端。

限流可以采用限制服务器的连接等待数量以及等待时间，每次只放行少量用户，让更多的用户处于假排队的状态。

例如tomcat的配置：

其中最后两个参数意义如下：

maxThreads：tomcat起动的最大线程数，即同时处理的任务个数，默认值为200

acceptCount：当tomcat起动的线程数达到最大时，接受排队的请求个数，默认值为100

这两个值如何起作用，请看下面三种情况：

2. 页面静态化

首先我们可以使用Freemarker对页面进行静态化，让用户减少跟后端服务器之间的交互。这样就能降低服务器的压力，如果条件允许我们可以采用CDN加速。

Freemarker的原理如下图，模板+数据通过Freemarker可以生成静态页面。

CDN是将源站内容分发至最接近用户的节点，使用户可就近取得所需内容，提高用户访问的响应速度和成功率。

例如下图：北京网民会自动访问到离自己最近并且速度最快的服务器的资源。

3. 引入Redis

限流和静态化都是为了减轻服务器后端的压力，但是最终用户的请求还是会落到服务器中，为了增加用户的体验度，我们也应加快相应速度。后端代码和数据库之间的交互会降低相应速度，所以我们可以采用Redis来进行数据的高速读取。

Redis是一款极其优秀的内存级别的NoSql数据库，单线程下读写速度能达到5w/s。所以我们在很多情况下都能利用Redis去解决高速读取的问题。

特别是库存量的超卖现象，我们可以在开始秒杀的时候，把总的库存量存入Redis中，每当用户来抢购时，利用String类型的decr方法去减一，如果减一成功就视认为抢购成功，并把用户和商品信息存入Redis的订单条目中，当最终抢购结束时，我们再一并把Redis的订单信息存入到数据库中。

代码参考：

代码参考：
# 设置总的待抢购数量为1000000
set amount 1000000;
# 抢购 数量减一
decr amount
# 把用户信息存入到抢购成功的集合中，由商品ID命名来区分
lpush 用户ID 商品ID