抢红包,1000人抢十个总金额为100的随机红包,为了支持高并发

目录

• • • 1. 红包预生成算法
    • 2. 高并发抢红包接口设计
    • 3. 系统优化策略
    • 4. 数据库设计
    • 5. 安全与防刷
    • 6. 压测与监控
    • 最终架构图
• 参考资料

1. 红包预生成算法

目标：提前生成10个红包金额，保证总和为100元且符合随机性要求。

• 推荐算法：二倍均值法（公平性保障）
  1. 初始化剩余金额=100，剩余数量=10
  2. 每次生成金额范围：[0.01, 剩余金额/剩余数量 * 2]
  3. 最后一个红包直接取剩余金额
     算法解说：
     每次生成的红包金额不超过剩余金额均值的两倍
     每次生成的红包金额是基于当前的剩余金额计算的，所以即使某个红包取了最大值，后续的红包金额会因为剩余金额的减少而调整，从而整体总和仍然保持正确。

import java.math.BigDecimal;
import java.math.RoundingMode;
import java.util.ArrayList;
import java.util.Collections;
import java.util.List;
import java.util.Random;

public class RedPacketGenerator {
    // 红包精度设置（小数点后两位）
    private static final int SCALE = 2;
    private static final BigDecimal MIN_AMOUNT = new BigDecimal("0.01");
    private static final Random RANDOM = new Random();

    /**
     * 生成随机红包（二倍均值法）
     * @param total 总金额
     * @param count 红包数量
     * @return 红包金额列表（按生成顺序）
     */
    public static List<BigDecimal> generateRedPackets(BigDecimal total, int count) {
        // 参数校验
        validateParams(total, count);

        List<BigDecimal> packets = new ArrayList<>(count);
        BigDecimal remainingAmount = total;
        int remainingCount = count;

        // 生成前count-1个红包
        for (int i = 1; i < count; i++) {
            // 计算最大可选金额：剩余金额 / 剩余数量 * 2
            BigDecimal max = remainingAmount.divide(
                new BigDecimal(remainingCount), SCALE, RoundingMode.HALF_UP
            ).multiply(new BigDecimal(2));

            // 生成随机金额 [0.01, max]
            BigDecimal amount = generateRandomAmount(MIN_AMOUNT, max);
            
            packets.add(amount);
            remainingAmount = remainingAmount.subtract(amount);
            remainingCount--;
        }

        // 最后一个红包直接分配剩余金额
        packets.add(remainingAmount.setScale(SCALE, RoundingMode.HALF_UP));

        // 打乱顺序（可选）
        Collections.shuffle(packets);
        return packets;
    }

    /**
     * 生成随机金额（包含min，不超过max）
     */
    private static BigDecimal generateRandomAmount(BigDecimal min, BigDecimal max) {
        // 计算随机基数（0.0000~1.0000）
        double factor = RANDOM.nextDouble();
        
        // 生成金额：min + (max - min) * random
        BigDecimal amount = max.subtract(min)
                .multiply(BigDecimal.valueOf(factor))
                .add(min)
                .setScale(SCALE, RoundingMode.HALF_UP);
        
        // 确保不小于最小值
        return amount.compareTo(min) >= 0 ? amount : min;
    }

    private static void validateParams(BigDecimal total, int count) {
        if (total.compareTo(MIN_AMOUNT.multiply(new BigDecimal(count))) < 0) {
            throw new IllegalArgumentException(
                "每个红包至少需要0.01元，总金额不能小于" + MIN_AMOUNT.multiply(new BigDecimal(count))
            );
        }
    }

    public static void main(String[] args) {
        // 测试生成10个总金额100的红包
        List<BigDecimal> packets = generateRedPackets(new BigDecimal("100.00"), 10);
        
        // 打印结果并验证总和
        BigDecimal sum = BigDecimal.ZERO;
        System.out.println("红包明细：");
        for (BigDecimal packet : packets) {
            System.out.println(packet + "元");
            sum = sum.add(packet);
        }
        System.out.println("红包总数：" + packets.size());
        System.out.println("金额总和：" + sum.setScale(SCALE, RoundingMode.HALF_UP));
    }
}

• 结果存储：将生成的10个红包金额存入Redis List结构（例如：RPUSH red_packet_list 15.2 8.7 ...）。

---

2. 高并发抢红包接口设计

核心逻辑：使用缓存原子操作确保并发安全，避免数据库瓶颈。

• 步骤：
  1. 请求拦截：检查用户是否已抢过（使用Redis SETNX记录用户ID）。
  2. 抢红包操作：LPOP red_packet_list（原子弹出预生成红包）。
     • 成功：返回金额，异步记录到数据库。
     • 失败（返回nil）：返回“已抢完”状态。

---

3. 系统优化策略

• 缓存层：
  • 使用Redis Cluster分片提升吞吐量，单节点QPS可达10万+。
  • 开启持久化（AOF每秒同步）防止数据丢失。
• 限流与降级：
  • Nginx层限流：限制每秒最大请求数（如5000 QPS）。
  • 熔断降级：通过Sentinel或Hystrix在服务不可用时返回友好提示。
• 异步处理：
  • 抢红包成功后，通过消息队列（如Kafka）异步更新数据库，保证最终一致性。

---

4. 数据库设计

• 表结构：

  CREATE TABLE red_packet_log (
      id BIGINT AUTO_INCREMENT,
      user_id VARCHAR(64),
      amount DECIMAL(10,2),
      created_at TIMESTAMP,
      PRIMARY KEY(id)
  );
  

• 写入优化：
  • 批量插入：MQ消费者批量处理消息，减少数据库写入次数。
  • 读写分离：查询操作路由到从库，避免主库压力。

---

5. 安全与防刷

• 频率限制：每个用户UID限制每秒最多1次请求（Redis计数器+TTL）。
• Token验证：前端请求携带动态Token（如HMAC签名），防止重放攻击。
• IP黑名单：实时监控异常IP（如每秒超过50次请求），自动封禁。

---

6. 压测与监控

• 压力测试：使用JMeter模拟1000用户并发，验证Redis和接口响应时间（目标：99%请求<10ms）。
• 监控告警：
  • Prometheus监控Redis内存、QPS、延迟。
  • 告警规则：当红包剩余数量<2时触发低库存通知。

---

最终架构图

[用户请求] → (Nginx限流) → [抢红包微服务] → [Redis Cluster]  
                              ↓  
                          [Kafka] → [消费服务] → [MySQL]

参考资料