一、问题分析

访问量激增场景：

• 营销活动（双11、618）
• 突发热点（明星八卦、突发新闻）
• 恶意攻击（DDoS）

核心挑战：

• 数据库成为瓶颈
• 服务响应变慢
• 资源耗尽宕机

---

二、应对策略全景图

┌────────────────────────────────────────┐
│           流量入口层                    │
│  CDN → DNS 调度 → 负载均衡              │
└─────────────┬──────────────────────────┘
              ↓
┌────────────────────────────────────────┐
│          接入层防护                     │
│  限流 → 黑白名单 → 防刷                 │
└─────────────┬──────────────────────────┘
              ↓
┌────────────────────────────────────────┐
│          应用层优化                     │
│  缓存 → 降级 → 熔断 → 异步              │
└─────────────┬──────────────────────────┘
              ↓
┌────────────────────────────────────────┐
│          数据层优化                     │
│  读写分离 → 分库分表 → 索引优化         │
└────────────────────────────────────────┘

---

三、分层应对方案

1. 流量入口层

（1）CDN 静态资源加速

# 静态资源配置 CDN
location ~* \.(jpg|png|js|css)$ {
    expires 30d;
    add_header Cache-Control "public, immutable";
}

效果：分流 70% 静态资源请求

（2）DNS 智能调度

• 地域就近接入（华东用户 → 杭州机房）
• 故障自动切换

（3）负载均衡

# Nginx 负载均衡
upstream backend {
    server 192.168.1.10:8080 weight=3;
    server 192.168.1.11:8080 weight=2;
    server 192.168.1.12:8080 backup;  # 备用节点
}

---

2. 接入层防护

（1）限流

令牌桶算法（Guava RateLimiter）

@RestController
public class OrderController {
    
    // 每秒放行 100 个请求
    private final RateLimiter limiter = RateLimiter.create(100);
    
    @PostMapping("/order")
    public Result createOrder() {
        if (!limiter.tryAcquire()) {
            return Result.fail("系统繁忙，请稍后重试");
        }
        return orderService.create();
    }
}

Sentinel 规则

// 热点参数限流：同一用户每秒最多 10 次
@SentinelResource(value = "createOrder")
public void create(Long userId) {
    // 业务逻辑
}

// 规则配置
ParamFlowRule rule = new ParamFlowRule("createOrder")
    .setParamIdx(0)  // 第一个参数 userId
    .setCount(10);

（2）黑白名单

// IP 黑名单拦截
@Component
public class IpFilter implements Filter {
    private static final Set<String> BLACKLIST = Set.of(
        "192.168.1.100", "10.0.0.50"
    );
    
    @Override
    public void doFilter(ServletRequest request, ...) {
        String ip = request.getRemoteAddr();
        if (BLACKLIST.contains(ip)) {
            throw new ForbiddenException();
        }
        chain.doFilter(request, response);
    }
}

---

3. 应用层优化

（1）多级缓存

// 本地缓存 + Redis
@Service
public class ProductService {
    
    @Cacheable(value = "product", key = "#id")
    public Product getById(Long id) {
        // 查数据库
        return productRepository.findById(id);
    }
}

// 缓存架构
浏览器缓存 (CDN)
    ↓
Nginx 本地缓存
    ↓
应用进程缓存 (Caffeine)
    ↓
Redis 集群
    ↓
数据库

（2）降级

// Hystrix 降级示例
@HystrixCommand(fallbackMethod = "getDefaultRecommend")
public List<Product> getRecommend(Long userId) {
    // 调用推荐服务（高延迟）
    return recommendService.query(userId);
}

// 降级方法：返回默认推荐
public List<Product> getDefaultRecommend(Long userId) {
    return hotProductCache.get();  // 热门商品兜底
}

（3）异步化

// 订单创建异步化
@PostMapping("/order")
public Result create(@RequestBody OrderDTO dto) {
    // 1. 同步校验库存（快速失败）
    if (!stockService.check(dto.getProductId())) {
        return Result.fail("库存不足");
    }
    
    // 2. 异步创建订单
    CompletableFuture.runAsync(() -> {
        orderService.create(dto);
    });
    
    // 3. 立即返回（前端轮询结果）
    return Result.success("订单创建中");
}

---

4. 数据层优化

（1）读写分离

# ShardingSphere 配置
spring:
  shardingsphere:
    datasource:
      names: master,slave0,slave1
      master:
        url: jdbc:mysql://master:3306/db
      slave0:
        url: jdbc:mysql://slave0:3306/db
    rules:
      readwrite-splitting:
        data-sources:
          ds:
            write-data-source-name: master
            read-data-source-names: slave0,slave1

（2）分库分表

// 按用户 ID 哈希分库
@TableSharding(shardingColumns = "user_id", 
               algorithmType = "HASH_MOD")
public class Order {
    private Long userId;
    // ...
}

（3）索引优化

-- 慢查询优化
-- 原 SQL（全表扫描）
SELECT * FROM order WHERE created_time > '2025-01-01';

-- 优化：添加索引
CREATE INDEX idx_created_time ON order(created_time);

-- 覆盖索引（避免回表）
CREATE INDEX idx_user_status ON order(user_id, status);
SELECT status FROM order WHERE user_id = 123;

---

四、秒杀场景专项方案

架构设计

用户请求
  ↓
CDN (静态页面)
  ↓
API 网关 (限流 1 万 QPS)
  ↓
Redis 预减库存 (Lua 原子操作)
  ↓ (通过)
MQ 异步下单 (削峰)
  ↓
订单服务 (扣减数据库库存)

Redis 预减库存

-- Lua 脚本保证原子性
local stock = redis.call('GET', KEYS[1])
if tonumber(stock) > 0 then
    redis.call('DECR', KEYS[1])
    return 1
else
    return 0
end

@Service
public class SeckillService {
    
    public boolean seckill(Long productId, Long userId) {
        String key = "seckill:stock:" + productId;
        
        // 1. Redis 预减库存
        Long result = redisTemplate.execute(luaScript, 
            Collections.singletonList(key));
        if (result == 0) {
            return false;  // 库存不足
        }
        
        // 2. 发送 MQ 异步创建订单
        rabbitTemplate.convertAndSend("order.queue", 
            new OrderMessage(productId, userId));
        
        return true;
    }
}

---

五、扩容方案

1. 水平扩容

# K8s 自动扩容
kubectl autoscale deployment app \
  --cpu-percent=70 \
  --min=3 \
  --max=20

# 阿里云 ECS 弹性伸缩
aliyun ess CreateScalingRule \
  --ScalingGroupId asg-xxx \
  --AdjustmentType QuantityChangeInCapacity \
  --AdjustmentValue 5  # 流量高峰加 5 台

2. 数据库扩容

-- MySQL 分表（按月）
CREATE TABLE order_202511 LIKE order;
CREATE TABLE order_202512 LIKE order;

-- 应用层路由
int month = LocalDate.now().getMonthValue();
String tableName = "order_2025" + String.format("%02d", month);

---

六、监控预警

Prometheus 告警规则

groups:
- name: high_traffic
  rules:
  - alert: HighQPS
    expr: sum(rate(http_requests_total[1m])) > 10000
    for: 1m
    annotations:
      summary: "QPS 超过 1 万"
  
  - alert: HighErrorRate
    expr: rate(http_errors_total[1m]) / rate(http_requests_total[1m]) > 0.05
    annotations:
      summary: "错误率超过 5%"

---

七、实战案例：双11大促

准备阶段

1. 全链路压测：模拟 10 倍流量
2. 资源预留：提前扩容至日常 3 倍
3. 降级预案：非核心功能（推荐、评价）可降级

当天执行

00:00 活动开始
  ├─ CDN 命中率 95%（静态资源）
  ├─ Redis QPS 50 万（库存查询）
  ├─ MQ 积压 10 万（异步创建订单）
  └─ 数据库 QPS 5000（从库读取）

10:00 流量回落
  └─ 自动缩容至 1.5 倍日常

---

八、答题总结

3 分钟框架：

1. 分层策略（1分钟）

层级	手段	工具
入口层	CDN + 负载均衡	阿里云 CDN
接入层	限流 + 黑名单	Sentinel
应用层	缓存 + 降级 + 异步	Redis + Hystrix
数据层	读写分离 + 分库分表	ShardingSphere

2. 核心技术（1分钟）

• 限流：令牌桶（100 QPS）
• 缓存：多级（本地 + Redis）
• 异步：MQ 削峰（订单入队）
• 扩容：K8s HPA（CPU > 70% 扩容）

3. 秒杀方案（1分钟）

Redis 预减库存 → MQ 异步下单 → 数据库扣减

加分点：

• 提及具体数据（CDN 分流 70%、Redis QPS 50 万）
• 全链路压测、监控预警
• 实战案例（双11 准备）