从单体扛百万并发:我在社交打赏系统中的微观优化实战

【社会科学】【管理科学】 第二十六章 评价管理——企业中通过评价实现人的管理方法和策略及行为01 编号类型领域评价人被评价人评价方法和策略评价控制的逐步推理思考的方程式及语言/话术/表情/姿态/动作/脸色/眼色关联知识法律法规和底线要求1绩效结果导向型评价绩效管理直接上级全体员工关键绩效指标法(KPI)与季度/年度复盘会推理方程式:核对期初目标(量化)→ 分析实际数据与目标差距 → 归因(外部/内部、能力/意愿)→ 共识下阶段改进点。 话术:“来看下我们Q2的业绩面板。你负责的A指标超额完成,值得肯定。但B指标有10%的缺口,你分析主要是什么原因?” 表情/姿态:坐在会议桌同侧,电脑屏幕或文 阅读详情

作者:旷野说
定位:Spring Boot 开发者速查手册 + 高并发系统设计认知指南
关键澄清:单体应用并非高并发的“原罪”,真正的瓶颈常在于“无状态化缺失 + 数据一致性粗放 + 异常处理失控”。优化应始于微观,而非盲目拆微服务。


很多人一提“高并发”,就立刻想到“上微服务”“上 Kubernetes”“上 Service Mesh”。
但现实是:我们“C 端”的核心打赏系统,在日活千万级时,仍是单体架构。

为什么?因为过早拆分,只会把简单问题复杂化。
真正的高并发优化,应始于微观层面的精准控制:

  • 如何用 Redis + Lua 保证“扣库存 + 防重复”原子性?
  • 如何让落库刷盘不成为瓶颈?
  • 如何通过 Java 异常体系与 Servlet 容器选型,守住系统稳定性?

今天,我就以“用户打赏心动钻石”这个高频交易场景为例,带你看单体应用如何通过微观优化,扛住百万级并发。


一、问题起点:单体应用的“高并发幻觉”

初期,我们的打赏逻辑很简单:

@Transactional
public void sendGift(Long senderId, Long receiverId, int diamond) {
    User sender = userMapper.selectById(senderId);
    if (sender.getBalance() < diamond) throw new InsufficientBalanceException();
    
    sender.setBalance(sender.getBalance() - diamond);
    userMapper.updateById(sender);
    
    // 记录打赏 + 发通知
    giftRecordMapper.insert(...);
    notificationService.send(...);
}

表面看没问题,实则埋雷:

  • 每次打赏都查 DB 用户余额 → 高 QPS 下 DB 打满
  • 无防重机制 → 网络重试导致重复扣款
  • 通知失败 → 整个事务回滚,用户以为没打赏成功

结果:QPS 超 500 就开始超时,资损投诉不断。


二、微观第一招:用 Redis + Lua 实现“业务完整性原子化”

我们意识到:高频交易的核心状态(如余额、库存)必须脱离 DB,前置到缓存。

但普通 Redis 操作不行——“查余额 → 判断 → 扣减”非原子,高并发下必然超扣。

解法:Lua 脚本 + Redis 原子执行

-- KEYS[1] = user_balance_key, ARGV[1] = user_id, ARGV[2] = amount
local balance = tonumber(redis.call('HGET', KEYS[1], ARGV[1]))
if not balance or balance < tonumber(ARGV[2]) then
    return 0  -- 余额不足
end
redis.call('HINCRBY', KEYS[1], ARGV[1], -tonumber(ARGV[2]))
redis.call('SADD', 'gift_claimed:' .. ARGV[3], ARGV[1]) -- 防重 Set
return 1

在 Java 中调用:

public boolean tryDeductBalance(Long userId, int amount, String giftId) {
    String luaScript = loadLua("deduct_balance.lua");
    Long result = redisTemplate.execute(
        new DefaultRedisScript<>(luaScript, Long.class),
        Collections.singletonList("user:balance"),
        userId.toString(), String.valueOf(amount), giftId
    );
    return result == 1;
}

✅ 效果:

  • 原子性:扣余额 + 记录防重,一步完成
  • 高性能:Redis 单线程执行,10 万 QPS 毫秒响应
  • 防重:基于 giftId + userId 的 Set,天然去重

💡 注意:Lua 脚本必须无状态、无外部依赖,否则会阻塞 Redis 单线程。


三、微观第二招:异步落库刷盘,解耦核心路径

用户通过 Lua 预扣后,我们立即返回“打赏成功”,但此时 DB 还未更新。

关键设计:落库不是同步操作,而是异步事件。

public ResponseEntity<?> sendGiftAsync(GiftRequest req) {
    if (!giftService.tryDeductBalance(req.getSenderId(), req.getAmount(), req.getGiftId())) {
        return ResponseEntity.badRequest().body("余额不足或重复请求");
    }
    // 发送异步事件,100ms 内落库
    mqProducer.send(new GiftEvent(req));
    return ResponseEntity.ok("打赏成功");
}

消费者端:

@KafkaListener(topics = "gift-event")
public void handleGiftEvent(ConsumerRecord<String, String> record) {
    try {
        GiftEvent event = parse(record.value());
        // 直接插入,靠唯一索引兜底
        giftRecordMapper.insertIgnoreDuplicate(event);
        userBalanceLogMapper.insert(event); // 用于对账
    } catch (Exception e) {
        // 记录失败消息,供对账补偿
        failedEventStore.save(record);
    }
}

✅ 优势:

  • 核心路径无 DB I/O,响应 < 50ms
  • DB 压力降低 90%,连接池不再打满
  • 失败可追溯,不丢失任何一笔交易

四、微观第三招:对账兜底,构建最终一致性

即使 Redis + MQ 再可靠,分布式系统永远有极端故障(如 Redis 主从切换丢数据)。

解法:每日对账 + 实时补偿

// 对账任务:比对 Redis 扣减日志 vs DB 落库记录
@Scheduled(cron = "0 0 2 * * ?")
public void reconcileGiftClaims() {
    List<RedisDeductLog> redisLogs = redisLogService.getRecentLogs();
    List<GiftRecord> dbRecords = giftRecordMapper.getRecordsSince(...);
    
    Set<String> redisKeys = redisLogs.stream().map(l -> l.getTxId()).collect(toSet());
    Set<String> dbKeys = dbRecords.stream().map(r -> r.getTxId()).collect(toSet());
    
    // Redis 有,DB 无 → 补发
    redisKeys.removeAll(dbKeys);
    if (!redisKeys.isEmpty()) {
        compensationService.replayEvents(redisKeys);
    }
}

✅ 经验:对账不是“可有可无”,而是高并发交易系统的最后一道保险。


五、微观第四招:Java 异常与 Servlet 容器选型——稳住最后一道防线

很多人忽略:高并发下,异常处理不当会直接拖垮线程池。

1. 异常分层设计
  • 业务异常(如余额不足)→ 返回 400,不打印 error 日志
  • 系统异常(如 DB 连接超时)→ 返回 500,触发告警
  • 可恢复异常(如 MQ 重试)→ 捕获后入死信队列,不抛出
@ControllerAdvice
public class GlobalExceptionHandler {
    @ExceptionHandler(InsufficientBalanceException.class)
    public ResponseEntity<?> handleBizEx(InsufficientBalanceException e) {
        return ResponseEntity.status(400).body(e.getMessage());
    }
    
    @ExceptionHandler(Exception.class)
    public ResponseEntity<?> handleSysEx(Exception e) {
        log.error("System error", e); // 告警
        return ResponseEntity.status(500).body("系统繁忙");
    }
}
2. Servlet 容器选型:Undertow vs Tomcat
  • Tomcat:兼容性好,但 NIO 模型在高并发下线程开销大
  • Undertow:基于 XNIO,非阻塞 I/O,内存占用低 30%,吞吐高 20%

我们在 Spring Boot 中切换:

# application.properties
server.servlet.container=undertow
server.undertow.io-threads=16
server.undertow.worker-threads=200

✅ 效果:单机 QPS 从 1200 提升到 1800,GC 频率下降 40%。


单体高并发优化口诀(我的实战总结)

Lua 原子保正确,
异步落库解耦合;
对账兜底守底线,
异常分层稳如山;
Undertow 轻上阵,
单体也能扛百万。


结语:优化始于微观,成于体系

我们没有一上来就拆微服务,而是在单体内部构建了一套“高内聚、低耦合、强可观测”的交易子系统。
结果:单机扛住 2000+ QPS,资损率连续 18 个月为 0。

高并发不是架构的胜利,而是微观细节的胜利。
当你能把 Redis Lua、异步落库、对账补偿、异常治理、容器调优做到极致,
你会发现:单体,也可以很强大。


技术是手段,稳定是目的。
在你急着“拆”之前,先问问自己:“我是否已经榨干了单体的每一滴性能?”

欢迎在评论区交流你的高并发优化经验!

【信息科学与工程学】【管理科学】第五十一篇 舆论营销工程驱动人性综合模型框架03 ——企业内部舆论工程05 L1(产品副总裁):产品路线图的神圣化与需求否决权垄断。基于P-114、P-115。控制优先级排序会。L2/L3(产品总监/高级经理):PRD(产品需求文档)审查暴政与跨部门需求博弈。基于P-212、P-215。制造与研发的冲突。L4/L5/L6(产品经理/助理):用户故事拆分的原子化与数据证明压力。基于C-321、C-323。要求每个功能点都有数据支撑。这三个模型构成了从战略到执行的产品线垂直控制体系这个分角色、分层级、分部门的控制模型体系,构成了一个立体的控制矩阵垂直控制链。 阅读详情

相关推荐

【信息科学与工程学】【通信工程】第七十三篇 分组网络中服务质量保障的算法 16

编号类别领域模型配方模块跨区域算法与数学过程(含对比、方程、参数优化、QoS配置,结合SRv6 URPSF切片+FlexE切片)A238​央企:国家电网/南方电网 — 配电线路智能断路器储能弹簧状态监测(前端)关键基础设施弹簧位移传感器/电流传感器 → 边缘终端 → 配电云 → 储能弹簧疲劳/断裂预警(跨省,多Region双AZ)接入/边缘/骨干各智能断路器 ⇄ 边缘终端(5G‑A/LoRa)⇄ 省配电中心 ⇄ 国网/南网配电云(双Region双AZ)三种弹簧状态评估对比(人工机械检查 / 分合闸时间变化

weixin_49199313的博客 199

图论如何驱动可持续发展:从物流优化到生态修复的实战指南

图论是研究离散对象间连接关系的数学基础,其核心概念如顶点、边、连通性与最短路径,天然适配可持续发展系统中物质流、能量流和信息流的建模需求。相比微分方程的连续假设、统计模型的黑箱特性或线性规划的刚性约束,图论以拓扑结构为锚点,提供可解释、可验证、可落地的系统诊断与优化能力。它支撑绿色物流路径规划、能源微网韧性评估、生态修复物种引入顺序决策等关键场景,将‘谁连着谁’这一朴素问题转化为碳减排17%、修复周期缩短23%的真实成效。本文聚焦图论在环境系统中的工程化落地,详解实体映射、属性赋值与性质解读三步法。

weixin_33795743的博客 443

SpringBoot+Vue+MySQL 高校学科竞赛平台 完整可运行版(源码+文档)

本项目基于SpringBoot+Vue+MySQL构建高校学科竞赛管理平台,覆盖学生、教师、领队教师、管理员四大角色,实现竞赛发布、报名、刷题、评分、公示等全流程闭环管理。系统架构清晰,技术主流,配套完整源码、数据库脚本、万字论文、开题报告、答辩PPT及部署文档,支持一键运行,适用于毕业设计、课程设计及院系二次开发,真正实现“开箱即用”。

招风的黑耳优快云 329

AI时代research能力的本质:不是查资料,而是构建认知操作系统

Research能力并非简单的信息检索或文献整理,而是一种融合问题定义、证据验证与框架迭代的高阶认知能力。在AI可高效完成文献初筛、数据清洗和图表生成的今天,真正不可替代的是人类独有的模糊判断力、沉默证据捕获力与跨尺度联想力。这些能力根植于具身实践——亲手翻阅原始论文的方法章节、蹲点产线观察操作断点、用听觉识别设备异常频谱。当AI将‘体力层’任务压缩至秒级,research的核心价值正加速向‘智力层’迁移:问题锚定、三角验证、认知框架进化。本文聚焦科研工作者如何在AI洪流中守住七道亲手实践的防线,重建以真实

weixin_33708432的博客 421

密码学:一文看懂Base64算法

Base64常常在我们开发中出现,我们可能只知道它是一串乱码(看不懂的符号),知道有时候知道我们需要把一些数据进行base64编码,有时候需要进行Base64解码。但是却不知道它的作用是什么?它存在的意义是什么?还有它是如何生成的?如何编码和解码?上述的疑问相信在你读完本篇文章之后烟消云散。下面开始正文。Base64是什么?它和加密解密操作有什么关系吗?没错,这就是经过Base64编码后的字符串。对它解码后,我们获得以下内容点个关注,是对我持续创作的最大的鼓励!

Shujie 1万+

TB6600驱动器共阴共阳接法傻傻分不清?一张图搞定STM32与42步进电机的接线避坑指南

本文详细解析了TB6600驱动器共阴共阳接法的本质区别,提供了STM32与42步进电机的高效连接方案。通过实际案例和接线图示,帮助读者避免常见错误,确保驱动器与MCU的安全连接,提升项目稳定性。

weixin_28710999的博客 250

生产级机器学习:模型上线后的系统性生存协议

机器学习模型部署不是开发终点,而是工程挑战的起点。在金融、医疗等高后果领域,模型可靠性高度依赖其与真实系统环境的协同能力——包括数据契约、特征容错、熔断降级、延迟预算与漂移响应等核心机制。本文聚焦生产环境中模型‘存活’所需的系统性保障,解析如何通过契约化集成、多级fallback设计、P99导向的性能治理、可审计的监控体系及合规左移的治理框架,将数学模型转化为具备韧性、可观测性与业务可信度的数字器官。内容深度融合‘Towards AI’倡导的工程化范式与一线银行级AI落地经验。

weixin_34414650的博客 311

Node.js内存溢出?一招搞定JavaScript heap out of memory错误(附永久配置方案)

本文深入解析Node.js内存溢出问题,提供从临时调整到永久配置的完整解决方案。重点介绍通过设置`max-old-space-size`参数和`NODE_OPTIONS`环境变量来扩展JavaScript堆内存限制,适用于Webpack、Vite等构建工具的大型项目场景,并涵盖Windows、Linux/macOS多平台配置方法。

cake8的博客 1059

goalng开发_开发篇

Go 面试,基础知识

qq_46640341的博客 1162

Accelstepper 库中的参数计算公式

要完全调试电机的各个参数,例如最大速度,加速度等,就需要了解其计算公式和原理。 以下是代码注释: /// This code uses speed calculations as described in /// "Generate stepper-motor speed profiles in real time" by David Austin/// http://fab.cba.mi...

wenguitao的博客 4457

Transformer实战(32)——Transformer模型压缩

在本节中,我们学习了如何在硬件资源受限的情况下减轻运行大模型的负担。我们介绍了如何通过蒸馏、剪枝和量化从训练好的模型中提取高效模型。预训练轻量级的通用语言模型(如 DistilBERT) 可以在各种任务上进行微调,并表现出与非蒸馏模型相当的性能。随着数据量的不断增加,我们希望模型能够更快地运行,在这方面,高效 Transformer 起着至关重要的作用。

盼小辉丶的博客 2632

别再叫它 GPT 了!Codex 才是 AI 编程的“真工程师”深度拆解优势、风险与落地全指南

当任务涉及以下情况,坚决切换至 Codex:多文件联动修改(例如一次修改涉及 5 个以上文件的耦合变更)、大规模重构或遗留代码现代化(如将 10 年历史的单体应用拆分为模块化结构)、跨语言工程任务(如后端 API 与前端 TypeScript 类型定义同步修改)、自动化闭环开发任务(从 Issue 到 PR 的全链条自主执行)、复杂调试与漏洞排查。有开发者将其形容为:Sonnet 的输出是“优雅的”,而 Codex 的输出更像“企业级网站的代码”——稳健、规范、可维护,但不追求花哨。

Jedudu的博客 1180

YOLOv11改进策略【损失函数篇】| 通过辅助边界框计算IoU提升检测效果(Inner_GIoU、Inner_DIoU、Inner_CIoU、Inner_EIoU、Inner_SIoU)

为了弥补现有 IoU 损失在不同检测任务中泛化性弱和收敛速度慢的问题,·Inner-IoU·通过引入比例因子 “ratio” 来控制辅助边界框的尺度大小,利用不同尺度的辅助边界框来计算损失,从而加速边界框回归过程。

Limiiiing的博客 3893

InnoDB 内存结构总览:Change Buffer、AHI 与 Log Buffer

本文系统梳理InnoDB内存结构中的ChangeBuffer、Adaptive Hash Index(AHI)与LogBuffer。ChangeBuffer缓存二级索引页不在内存时的变更,减少随机IO,仅在页加载时合并;聚簇索引修改立即执行,因数据本身不可延后。AHI基于高频等值查询自动构建哈希索引,加速定位,仅支持等值操作。LogBuffer为redo log内存缓冲,配合磁盘日志实现崩溃恢复。三者均服务于性能优化,其中ChangeBuffer与AHI共享BufferPool空间,而LogBuffer独立

bksczm的博客 310

3D医学影像开发入门<一>:VS2019+DCMTK3.6.8编译及环境配置

3D医学影像开发入门:VS2019+DCMTK3.6.8编译及环境配置

欧特GO 1309

机器学习之多种算法优缺点总结及优化方法

一、无监督算法: 1、聚类算法:Kmeans 2、关联规则算法:Apriori 二、有监督算法 1、分类算法 决策树(Decision Tree) 支持向量机(SVM) K近邻(kNN,k-NearestNeighbor) 朴素贝叶斯 逻辑回归 2、回归算法 线性回归 多项式回归 3、集成算法 a、bagging(Bootstrapped Aggregation) 随机森林 ...

平原的博客 7081

信创环境下PageOffice文档控件适配与实践

信创适配做到文档控件这一层,拼的已经不是"有没有国产版本",而是同一个功能在两类终端上是否真的等价。等价的标准很具体:同一次点击能得到同样的结果,同一份公文能得到同样的版式,同一个项目不需要维护两套代码。这背后是三件并不轻松的工作:服务端用一套接口同时支撑两类终端,客户端把两种系统与四种芯片的安装包分发清楚,文档内核层由产品侧跟着 WPS 的版本走。浏览器这一层的压力,则被收进了产品自己的窗口里——升级节奏由产品掌握,不再交给运气。

zi_wu_xian的专栏 336

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

第三篇 第 6 课

前置:第三篇第 1 课(stdx 引入),第二篇第 1 课(std.regex)。环境:仓颉 SDK 1.2.0。本文所有代码与输出均逐行实测。

weixin_41618057的博客 557

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

pcl2启动器下载(Minecraft PCL2 启动器 最新版 安装与使用说明)

摘要:PCL2(Plain Craft Launcher 2)是一款面向 Minecraft 的第三方启动器,支持正式版与快照版本管理、模组与整合包安装、Java 运行时自动匹配,绿色免安装、双击即可运行。适合在 Windows 上玩单机整合包、需要多版本共存或离线启动的用户使用

2611_96675819的博客 226

spring boot 4集成SQLLite,及其SQLLite的建库

spring boot 4集成SQLLite,及其SQLLite的建库

weixin_41463944的博客 239

Java 集合容器高频面试题全解:HashMap 树化阈值、1.7 死循环与 ConcurrentHashMap 演进(2026 招聘 JD 真题复盘)

HashMap 树化阈值 8 的泊松分布依据、退化阈值 6 的防抖设计、JDK 1.7 头插成环死循环的排查与修复、1.8 尾插后为何仍线程不安全、ConcurrentHashMap 放弃分段锁的原因与 ForwardingNode 协作扩容、computeIfAbsent 死锁陷阱、大集合找重复的场景题选型,附三层追问链自测。题目来源为 38 期公开招聘 JD 样本与字节、拼多多、建行、美团、快手公开面经。

蒙眼过河 427

spdlog 同步日志库使用详解

spdlog是一个轻量级 C++ 日志库,支持同步日志、异步日志、多线程日志、日志文件轮转和自定义日志格式。对于嵌入式 Linux 应用开发,我建议先使用。它可以帮我们完成:日志级别过滤。时间戳和线程 ID 输出。日志格式化。终端和文件输出。多线程安全写入。日志文件按大小或时间轮转。我们不需要自己实现互斥锁、文件写入、日志格式化和轮转等底层功能。

zengjiajun2006的博客 1124

JavaSE通关手册:数据类型与变量

代码无需额外处理,编译时编译器自动完成转换。

xys_678的博客 236

IDEA 简介:从零认识 IntelliJ IDEA

IDEA 全称,是由 JetBrains 公司开发的一款主流 Java 集成开发环境(IDE)。它集代码编辑、编译、调试、测试、版本控制、构建管理等功能于一体,被大量 Java 开发者视为日常开发的首选工具。所谓 IDE(Integrated Development Environment,集成开发环境),就是把写代码所需的各类工具整合到同一个界面中。相比只用文本编辑器加命令行编译,IDE 能显著减少重复操作,让开发者把精力集中在业务逻辑上。

ztI10的博客 187

Docker部署linkding:HTTPS与数据备份

部署私人书签库,除了让页面能够打开,还需要考虑几个实际问题:重建容器后数据是否保留、登录和保存是否正常、升级前怎样备份,以及出现 502 或 CSRF 错误时从哪里检查。本文使用 Docker Compose 部署 linkding,采用默认 SQLite 数据库,通过 Caddy 提供 HTTPS,并完成账户创建、数据持久化验证和备份。如果重建后账户或书签消失,应先检查是否换了项目目录、改了挂载路径,或者启动了另一套实例,不要急着重新初始化。遇到权限问题,应根据日志确认具体目录和运行用户,再调整权限。

tedcloud123的博客 194
上一篇: 交友电商平台踩过的坑:高并发抢限量礼物,事务与缓存如何共舞
下一篇: 用 Redis + Lua 守住打赏原子性:我在单体系统中的微观实践(续)
旷野说
博客等级 码龄9年 361粉丝 86原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值