基于Redis实现基本抢红包算法

京东云开发者
• 阅读 85

简介:

抢红包是我们生活常用的社交功能, 这个功能最主要的特点就是用户的并发请求高, 在系统设计上, 可以使用非常多的办法来扛住用户的高并发请求, 在本文中简要介绍使用Redis缓存中间件来实现抢红包算法, Redis是一个在内存中基于 [key, value] 的缓存数据库, Redis官方性能描述非常高, 所以面对高并发场景, 使用Redis来克服高并发压力是一个不错的手段, 本文主要基于Redis来实现基本的抢红包系统设计.

发红包模块:

1:发红包模块流程图如下:



基于Redis实现基本抢红包算法



用户首先输入红包金额和红包个数, 然后生成当前红包唯一标识, 并使用二倍均值算法生成随机金额的红包, 然后将生成的红包存入缓存Redis数据库中, Redis数据库中会保存当前剩余的红包数量和每个红包的金额, 由于Redis数据库是作为临时存储的地方, 所以发红包记录需要持久化存储在数据库中, 这里为加快系统响应, 使用异步的方式, 将红包金额纪录存储入Mysql数据库中, 以上就是发红包模块的简要系统设计.

2:随机生成红包金额

对于抢红包来说, 生成红包金额是非常关键的, 这里有许多生成随机数方法, 在本文中介绍一种使用较多的二倍均值算法来随机生成红包金额.对于抢红包来说, 如果发送一个金额为J的红包, 那么对与抢红包的N个人来说, 公平的概率是: 每个人抢到J / N 的金额的概率是相同的, 例如100元红包发给10个人,那么最公平的策略是使每个人抢到10元的概率相同, 二倍均值算法就是基于上面这个概率策略. 二倍均值算法流程如下: 首先设置红包金额为J, 抢红包人数为N, 接下来计算随机数区间上U = J / N * 2, 得到随机数区间(0,U), 从而在这个区间里生成第一个随机数金额M, 接下来继续生成第二个随机金额. 首先更新总红包金额为J-M,总抢红包人数为N-1, 然后生成第二个随机金额区间(0, (J-M) / (N-1) *2) , 从这个区间里面生成第二个随机金额M2, 继续迭代, 直到生成最后一个红包金额, 下图是二倍均值算法的流程





基于Redis实现基本抢红包算法



二倍均值算法案例: 红包总金额100元, 总计10个人

计算第一个随机金额区间: 100/10X2 = 20, 第一个随机金额的区间是(0,20 ),区间均值为10

假设第一个人抢到10元,剩余金额是90 元

计算第二个随机金额区间: 90/9X2 = 20, 第一个随机金额的区间是(0,20 ),区间均值为10

假设第二个人抢到10元,剩余金额是80 元 计算第三个随机金额区间: 80/8X2 = 20, 第一个随机金额的区间是(0,20 ),区间均值为10

...............

所以使用二倍均值算法能够在不论谁先抢的情况下, 都能公平保证每个人抢到平均金额的概率是相等的, 二倍均值算法生成红包金额的代码如下:

//这里输入的totalMoney单位是分,例如100元,totalMoney = 10000
public List<Integer> getRedPackage(Integer totalMoney,Integer totalPeopleCount) {
    List<Integer> moneyList = new ArrayList<>();
    //暂存剩余金额为红包的总金额
    Integer restMoney = totalMoney;
    //暂存剩余的总人数-初始化时即为指定的总人数
    Integer restPeopleCount = totalPeopleCount;    
    //随机数对象
    Random random = new Random();
    //开始循环迭代生成红包
    for (int i =0;i< totalPeopleNum-1;i++){
       //加1是为了至少抢到1分钱
       int money = random.nextInt (restMoney / restPeopleCount * 2) + 1;
       restMoney -= money;
       restPeopleCount--;
       moneyList.add(money);
    }
    //添加最后的一个红包金额
    amountList.add(restAmount);
    return amountList;
}

3: 红包存储

为了应对用户高并发的请求, 也就是需要频繁读取红包金额和数量, 所以将红包金额和数量存储在Mysql中是不行的, 所以只能借助基于内存的Redis数据库来支持高并发的读取操作.Redis中有5种基本的数据结构分别是:String, List, Set, Sorted Set, Map这五种, 红包金额数量是一个List集合, 所以使用List来存储最为合适,在发红包时, 我们先用二倍均值算法随机生成一定数量的红包金额, 然后将红包金额和红包数量存入Redis缓存中,等待用户抢红包

//随机生成全局唯一的红包id
redId = getRedId();
//首先生成红包金额
List<Integer> moneyList = getRedPackage(totalMoney,totalPeopleCount);
//放入redis
redisClient.lpush(redId, moneyList);
//redis中记录红包个数
redisClient.set(redId, moneyList.size());
//异步存储发红包记录到Mysql数据库
//将红包id返回
return redId;

抢红包模块:

1:抢红包模块流程图如下:



基于Redis实现基本抢红包算法



首先判断用户是否已经抢过红包了, 是否还有剩余的红包, 如果抢过或者剩余红包数量小于等于0, 则代表红包已经被抢完了, 直接结束用户本次抢红包流程. 如果还有剩余的红包数量, 则从Redis缓存列表中弹出一个红包金额, 然后将剩余红包数量减1, 同时异步将用户抢红包记录存入Mysql数据库, 最后将抢到的红包金额返回给用户, 结束本次抢红包流程

2:首先判断是否已经抢过红包

通过在Redis中以用户ID构建一个唯一Key来判断是否抢过红包, Key的构建规则是:业务前缀+红包id+用户id

redMoney = redisClient.get("rob" + redId + useId)
//如果不为空,则说明已经抢过了,直接返回抢过的红包金额
if (redMoney != null) {
    return redMoney
}

3:判断是否还有红包

通过在Redis中以红包id记录一个数量来判断是否还有红包, key的构建规则是:业务前缀+红包id

totalNum = redisClient.get("totalNum" + redId)
//如果为空或者小于等于0则代表没有了
if (totalNum == null || totalNum <= 0) {
    return null
}

4:弹出一个红包金额

因为我们是把红包金额存储到Redis的List列表中的, 所以直接使用列表的Pop操作就行了

money = redisClient.rpop(redId)
//如果不为空,则说明抢到了
if (money != null) {
    ....
    红包个数减1
    存储抢红包记录
    设置该用户已经抢过红包
    ....
    //返回抢到的金额
    return money
}
//没抢到
return null

5:减少红包个数

红包总数是以一个[key, value] 键值对存储在Redis中的, 所以这里使用Redis的DECR命令就行了

money = redisClient.rpop(redId)
//如果不为空,则说明抢到了
if (money != null) {
    //红包个数减1
    redisClient.decr(redId)
    ....
    存储抢红包记录
    设置该用户已经抢过红包
    ....
    //返回抢到的金额
    return money
}
//没抢到
return null

6:异步记录抢红包记录

采用异步的方式将记录存入Mysql数据库, 异步的方式可以采用消息队列或者多线程的方式来实现

money = redisClient.rpop(redId)
//如果不为空,则说明抢到了
if (money != null) {
    //红包个数减1
    redisClient.decr(redId)
    //异步存储抢红包记录
    这里可以使用mq或者多线程的方式来实现
    ....
    设置该用户已经抢过红包
    ....
    //返回抢到的金额
    return money
}
//没抢到
return null

7:设置该用户已经抢过红包

money = redisClient.rpop(redId)
//如果不为空,则说明抢到了
if (money != null) {
    //红包个数减1
    redisClient.decr(redId)
    //异步存储抢红包记录
    这里可以使用mq或者多线程的方式来实现
    //设置该用户已经抢过红包
    redisClient.set("rob" + redId + useId, money)
    //返回抢到的金额
    return money
}
//没抢到
return null

8: 整体的伪代码逻辑如下:

redMoney = redisClient.get("rob" + redId + useId)
//如果不为空,则说明已经抢过了,直接返回抢过的红包金额
if (redMoney != null) {
    return redMoney
}
totalNum = redisClient.get("totalNum" + redId)
//如果红包总数小于0, 则代表已经抢完了, 直接返回空
if (totalNum == null || totalNum <= 0) {
    return null
}
money = redisClient.rpop(redId)
//如果不为空,则说明抢到了
if (money != null) {
    //红包个数减1
    redisClient.decr(redId)
    //异步存储抢红包记录
    这里可以使用mq或者多线程的方式来实现
    //设置该用户已经抢过红包
    redisClient.set("rob" + redId + useId, money)
    //返回抢到的金额
    return money
} 
//没抢到
return null

9:分布式锁

这里涉及到了同一个用户多次高并发来抢红包的情况, 并且代码逻辑中包含了下面这种逻辑: 判断条件成立然后进行业务操作,最后设置条件. 这种业务逻辑如果不防止并发的话, 就会产生重复操作, 所以需要使用锁来限制每一个用的访问频率, 加锁的方式是使用分布式锁, 这是因为我们抢红包服务不可能只在一台服务器上部署, 同时基于Redis也能很容易的实现分布式锁, 使用Redis命令setNx命令就可以实现简单分布式锁

redMoney = redisClient.get("rob" + redId + useId)
//如果不为空,则说明已经抢过了,直接返回抢过的红包金额
if (redMoney != null) {
    return redMoney
}
totalNum = redisClient.get("totalNum" + redId)
//如果红包总数小于0, 则代表已经抢完了, 直接返回空
if (totalNum == null || totalNum <= 0) {
    return null
}
//加分布式锁
lockResut = redisClient.setNx(useId,redId,timeOut);
//加锁失败,直接返回
if(!lockResult){
    return;
}
try{
    money = redisClient.rpop(redId)
    //如果不为空,则说明抢到了
    if (money != null) {
        //红包个数减1
        redisClient.decr(redId)
        //异步存储抢红包记录
        这里可以使用mq或者多线程的方式来实现
        //设置该用户已经抢过红包
        redisClient.set("rob" + redId + useId, money)
        //返回抢到的金额
        return money
    }     
} finally {
    //删除锁
    redisClient.del(useId)
}
//没抢到
return null

总结

以上就是完整的抢红包伪代码流程, 可以基本实现发红包以及抢红包功能, 该方法基于Redis来实现红包的存储和抢红包的操作, 基于二倍均值算法来实现红包金额的随即生成, 在整体功能上还有很多不完善的地方, 可以基于整体框架进行扩展开发, 实现更加完整的算法

点赞
收藏
评论区
推荐文章
Stella981 Stella981
2年前
Redis高可用哨兵机制及SpringBoot整合哨兵
前言:在前面讲到了Redis分片机制可实现内存数据的扩容来提高执行速率Redis分片机制(https://my.oschina.net/u/4115134/blog/3207715),可是Redis分片依旧有一些问题,如果redis分片的节点如果有一个服务器宕机,则直接影响用户的使用.Redis分片机制没有实现高可用功能(HA)。我所使
Stella981 Stella981
2年前
Redis缓存和MySQL数据一致性方案(转)
需求起因在高并发的业务场景下,数据库大多数情况都是用户并发访问最薄弱的环节。所以,就需要使用redis做一个缓冲操作,让请求先访问到redis,而不是直接访问MySQL等数据库。!(https://oscimg.oschina.net/oscnet/34e6b909457749e8d213be3b82a76662fc0.png)这个业务场景,主要
Stella981 Stella981
2年前
Redis 缓存性能实践及总结
一、前言在互联网应用中,缓存成为高并发架构的关键组件。这篇博客主要介绍缓存使用的典型场景、实操案例分析、Redis使用规范及常规Redis监控。二、常见缓存对比常见的缓存方案,有本地缓存,包括HashMap/ConcurrentHashMap、Ehcache、Memcache、GuavaCache等,缓存中间件包
Stella981 Stella981
2年前
300 分钟撸一个基于 Redis 亿级用户高并发系统
对于618、双十一、春运抢票这种高并发、大流量的场景一般都会用到缓存抗住大并发,市面上缓存框架用的最多的无疑就是Redis了,Redis作为稳居世界排名第一的KV内存数据库,同时也是最受欢迎的分布式缓存中间件,是应对高并发,大流量,低延迟业务场景的不二选择。面试必问!下面这十几道题都是关于Redis大厂面试被问到的,基本都跟Redis架构设计与底层原
Stella981 Stella981
2年前
Redis5.0:简单的集群模式——主从模式详解
主从模式主从模式是最简单的集群模式,其实就是复制基本只能解决读写分离问题,主机服务器一旦宕机基本完蛋,不具备高可用。基本上redis的性能瓶颈主要在于网络IO和内存主频上面,单机版Redis在不考虑高可用的情况下基本满足80%的项目需要,因为单机版Redis可以实现10W/S的请求,除非缓存KV值过大,通过读写分离缓存网卡的压
Stella981 Stella981
2年前
Redis、MPP、kafka 、MongDB简介
Redis:间值数据库,适合缓存用户Session会话与经常需要查的数据1.Redis集群,为什么在项目中使用集群 1.持久化,持久化是最简单的高可用方法(有时甚至不被归为高可用的手段),主要左右是数据备份,即将数据存储在硬盘,保证数据不会因进程退出而丢失;2、复制:主从复制是高可用Redis的基础,哨兵和集群都是在复制基础上实现高可用
Stella981 Stella981
2年前
Spring Boot的接口限流应用
阅读目录:1\.前言2\.算法介绍计数器法3\.算法介绍滑动窗口4\.算法介绍漏桶算法5\.算法介绍令牌桶算法前言在一个高并发系统中对流量的把控是非常重要的,当巨大的流量直接请求到我们的服务器上没多久就可能造成接口不可用
图解Redis和Zookeeper分布式锁 | 京东云技术团队
使用Redis还是Zookeeper来实现分布式锁,最终还是要基于业务来决定,可以参考以下两种情况:(1)如果业务并发量很大,Redis分布式锁高效的读写性能更能支持高并发(2)如果业务要求锁的强一致性,那么使用Zookeeper可能是更好的选择
服务端应用多级缓存架构方案 | 京东云技术团队
20w的QPS的场景下,服务端架构应如何设计?常规解决方案可使用分布式缓存来抗,比如redis集群,6主6从,主提供读写,从作为备,不提供读写服务。1台平均抗3w并发,还可以抗住,如果QPS达到100w,通过增加redis集群中的机器数量,可以扩展缓存的容量和并发读写能力。同时,缓存数据对于应用来讲都是共享的,主从架构,实现高可用。
京东云开发者 京东云开发者
5个月前
京东广告算法架构体系建设--高性能计算方案最佳实践 | 京东零售广告技术团队
1、前言推荐领域算法模型的在线推理是一个对高并发、高实时有较强要求的场景。算法最初是基于Wide&Deep相对简单的网络结构进行建模,容易满足高实时、高并发的推理性能要求。但随着广告模型效果优化进入深水区,基于Transformer用户行为序列和Atten