下面介绍一种基于redis的抢红包方案。
把原始的红包称为大红包，拆分后的红包称为小红包。
1.小红包预先生成，插到数据库里，红包对应的用户ID是null，红包生成算法如下：
预先生成所有的红包还是一个请求随机生成一个红包
简单来说，就是把一个大整数m分解（直接以“分为单位，如1元即100）分解成n个小整数的过程，小整数的范围是[min, max]。
最简单的思路，先保底，每个小红包保证有min，然后每个请求都随机生成一个0到(max-min)范围的整数，再加上min就是红包的钱数。
这个算法虽然简单，但是有一个弊端：最后生成的红包可能都是min钱数的。也就是说可能最后的红包都是0.01元的。
另一种方式是预先生成所有红包，这样就比较容易控制了。我选择的是预先生成所有的红包。
理想的红包生成算法:
理想的红包生成结果是平均值附近的红包比较多，大红包和小红包的数量比较少。
可以想像下，生成红包的数量的分布有点像正态分布。
那么如何实现这种平均线附近值比较多的要求呢？
就是要找到一种算法，可以提高平均值附近的概率。那么利用一种”膨胀“再”收缩“的方式来达到这种效果。
先平方，再生成平方范围内的随机数，再开方，那么概率就不再是平均的了。
2.每个大红包对应两个redis队列，一个是未消费红包队列，另一个是已消费红包队列。开始时，把未抢的小红包全放到未消费红包队列里。
未消费红包队列里是json字符串，如{userId:’789′, money:’300′}。
3.在redis中用一个map来过滤已抢到红包的用户。
4.抢红包时，先判断用户是否抢过红包，如果没有，则从未消费红包队列中取出一个小红包，再push到另一个已消费队列中，最后把用户ID放入去重的map中。
5.用一个单线程批量把已消费队列里的红包取出来，再批量update红包的用户ID到数据库里。
上面的流程是很清楚的，但是在第4步时，如果是用户快速点了两次，或者开了两个浏览器来抢红包，会不会有可能用户抢到了两个红包？
为了解决这个问题，采用了lua脚本方式，让第4步整个过程是原子性地执行。
下面是在redis上执行的Lua脚本：
-- 函数：尝试获得红包，如果成功，则返回json字符串，如果不成功，则返回空
-- 参数：红包队列名， 已消费的队列名，去重的Map名，用户ID
-- 返回值：nil 或者 json字符串，包含用户ID：userId，红包ID：id，红包金额：money
-- 如果用户已抢过红包，则返回nil
if redis.call('hexists', KEYS[3], KEYS[4]) ~= 0 then
return nil
else
-- 先取出一个小红包
local hongBao = redis.call('rpop', KEYS[1]);
if hongBao then
local x = cjson.decode(hongBao);
-- 加入用户ID信息
x['userId'] = KEYS[4];
local re = cjson.encode(x);
-- 把用户ID放到去重的set里
redis.call('hset', KEYS[3], KEYS[4], KEYS[4]);
-- 把红包放到已消费队列里
redis.call('lpush', KEYS[2], re);
return re;
end
end
return nil
下面是测试代码：
public class TestEval {
static String host = "localhost";
static int honBaoCount = 1_0_0000;
static int threadCount = 20;
static String hongBaoList = "hongBaoList";
static String hongBaoConsumedList = "hongBaoConsumedList";
static String hongBaoConsumedMap = "hongBaoConsumedMap";
static Random random = new Random();
// -- 函数：尝试获得红包，如果成功，则返回json字符串，如果不成功，则返回空
// -- 参数：红包队列名， 已消费的队列名，去重的Map名，用户ID
// -- 返回值：nil 或者 json字符串，包含用户ID：userId，红包ID：id，红包金额：money
static String tryGetHongBaoｓｃｒｉｐｔ =
// "local bConsumed = redis.call('hexists', KEYS[3], KEYS[4]);
"
// + "print('bConsumed:' ,bConsumed);
"
"if redis.call('hexists', KEYS[3], KEYS[4]) ~= 0 then
"
+ "return nil
"
+ "else
"
+ "local hongBao = redis.call('rpop', KEYS[1]);
"
// + "print('hongBao:', hongBao);
"
+ "if hongBao then
"
+ "local x = cjson.decode(hongBao);
"
+ "x['userId'] = KEYS[4];
"
+ "local re = cjson.encode(x);
"
+ "redis.call('hset', KEYS[3], KEYS[4], KEYS[4]);
"
+ "redis.call('lpush', KEYS[2], re);
"
+ "return re;
"
+ "end
"
+ "end
"
+ "return nil";
static StopWatch watch = new StopWatch();
public static void main(String[] args) throws InterruptedException {
// testEval();
generateTestData();
testTryGetHongBao();
}
static public void generateTestData() throws InterruptedException {
Jedis jedis = new Jedis(host);
jedis.flushAll();
final CountDownLatch latch = new CountDownLatch(threadCount);
for(int i = 0; i < threadCount; ++i) {
final int temp = i;
Thread thread = new Thread() {
public void run() {
Jedis jedis = new Jedis(host);
int per = honBaoCount/threadCount;
JSONObject object = new JSONObject();
for(int j = temp * per; j < (temp+1) * per; j++) {
object.put("id", j);
object.put("money", j);
jedis.lpush(hongBaoList, object.toJSONString());
}
latch.countDown();
}
};
thread.start();
}
latch.await();
}
static public void testTryGetHongBao() throws InterruptedException {
final CountDownLatch latch = new CountDownLatch(threadCount);
System.err.println("start:" + System.currentTimeMillis()/1000);
watch.start();
for(int i = 0; i < threadCount; ++i) {
final int temp = i;
Thread thread = new Thread() {
public void run() {
Jedis jedis = new Jedis(host);
String sha = jedis.ｓｃｒｉｐｔLoad(tryGetHongBaoｓｃｒｉｐｔ);
int j = honBaoCount/threadCount * temp;
while(true) {
Object object = jedis.eval(tryGetHongBaoｓｃｒｉｐｔ, 4, hongBaoList, hongBaoConsumedList, hongBaoConsumedMap, "" + j);
j++;
if (object != null) {
// System.out.println("get hongBao:" + object);
}else {
//已经取完了
if(jedis.llen(hongBaoList) == 0)
break;
}
}
latch.countDown();
}
};
thread.start();
}
latch.await();
watch.stop();
System.err.println("time:" + watch.getTotalTimeSeconds());
System.err.println("speed:" + honBaoCount/watch.getTotalTimeSeconds());
System.err.println("end:" + System.currentTimeMillis()/1000);
}
}
测试结果20个线程，每秒可以抢2.5万个，足以应付绝大部分的抢红包场景。
如果是真的应付不了，拆分到几个redis集群里，或者改为批量抢红包，也足够应付。
redis的抢红包方案，虽然在极端情况下（即redis挂掉）会丢失一秒的数据，但是却是一个扩展性很强，足以应付高并发的抢红包方案。