如何保证高并发下的直播送礼能够快速完成？

一、背景

在如今比较火热的直播行业中，随之而来的是数不胜数的送礼。那么直播行业流量这么大的前提下，送礼行为我们要怎么做到快速完成呢？既要快速处理快速返回，也要保证数据正常无误。

二、高并发下的挑战

我们要处理高并发下的挑战，就需要从几个方面入手：

• 同步扣款：在用户线程中，我们只需要保证用户送礼行为能够正常扣费成功即可，后续不影响流程的事件就可以慢慢执行
• 异步消费：为了防止用户送礼请求耗时过大导致体验差的问题，我们可以在扣费成功后，将一些实时性不高的事件改为异步消费（如使用Kafka等消息队列），如APP通知推送、礼物榜单统计、主播收益计算等
• 监控告警：一方面是监控异步消费是否异常，另一方面是监控送礼流量方便我们及时做出优化
• 批量操作：对于连续送礼行为，我们可以用批量操作请求代替，可以有效减少网络IO调用，减轻服务器压力
• CDN缓存：对于大量送礼行为，除了服务端的优化，客户端的优化也是十分重要的，最典型的就是播不停的礼物特效，我们可以采用静态资源+CDN缓存的方式加快资源的加载
• 礼物特效优先级：对于客户端来说，大量礼物特效不仅会使APP卡顿，而且还可能播不完影响直播内容。所以我们可以针对性做优化，比如优先显示价值高的礼物、相同礼物整合展示等
• 热点数据缓存：对于送礼行为影响较大的数据如排行榜，我们应该对其进行缓存，加快我们的访问速率，也能减轻我们的数据库压力
• 卡顿优化：对于客户端来说，还需要监控APP卡顿情况和网络情况，从而启动低质量模式，对于礼物特效进行降级（如用静态图片代替动态特效、或减少特效播放），从而保证直播其他功能能够正常运作
• …

三、如何保证送礼行为快速完成？

要保证送礼行为快速完成，主要有以下几步：

1. 批量操作：整合送礼请求，减少网络IO调用（如送10次1个A礼物可以整合成送1次10个A礼物）
2. 池化技术：合理配置HTTP连接池+线程池，使得能应对高并发流量
3. 监控告警：扣费动作需要监控性能，及时发现并解决可能出现的超时、异常问题
4. 异步消费：后续收益计算、榜单统计等事件可以使用异步处理，防止加长送礼请求的链路，但是需要做好重试+监控告警
5. …