秒杀系统
文章目录
前言
秒杀是电商项目中的常见场景，如XX手机12点限量半价抢购等。该场景在极短的时间内涌入大量的请求，来同时访问有限的服务资源，从而造成系统负载压力大，甚至导致系统服务瘫痪以及宕机的可能。本文会介绍秒杀系统中存在的痛点以及针对这些点的优化思路。
一、秒杀系统架构探讨
秒杀系统的难点之一是短时间内高并发下，会产生商品超卖问题。比如A商品200个库存，同一时间3个用户对数据库发起请求，发现有200个库存，然后大家都对库存减1，为199，实际库存应该为200-3=197.解决这个问题的方案之一是给mysql加锁，但是给mysql加锁会产生锁竞争问题，一个线程只有等另一个线程执行完操作后才能访问数据库，从而导致
用户等待时间延长，在高并发场景下该问题尤为严重。为解决该问题，提前将库存信息存入redis中，并加上redisson分布式锁，利用semaphore信号量来表示库存的数量。秒杀系统的难点之二是高并发下，系统负载压力大。那么首先要让用户从redis中抢商品库存，只有抢到库存的用户才有资格下订单，另外使用RabbitMQ来实现队列泄洪,确保数据库来的及处理消息。
二、使用步骤
1.引入库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
2.读入数据
代码如下（示例）：
data = pd.read_csv(
'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())
该处使用的url网络请求的数据。
总结
提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。
