202511软考高级论文，「秒杀」场景解决方案

软考高级有3个科目：综合知识、案例分析、论文，考试通过的及格分数为 45/75，其难点在于必须三门均通过，任何一门低于45分都意味着败北☹️

---

论文四选一：云原生数据库、系统性能测试、秒杀场景、Serverless无服务器架构。 通过社交平台上考生的反馈，绝大多数考生选择第3题「秒杀」，因为问题2相对容易回答，我也选的该题。

秒杀场景解决方案：扩容、动静分离、缓存、限流、降级。

题目中的内在要求是将解决方案应用在秒杀场景，但是在写作时我却只围绕其核心技术泛泛而谈，而没有重点区别于秒杀场景的领域特点...

扩容

一句话描述：扩容技术（弹性伸缩）是应对负载流量变化的核心手段，分为分为纵向扩容（增加配置）和横向扩容（增加服务器副本），其中横向扩容是云原生推荐的，可依赖 Kubernetes 的 HPA 实现。

扩容技术是系统应对负载增长的核心手段，通常指为了提高系统的处理能力，而采取的增加计算资源或其他资源的一系列措施，以此来提升系统的性能。一般地，扩容可分为两类：

• 纵向扩容（横向扩容）：通过升级单台服务器的硬件配置提升性能，比如把 CPU 从4核换成32核、内存从16GB升级到64GB、硬盘从磁盘更换为 SSD。
• 横向扩容（水平扩容）：通过增加服务器节点数量扩展集群规模，比如从1台服务器增加到10台，节点地位平等、协同工作。

横向扩展是云原生的核心内涵之一，通常称之为「弹性伸缩」，容器技术和容器编排工具 Kubernetes（K8s）是实现弹性伸缩的核心载体。其核心逻辑是：通过容器标准化应用部署，再由 K8s 动态感知负载变化，自动调整容器实例数量，实现按需分配资源。

K8s 支持横向扩展（HPA）和纵向扩展（VPA），前者是官方原生支持并推荐的

K8s 中，容器被封装为 Pod（最小部署单元，可包含1个或多个关联容器），弹性伸缩的本质是动态调整 Pod 的数量。HorizontalPodAutoscaler（HPA） 是 K8s 实现横向弹性伸缩的核心组件，工作流程如下：

步骤一：定义伸缩规则

弹性伸缩支持命令式和生命式 API

用户通过 YAML 配置 HPA，指定：

• 目标对象（如 Deployment 管理的 Pod 集群）；
• 触发条件（如 CPU 利用率≥70%、内存使用率≥80%、自定义指标如每秒请求数（RPS）≥1000）；
• 伸缩范围（最小副本数、最大副本数，如minReplicas: 2，maxReplicas: 10）。

示例配置（基于 CPU 和内存的 HPA）：

apiVersion: autoscaling/v2
kind: HorizontalPodAutoscaler
metadata:
  name: app-hpa
spec:
  scaleTargetRef:
    apiVersion: apps/v1
    kind: Deployment
    name: my-app  # 目标Deployment名称
  minReplicas: 2  # 最小Pod数
  maxReplicas: 10 # 最大Pod数
  metrics:
  - type: Resource
    resource:
      name: cpu
      target:
        type: Utilization
        averageUtilization: 70  # CPU利用率≥70%触发扩容
  - type: Resource
    resource:
      name: memory
      target:
        type: Utilization
        averageUtilization: 80  # 内存利用率≥80%触发扩容

步骤二：监控指标采集

K8s 通过 metrics-server（基础指标采集器）实时收集 Pod 的 CPU、内存使用率，或通过 Prometheus 等工具采集自定义指标（如请求量、队列长度），并将指标同步给 HPA。

步骤三：自动决策与执行

HPA 定期（默认 15 秒）对比当前指标与预设阈值：

• 若指标超过阈值（如 CPU 达 80%），则计算需要新增的 Pod 数量（基于 “期望副本数 = 当前副本数 × 当前指标 / 目标指标” 公式），并通知 Deployment 扩容。
• 若指标低于阈值（如 CPU 降至 30%），则按规则减少 Pod 数量（避免频繁波动，默认需满足 5 分钟稳定低负载才缩容）。
• Deployment 接到指令后，通过 ReplicaSet 创建 / 删除 Pod，K8s 的调度器（Scheduler）会将新 Pod 分配到资源充足的节点上。

动静分离

一句话描述：动静分离指的是将静态资源与动态资源分离部署，实现性能、稳定性、扩展性、安全性等全面提升。

静态资源：HTML、JavaScript、CSS、图片、字体、音频、视频等内容固定不变或更新频率极低的资源

动态资源：随用户请求、时间或业务逻辑动态生成的内容，如实时数据接口（JSON）。

典型的动静分离场景为前后端分离项目：

• 前端 Web 开发：Vue 框架，基于 Vite 构建为静态资源分发包 dist，并使用 Nginx 静态代理。
• 服务端开发：Spring 框架，基于 Maven 构建为 Jar（内置 Tomcat）

静态资源可使用 CDN+缓存+压缩实现高效分发，核心是减少传输成本。

动态资源通过缓存+集群+异步实现高效计算，核心是减少处理耗时。

在运维实现上，使用容器技术进行封装，可以很容易实现弹性伸缩。一般地，静态资源是无状态的，需要资源较少，且更容易实现回滚。

此外，图片、视频、音频等较大的静态资源，推荐使用 S3 对象存储。

缓存

缓存技术是提升系统读写性能、降低后端负载的核心手段，核心是将高频访问的数据暂存到高速存储介质中，减少对低速数据源（如数据库、磁盘）的直接访问。

缓存技术的两大依据：

• 局部性原理（时间局部性和空间局部性）：系统中大部分访问集中在少量热点数据上
• 存储介质访问速度与容量（价格）的矛盾：Cache、内存、SSD、磁盘的访问速度和价格依次递减，且与CPU的「交互距离」逐渐增大

核心目标是提升查询QPS、降低数据库压力、改善用户体验。

缓存技术一般是基于内存实现的，对比参照系是数据库磁盘访问

常见的缓存技术组件包括本地缓存 Caffeine，甚至是 HashMap，分布式缓存 Memcached、Redis。缓存的核心应用场景是多读少写，因为带来数据一致性问题。比较典型的缓存问题：

• 缓存一致性：延迟双删、基于消息队列的最终一致性
• 缓存命中：缓存击穿、缓存雪崩、缓存穿透
• 高可用：Redis 部署模式支持单机、主从、哨兵和集群，需要考虑业务场景或系统质量属性来进行技术选型。

在秒杀场景中，可以提前将相关的动态资源和静态资源加载到缓存（内存）中，如用户参与资格、活动状态、商品信息等，以减少访问数据库的磁盘IO，实现高并发与快速响应。

限流和降级

限流是通过设定阈值，限制单位时间内的请求数量或并发数，避免系统资源被耗尽，可使用令牌桶算法实现限流。例如某系统提供服务的最大并发量是1000，当超过该阈值时直接返回服务不可用，几乎不消耗系统资源。

降级是当系统出现高负载、依赖服务故障时，主动关闭非核心功能或返回兜底数据，优先保障核心功能可用。例如某流媒体网站最大并发量为1000，当并发量超过阈值时，将上传视频、特效制作等模块功能关闭，只保留视频播放、评论等核心功能以尽可能保证多数用户的正常使用。

限流类似于去下馆子吃饭排队等座，降级类似于限制餐品品类以保证出餐速度和翻台率。

参考

1. Kubernetes 文档，HPA 横向伸缩，https://kubernetes.io/zh-cn/docs/tasks/run-application/horizontal-pod-autoscale-walkthrough/