从golang从GMP模型到分布式架构：无锁化思想的高并发实践
背景
在高并发场景下，无锁化一定是最高效的，golang中gmp模型中每个p维护一个自己队列，避免锁竞争的思想真是个天才的想法。
Go语言GMP模型中，每个P维护独立的本地运行队列，从而避免全局锁竞争，这一思想极具启发性。那么，在大促等高并发场景下，我们能否借鉴这一思路来提升系统并发能力？例如，在库存扣减、用户金额扣减、商户金额增加等典型业务中，又该如何融入无锁化思想？
GMP原理与引申
GMP 本地队列： “分而治之，减少共享”。每个 P 维护一个本地 Goroutine 队列，大部分调度工作都在本地完成，只有窃取或全局操作时才需要锁。这本质上是将全局竞争拆分为多个无竞争的本地操作。
基于这个思想，我们在大促中提高并发能力的指导原则是：将“竞争”转化为“协同”或“消除”。
方案设计：大促高并发实战中的无锁化融入
在大促中，库存扣减、金额变动是典型的“热点”问题，大量请求会同时竞争同一份数据。
应用架构层 - 借鉴 GMP 分治思想
目标： 将全局流量拆分为本地流量，减少对中心存储的冲击。
实践方案：
-
数据分片（Sharding）
-
思路： 像 GMP 有多个 P 一样，将商品库存或用户账户数据分散到不同的数据库实例或表中。比如，商品 ID 取模分到 16 个数据库，一个商品的流量只会打到其中一个库，压力变为 1/16。
-
效果： 将全局竞争降级为多个局部竞争，水平扩展能力极强。
-
-
本地缓存 + 批量合并
-
思路： 这是 GMP 本地队列思想的极致体现。对于库存扣减，可以在应用层为每个商品维护一个本地库存缓存。扣减时先扣减本地内存，通过消息队列的方式通知库存扣减，比如，把库存扣减信息写kafka,消费者异步消费把库存写入数据库，实现持久化。
-
示例：
-
商品 A 总库存 1000，给 10 台服务器每台分配 100 的本地库存。
-
用户请求打到服务器 1，直接扣减其本地库存（无锁操作，因为只有本线程处理）。
-
服务器 1 的本地库存降到阈值（如 20）时，向redis缓存申请新的库存（如再要 100）。
-
数据库负责全局库存的分配和最终一致性检查。
-
-
效果： 99% 的扣减请求都在应用本地内存中完成，无任何锁竞争，性能极
-