分布式-实现拍卖模型,后端用什么数据结构存储比较合适

问题描述

实现拍卖模型,后端用什么数据结构存储比较合适 5C
需求如下:
每个商品有个公示期,比方说2小时。
在公示期内用户可以拍下,这时候展示的总是最后一个拍下的人。

在公示期剩下不到10秒的时候,如果有人拍下,则公示期重新变为10秒,接着倒数。
直到最后一个人拍下10秒后没人拍,则视为胜出。

请问这个情况下后端用什么结构存储比较合适?

多机器部署,能想到的是分布式内存加线程监听,可总觉得不太合适。

解决方案

多机器,分布式,你可以用一个分布式消息队列,把最后一个人放在队列尾。

然后就是添加一个定时器,每次有人在超时前新拍了,就添加到队列中去。

时间: 2024-11-03 21:48:33

分布式-实现拍卖模型,后端用什么数据结构存储比较合适的相关文章

数据结构存储大数据内存不够

问题描述 数据结构存储大数据内存不够 给一个特别大的单词本(是那种任意字符串的,比如aa也算一个单词,aaaaaaa也算一个单词),统计其中各个单词的频次.我是这么解决的:第一层是存a~z,用的struct data{int num;data NEXT[26];}table;table.NEXT[i].num存储a~z的频次,然后每个NEXT[i]=(data)malloc(sizeof(data))构造第二层,表示aa~zz这样依次下去.但是这样特别耗内存,大概50M(远远小于单词本大小)多一

谈谈分布式事务之二:基于DTC的分布式事务管理模型[下篇]

[续上篇] 当基于LTM或者KTM的事务提升到基于DTC的分布式事务后,DTC成为了本机所有事务型资源 管理器的管理者:此外,当一个事务型操作超出了本机的范围,出现了跨机器的调用后,本机的DTC需要 于被调用者所在机器的DTC进行协助.上级对下级(包括本机DTC对本机所有资源管理器,以及上下级DTC )的管理得前提是下级在上级那里登记,即事务登记(Transaction Enlist).所有事务参与者,包括 所有资源管理器和事务管理器(即DTC)在进行了事务等级完成之后形成了一个树形的层级结构,

Express实现前端后端通信上传图片之存储数据库(mysql)傻瓜式教程(一)_javascript技巧

在前端这个坑里摸爬滚打已经一年多了,终于下定决心写下自己第一篇博客(虽然内容原创居少,算是个整合内容),开始使用express的原因是因为自己想测试接收下前端上传图片并返回,实现图片上传.后端各位大大们又都比较忙,没办法了,只能自己上了(哎,都是逼出来的). 此教程适合没有接触过node的web前端开发,快速构建自己的框架,基于express4.x. 首先安装express ,http://www.expressjs.com.cn/starter/installing.html,安装过程中一直回

求助好的数据结构存储模式算法来“极速”展开14场胜负彩全复式源码和集合运算!!!

问题描述 500元现金求助"极速"展开14场胜负彩全复式源码和集合运算源码!!!源代码可采用C#/DELPHI7/DELPHI.NET编写要提供可以运行的源码!!!如果使用到第三方插件或控件也要在源程序中给出,如果不能正确生成程序则不算!!对于牛人来说,写"极速"展开14场胜负彩全复式源码和集合运算源码是举手之劳的事情,我只需要简单实现,点击按钮1后,要求"极速"展开14场胜负彩全复式,在某个显示界面中可以看到分页显示的单式,点击按钮2可以将读入

分布式编程模型的设计与演化

分布式编程模型的背景 编程模型是指编程的方法而不是特指某一种编程语言,如面向对象的编程就是一种编程模型.编程模型大致分为两类:命令式编程和声明式编程.前者最典型的是面向过程的编程语言,如C语言:后者与前者差异较大,如常见的SQL语言就是一种典型的声明式语言.   上图是命令式和声明式语言统计文件(表)内行数的具体程序,可以看出两者存在明显的差距.在命令式编程中,会有很多细节,需要告诉程序每一步做什么,中间状态怎么维护以及如何得到最终结果:而声明式编程相对更加简洁,更加注重结果而不考虑过程.  

《实施Cisco统一通信管理器(CIPT1)》——2.4 使用分布式呼叫处理的多站点WAN部署模型

2.4 使用分布式呼叫处理的多站点WAN部署模型 实施Cisco统一通信管理器(CIPT1)如图2-3所示,多站点WAN分布式呼叫处理模型由多个独立的站点组成,每个站点都有各自的CUCM集群,它们分别连接到IP WAN,并由IP WAN来承载各个站点之间的语音流量. CUCM.应用和DSP资源也可以部署在同一个站点中.而IP WAN只负责承载站点间呼叫的信令流量:至于站点内呼叫的信令流量则只在站点内部进行本地传输.因此,相比集中式呼叫处理模型,这种部署方式减少了站点间的信令流量. 如果在分布式呼

一种分布式非结构化数据副本管理模型

一种分布式非结构化数据副本管理模型 林 菲,张万军,孙 勇 针对云存储系统中数据副本管理的延时响应等问题,提出一种面向非结构化数据的分布式副本管理模型.该模型采用机架选举算法,通过提高每个机架能源利用率的方法降低系统整体能耗,为绿色数据中心提供技术保障.运用多路线性散列算法,将数据副本动态均匀地分布到不同机架的不同节点中,以提高系统性能.平衡负载和资源利用率.仿真实验结果证明,与传统的全局映射法相比,该模型可以达到较高的存储与负载平衡,具有良好的扩展性和可用性. 关键词:分布式:非结构化:数据副

阿里巴巴分布式数据库服务DRDS研发历程

淘宝TDDL研发历史和背景 淘宝DRDS/TDDL是阿里巴巴自主研发的分布式数据库服务.DRDS脱胎于阿里巴巴开源的Cobar分布式数据库引擎,吸收了Cobar核心的Cobar-Proxy源码,实现了一套独立的类似MySQL-Proxy协议的解析端,能够对传入的SQL进行解析和处理,对应用程序屏蔽各种复杂的底层DB拓扑结构,获得单机数据库一样的使用体验,同时借鉴了淘宝TDDL丰富的分布式数据库实践经验,实现了对分布式Join支持,SUM.MAX.COUNT.AVG等聚合函数支持以及排序等函数支持

《循序渐进学Spark 》Spark 编程模型

本节书摘来自华章出版社<循序渐进学Spark >一书中的第1章,第3节,作者 小象学院 杨 磊,更多章节内容可以访问"华章计算机"公众号查看. Spark机制原理 本书前面几章分别介绍了Spark的生态系统.Spark运行模式及Spark的核心概念RDD和基本算子操作等重要基础知识.本章重点讲解Spark的主要机制原理,因为这是Spark程序得以高效执行的核心.本章先从Application.job.stage和task等层次阐述Spark的调度逻辑,并且介绍FIFO.FA