Spring?Boot?整合Redis?實現(xiàn)優(yōu)惠卷秒殺?一人一單功能
一、什么是全局唯一ID
?全局唯一ID
在分布式系統(tǒng)中,經(jīng)常需要使用全局唯一ID查找對應(yīng)的數(shù)據(jù)。產(chǎn)生這種ID需要保證系統(tǒng)全局唯一,而且要高性能以及占用相對較少的空間。
全局唯一ID在數(shù)據(jù)庫中一般會被設(shè)成主鍵,這樣為了保證數(shù)據(jù)插入時索引的快速建立,還需要保持一個有序的趨勢。
這樣全局唯一ID就需要保證這兩個需求:
- 全局唯一
- 趨勢有序
我們的場景是 優(yōu)惠卷秒殺搶購, 當(dāng)用戶搶購時,就會生成訂單 并保存到 數(shù)據(jù)庫 的訂單表中,而訂單表 如果使用數(shù)據(jù)庫自增ID就會存在以下問題
- id的規(guī)律性太明顯
- 受單表數(shù)據(jù)量限制
場景分析:如果我們的id具有太明顯的規(guī)則,用戶或者說商業(yè)對手很容易猜測出來我們的一些敏感信息,比如商城在一天時間內(nèi),賣出了多少單,這明顯不合適。
場景分析二: 隨著我們商城規(guī)模越來越大,MySQL 的單表的容量不宜超過500W,數(shù)據(jù)量過大之后,我們要進(jìn)行拆庫拆表,但拆分表了之后,他們從邏輯上講他們是同一張表,所以他們的id是不能一樣的, 于是乎我們需要保證id的唯一性。
全局ID生成器,是一種在分布式系統(tǒng)下用來生成全局唯一ID的工具,一般要滿足下列特性:

為了增加ID的安全性,我們可以不直接使用Redis自增的數(shù)值,而是拼接一些其它信息:

ID的組合為
- 符號位: 1bit,永遠(yuǎn)為0
- 時間戳: 31bit,以秒為單位可以使用69年
- 序列號: 32bit,秒內(nèi)的計數(shù)器,支持每秒產(chǎn)生
2^32個 不同ID
?Redis實現(xiàn)全局唯一ID
編寫工具類
@Component
public class RedisIdWorker {
/**
* 開始時間戳
*/
private static final long BEGIN_TIMESTAMP = 1640995200L;
/**
* 序列號的位數(shù)
*/
private static final int COUNT_BITS = 32;
private StringRedisTemplate stringRedisTemplate;
public RedisIdWorker(StringRedisTemplate stringRedisTemplate) {
this.stringRedisTemplate = stringRedisTemplate;
}
public long nextId(String keyPrefix) {
// 1.生成時間戳
LocalDateTime now = LocalDateTime.now();
long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
long timestamp = nowSecond - BEGIN_TIMESTAMP;
// 2.生成序列號
// 2.1.獲取當(dāng)前日期,精確到天
String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
// 2.2.自增長
long count = stringRedisTemplate.opsForValue().increment("icr:" + keyPrefix + ":" + date);
// 3.拼接并返回
return timestamp << COUNT_BITS | count;
}
}
測試存入Redis
@Autowired
private RedisIdWorker redisIdWorker;
private ExecutorService es = Executors.newFixedThreadPool(500);
@Test
public void testWorkerId() throws InterruptedException {
CountDownLatch latch = new CountDownLatch(300);
Runnable task = () -> {
for (int i = 0; i < 100; i++) {
long id = redisIdWorker.nextId("order");
System.out.println("id = " + id);
}
latch.countDown();
};
long begin = System.currentTimeMillis();
for (int i = 0; i < 300; i++) {
es.submit(task);
}
latch.await();
long end = System.currentTimeMillis();
System.out.println("times = " + (end- begin));
}
這里用到了 CountDownlatch,簡單的介紹一下:
CountDownLatch名為信號槍:主要的作用是同步協(xié)調(diào)在多線程的等待于喚醒問題
我們?nèi)绻麤]有CountDownLatch ,那么由于程序是異步的,當(dāng)異步程序沒有執(zhí)行完時,主線程就已經(jīng)執(zhí)行完了,然后我們期望的是分線程全部走完之后,主線程再走,所以我們此時需要使用到CountDownLatch
CountDownLatch 中有兩個最重要的方法
- countDown
- await
await 是阻塞方法,我們擔(dān)心線程沒有執(zhí)行完時,main線程就執(zhí)行,所以可以使用await就阻塞主線程, 那么什么時候main線程不在阻塞呢? 當(dāng) CountDownLatch 內(nèi)部維護(hù)的變量為0時,就不再阻塞,直接放行。
什么時候 CountDownLatch 維護(hù)的變量變?yōu)? 呢,我們只需要調(diào)用一次countDown ,內(nèi)部變量就減少1,我們讓分線程和變量綁定, 執(zhí)行完一個分線程就減少一個變量,當(dāng)分線程全部走完,CountDownLatch 維護(hù)的變量就是0,此時await就不再阻塞,統(tǒng)計出來的時間也就是所有分線程執(zhí)行完后的時間。
二、環(huán)境準(zhǔn)備
需要搭建登錄環(huán)境,基礎(chǔ)環(huán)境代碼和sql文件均已上傳 GitCode 鏈接:基礎(chǔ)環(huán)境和SQL
三、實現(xiàn)秒殺下單
添加優(yōu)惠卷
VoucherServiceImpl 核心代碼
@Service
public class VoucherServiceImpl extends ServiceImpl<VoucherMapper, Voucher> implements IVoucherService {
// 該類無代碼,直接MyBatis-Plus繼承實現(xiàn)類 即可,自動完成持久化
@Autowired
private ISeckillVoucherService seckillVoucherService;
@Override
public ResultBean<List<Voucher>> queryVoucherOfShop(Long shopId) {
// 查詢優(yōu)惠券信息
List<Voucher> vouchers = getBaseMapper().queryVoucherOfShop(shopId);
// 返回結(jié)果
return ResultBean.create(0, "success", vouchers);
}
@Override
public void addSeckillVoucher(Voucher voucher) {
// 保存優(yōu)惠券
save(voucher);
// 保存秒殺信息
SeckillVoucher seckillVoucher = new SeckillVoucher();
seckillVoucher.setVoucherId(voucher.getId());
seckillVoucher.setStock(voucher.getStock());
seckillVoucher.setBeginTime(voucher.getBeginTime());
seckillVoucher.setEndTime(voucher.getEndTime());
seckillVoucherService.save(seckillVoucher);
}
}VoucherController 接口層
@RestController
@CrossOrigin
@RequestMapping("/voucher")
public class VoucherController {
@Autowired
private IVoucherService voucherService;
/**
* 新增秒殺券
* @param voucher 優(yōu)惠券信息,包含秒殺信息
* @return 優(yōu)惠券id
*/
@PostMapping("seckill")
public ResultBean addSeckillVoucher(@RequestBody Voucher voucher) {
voucherService.addSeckillVoucher(voucher);
return Result.ok(voucher.getId());
}
}
編寫下單業(yè)務(wù)
VoucherOrderServiceImpl 優(yōu)惠卷訂單核心業(yè)務(wù)類
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Autowired
private ISeckillVoucherService seckillVoucherService;
@Autowired
private RedisIdWorker redisIdWorker;
@Override
@Transactional
public Result seckillVoucher(Long voucherId) {
//1. 查詢優(yōu)惠卷
SeckillVoucher seckillVoucher = seckillVoucherService.getById(voucherId);
//2. 判斷秒殺是否開始 開始時間大于當(dāng)前時間表示未開始搶購
if (seckillVoucher.getBeginTime().isAfter(LocalDateTime.now())) {
return Result.fail("秒殺尚未開始!");
}
//3. 判斷秒殺是否結(jié)束
if (seckillVoucher.getEndTime().isBefore(LocalDateTime.now())) {
return Result.fail("秒殺已經(jīng)結(jié)束!");
}
//4. 判斷庫存是否充足
if (seckillVoucher.getStock() < 1) {
return Result.fail("庫存不足!");
}
Long userId = UserHolder.getUser().getId();
//5. 查詢訂單
//5.1 查詢訂單
int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
//5.2 判斷并返回
if (count > 0) {
return Result.fail("用戶已經(jīng)購買過!");
}
//6. 扣減庫存
boolean success = seckillVoucherService.update().setSql("stock = stock -1")
.eq("voucher_id", voucherId).update();
if (!success) {
return Result.fail("庫存不足!");
}
//7. 創(chuàng)建訂單
VoucherOrder voucherOrder = new VoucherOrder();
long orderId = redisIdWorker.nextId("order");
voucherOrder.setId(orderId);
voucherOrder.setUserId(userId);
voucherOrder.setVoucherId(voucherId);
save(voucherOrder);
//8. 返回訂單id
return Result.ok(orderId);
}
}
VoucherOrderController 接口層
@RestController
@CrossOrigin
@RequestMapping("/voucher_order")
public class VoucherOrderController {
@Autowired
private IVoucherOrderService voucherOrderService;
@PostMapping("seckill/{id}")
public Result seckillVoucher(@PathVariable("id") Long voucherId) {
return voucherOrderService.seckillVoucher(voucherId);
}
}測試搶購秒殺優(yōu)惠卷
ApiFox 新增以下接口
添加秒殺卷

測試返回成功即可。
搶購秒殺優(yōu)惠卷接口

測試無誤,搶購成功!
四、庫存超賣問題
?問題分析
有關(guān)超賣問題分析:在我們原有代碼中是這么寫的
if (voucher.getStock() < 1) {
// 庫存不足
return Result.fail("庫存不足!");
}
//5,扣減庫存
boolean success = seckillVoucherService.update()
.setSql("stock= stock -1")
.eq("voucher_id", voucherId).update();
if (!success) {
//扣減庫存
return Result.fail("庫存不足!");
}
假設(shè)線程1過來查詢庫存,判斷出來庫存大于1,正準(zhǔn)備去扣減庫存,但是還沒有來得及去扣減,此時線程2過來,線程2也去查詢庫存,發(fā)現(xiàn)這個數(shù)量一定也大于1,那么這兩個線程都會去扣減庫存,最終多個線程相當(dāng)于一起去扣減庫存,此時就會出現(xiàn)庫存的超賣問題。

超賣問題是典型的多線程安全問題, 這種情況下常見的解決方案就是 加 鎖:而對于加鎖,我們通常有兩種解決方案:

悲觀鎖:
悲觀鎖可以實現(xiàn)對于數(shù)據(jù)的串行化執(zhí)行,比如syn,和lock都是悲觀鎖的代表,同時,悲觀鎖中又可以再細(xì)分為公平鎖,非公平鎖,可重入鎖,等等
樂觀鎖:
會有一個版本號,每次操作數(shù)據(jù)會對版本號+1,再提交回數(shù)據(jù)時,會去校驗是否比之前的版本大1 ,如果大1 ,則進(jìn)行操作成功,這套機(jī)制的核心邏輯在于,**如果在操作過程中,版本號只比原來大1 ,那么就意味著操作過程中沒有人對他進(jìn)行過修改,他的操作就是安全的,**如果不大1,則數(shù)據(jù)被修改過,當(dāng)然樂觀鎖還有一些變種的處理方式比如cas
樂觀鎖的典型代表:就是CAS,利用CAS進(jìn)行無鎖化機(jī)制加鎖,varNum是操作前讀取的內(nèi)存值,while中的var1+var2 是預(yù)估值,如果預(yù)估值 == 內(nèi)存值,則代表中間沒有被人修改過,此時就將新值去替換 內(nèi)存值
其中do while 是為了在操作失敗時,再次進(jìn)行自旋操作,即把之前的邏輯再操作一次。
int varNum;
do {
varNum = this.getIntVolatile(var1, var2);
} while(!this.compareAndSwapInt(var1, var2, var5, var5 + var4));
return var5;
我們采用的方式為:
在操作時,對版本號進(jìn)行+1 操作,然后要求version 如果是1 的情況下,才能操作,那么第一個線程在操作后,數(shù)據(jù)庫中的version變成了2,但是他自己滿足version=1 ,所以沒有問題,此時線程2執(zhí)行,線程2 最后也需要加上條件version =1 ,但是現(xiàn)在由于線程1已經(jīng)操作過了,所以線程2,操作時就不滿足version=1 的條件了,所以線程2無法執(zhí)行成功

? 樂觀鎖解決庫存超賣
加入以下代碼解決超賣問題
之前的方式要修改前后都保持一致,但是這樣我們分析過,成功的概率太低,所以我們的樂觀鎖需要變一下,改成stock大于0 即可
boolean success = seckillVoucherService.update()
.setSql("stock= stock -1")
.eq("voucher_id", voucherId).update().gt("stock",0); //where id = ? and stock > 0
知識拓展
針對CAS中的自旋壓力過大,我們可以使用Longaddr這個類去解決
Java8 提供的一個對AtomicLong改進(jìn)后的一個類,LongAdder
大量線程并發(fā)更新一個原子性的時候,天然的問題就是自旋,會導(dǎo)致并發(fā)性問題,當(dāng)然這也比我們直接使用syn來的好
所以利用這么一個類,LongAdder來進(jìn)行優(yōu)化
如果獲取某個值,則會對cell和base的值進(jìn)行遞增,最后返回一個完整的值

以上的解決方式,依然有些問題,下面使用Jmeter進(jìn)行測試
?Jmeter 測試
添加線程組

添加JSON斷言,我們認(rèn)為返回結(jié)果為false的就是請求失敗
在線程組右擊選擇斷言 --> JSON 斷言

加入以下判斷

判斷success字段,值是否為true,是true就是返回成功~ 反之失敗
查看結(jié)果樹、HTTP信息請求頭、匯總報告、聚合報告等均在http請求右擊添加即可
啟動,查看返回的結(jié)果

查看聚合報告

異常率這么高,再來看數(shù)據(jù)庫

數(shù)量正確,我們再看訂單表

id都一樣,這可不行啊,我們真實場景下,發(fā)放優(yōu)惠卷不會讓一個用戶去搶購所有的訂單秒殺優(yōu)惠卷,這樣商家就太虧了,全讓黃牛給搶走了,這可不行,我們需要限制用戶的搶購數(shù)量。
五、優(yōu)惠卷秒殺 實現(xiàn)一人一單
初步實現(xiàn)
int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
if (count > 0) {
return Result.fail("用戶已經(jīng)購買過!");
}
存在問題:現(xiàn)在的問題還是和之前一樣,并發(fā)過來,查詢數(shù)據(jù)庫,都不存在訂單,所以我們還是需要加鎖,但是樂觀鎖比較適合更新數(shù)據(jù),而現(xiàn)在是插入數(shù)據(jù),所以我們需要使用悲觀鎖操作
注意:在這里提到了非常多的問題,我們需要慢慢的來思考,首先我們的初始方案是封裝了一個createVoucherOrder方法,同時為了確保他線程安全,在方法上添加了一把synchronized 鎖
加上悲觀鎖
@Override
public Result seckillVoucher(Long voucherId) {
//1. 查詢優(yōu)惠卷
SeckillVoucher seckillVoucher = seckillVoucherService.getById(voucherId);
//2. 判斷秒殺是否開始 開始時間大于當(dāng)前時間表示未開始搶購
if (seckillVoucher.getBeginTime().isAfter(LocalDateTime.now())) {
return Result.fail("秒殺尚未開始!");
}
//3. 判斷秒殺是否結(jié)束
if (seckillVoucher.getEndTime().isBefore(LocalDateTime.now())) {
return Result.fail("秒殺已經(jīng)結(jié)束!");
}
//4. 判斷庫存是否充足
if (seckillVoucher.getStock() < 1) {
return Result.fail("庫存不足!");
}
Long userId = UserHolder.getUser().getId();
synchronized (userId.toString().intern()) {
IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
return proxy.createVoucherOrder(voucherId, userId);
}
}
@Transactional
@Override
public Result createVoucherOrder(Long voucherId, Long userId) {
//5. 查詢訂單
//5.1 查詢訂單
int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
//5.2 判斷并返回
if (count > 0) {
return Result.fail("用戶已經(jīng)購買過!");
}
//6. 扣減庫存
boolean success = seckillVoucherService.update().setSql("stock = stock -1")
.eq("voucher_id", voucherId).gt("stock", 0).
update();
if (!success) {
return Result.fail("庫存不足!");
}
//7. 創(chuàng)建訂單
VoucherOrder voucherOrder = new VoucherOrder();
long orderId = redisIdWorker.nextId("order");
voucherOrder.setId(orderId);
voucherOrder.setUserId(userId);
voucherOrder.setVoucherId(voucherId);
save(voucherOrder);
//8. 返回訂單id
return Result.ok(orderId);
}
在啟動類加入以下注解,啟動AspectJ
@EnableAspectJAutoProxy(exposeProxy = true)
以上代碼,采用悲觀鎖解決了高并發(fā)下,一人多單的場景,同時,也解決了事務(wù)失效。引入了AspectJ解決!
Jmeter 測試
再次測試,查看結(jié)果

可見返回的結(jié)果異常率如此高,再看請求信息

可見已經(jīng)成功的攔截了錯誤請求,JSON斷言正確。
查看數(shù)據(jù)庫 信息

優(yōu)惠卷數(shù)量

可見成功的完成了 在高并發(fā)請求下 的一人一單功能。
?小結(jié)
以上就是【Bug 終結(jié)者】對 微服務(wù)Spring Boot 整合Redis 實現(xiàn)優(yōu)惠卷秒殺 一人一單 的簡單介紹,在分布式系統(tǒng)下,高并發(fā)的場景下,會出現(xiàn)此類庫存超賣問題,本篇文章介紹了采用樂觀鎖來解決,但是依然是有弊端,下章節(jié),我們將繼續(xù)進(jìn)行優(yōu)化,持續(xù)關(guān)注!
到此這篇關(guān)于Spring Boot 整合Redis 實現(xiàn)優(yōu)惠卷秒殺 一人一單的文章就介紹到這了,更多相關(guān)Spring Boot 整合Redis 優(yōu)惠卷秒殺內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Redis整合SpringBoot的RedisTemplate實現(xiàn)類(實例詳解)
這篇文章主要介紹了Redis整合SpringBoot的RedisTemplate實現(xiàn)類,本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2021-01-01
Redis中LRU算法和LFU算法的區(qū)別小結(jié)
在Redis中,LRU算法和LFU算法是兩種常用的緩存淘汰算法,它們可以幫助我們優(yōu)化緩存性能,本文主要介紹了Redis中LRU算法和LFU算法的區(qū)別,感興趣的可以了解一下2023-12-12

