微服务 Spring Boot 整合Redis 实现优惠卷秒杀 一人一单

CSDN话题挑战赛第2期
参赛话题：Java技术分享

文章目录

• 一、什么是全局唯一ID
  *
• ⛅全局唯一ID
• ⚡Redis实现全局唯一ID
• 二、环境准备
• 三、实现秒杀下单
• 四、库存超卖问题
  *
• ⏳问题分析
• ⌚ 乐观锁解决库存超卖
• ✅Jmeter 测试
• 五、优惠卷秒杀 实现一人一单
• ⛵小结

一、什么是全局唯一ID

⛅全局唯一ID

在分布式系统中，经常需要使用 全局唯一ID查找对应的数据。产生这种ID需要保证系统全局唯一，而且要高性能以及占用相对较少的空间。

全局唯一ID在数据库中一般会被设成 主键，这样为了保证数据插入时索引的快速建立，还需要保持一个有序的趋势。

这样全局唯一ID就需要保证这两个需求：

• 全局唯一
• 趋势有序

我们的场景是 优惠卷秒杀抢购， 当用户抢购时，就会生成订单 并保存到 数据库 的订单表中，而订单表 如果使用数据库自增ID就会存在以下问题

• id的规律性太明显
• 受单表数据量限制

场景分析： 如果我们的id具有太明显的规则， 用户或者说商业对手很容易猜测出来我们的一些敏感信息 ，比如 商城在一天时间内，卖出了多少单，这明显不合适。

场景分析二： 随着我们商城规模越来越大， MySQL 的单表的容量不宜超过500W，数据量过大之后，我们要 进行拆库拆表，但拆分表了之后，他们从 逻辑上讲他们是同一张表，所以他们的id是不能一样的， 于是乎我们需要保证id的唯一性。

全局ID生成器，是一种在分布式系统下用来生成全局唯一ID的工具，一般要满足下列特性：

为了 增加ID的安全性，我们可以不直接使用Redis自增的数值，而是拼接一些其它信息：

ID的组合为

• 符号位： 1bit，永远为0
• 时间戳： 31bit，以秒为单位可以使用69年
• 序列号： 32bit，秒内的计数器，支持每秒产生 2^32 个 不同ID

; ⚡Redis实现全局唯一ID

编写工具类

@Component
public class RedisIdWorker {

    private static final long BEGIN_TIMESTAMP = 1640995200L;

    private static final int COUNT_BITS = 32;

    private StringRedisTemplate stringRedisTemplate;

    public RedisIdWorker(StringRedisTemplate stringRedisTemplate) {
        this.stringRedisTemplate = stringRedisTemplate;
    }

    public long nextId(String keyPrefix) {

        LocalDateTime now = LocalDateTime.now();
        long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
        long timestamp = nowSecond - BEGIN_TIMESTAMP;

        String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));

        long count = stringRedisTemplate.opsForValue().increment("icr:" + keyPrefix + ":" + date);

        return timestamp << COUNT_BITS | count;
    }
}

测试存入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));

}

这里用到了 CountDownlatch，简单的介绍一下：

CountDownLatch名为信号枪：主要的作用是 同步协调在多线程的等待于唤醒问题

我们如果没有CountDownLatch ，那么由于程序是异步的，当异步程序没有执行完时，主线程就已经执行完了，然后我们期望的是分线程全部走完之后，主线程再走，所以我们此时需要使用到CountDownLatch

CountDownLatch 中有两个最重要的方法

• countDown
• await

await 是阻塞方法， 我们担心线程没有执行完时，main线程就执行，所以可以 使用await就阻塞主线程， 那么什么时候main线程不在阻塞呢？ 当 CountDownLatch 内部维护的变量为0时，就不再阻塞，直接放行。

什么时候 CountDownLatch 维护的变量变为0 呢，我们只需要调用一次countDown ，内部变量就减少1，我们让分线程和变量绑定， 执行完一个分线程就减少一个变量，当分线程全部走完，CountDownLatch 维护的变量就是0，此时await就不再阻塞，统计出来的时间也就是所有分线程执行完后的时间。

二、环境准备

需要搭建登录环境， 基础环境代码和sql文件 均已上传 GitCode 链接：基础环境和SQL

三、实现秒杀下单

添加优惠卷

VoucherServiceImpl 核心代码

@Service
public class VoucherServiceImpl extends ServiceImpl<VoucherMapper, Voucher> implements IVoucherService {

    @Autowired
    private ISeckillVoucherService seckillVoucherService;

    @Override
    public ResultBean<List<Voucher>> queryVoucherOfShop(Long shopId) {

        List<Voucher> vouchers = getBaseMapper().queryVoucherOfShop(shopId);

        return ResultBean.create(0, "success", vouchers);
    }

    @Override
    public void addSeckillVoucher(Voucher voucher) {

        save(voucher);

        SeckillVoucher seckillVoucher = new SeckillVoucher();
        seckillVoucher.setVoucherId(voucher.getId());
        seckillVoucher.setStock(voucher.getStock());
        seckillVoucher.setBeginTime(voucher.getBeginTime());
        seckillVoucher.setEndTime(voucher.getEndTime());
        seckillVoucherService.save(seckillVoucher);
    }
}

VoucherController 接口层

@RestController
@CrossOrigin
@RequestMapping("/voucher")
public class VoucherController {

    @Autowired
    private IVoucherService voucherService;

    @PostMapping("seckill")
    public ResultBean addSeckillVoucher(@RequestBody Voucher voucher) {
        voucherService.addSeckillVoucher(voucher);
        return Result.ok(voucher.getId());
    }
}

编写下单业务

VoucherOrderServiceImpl 优惠卷订单核心业务类

@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) {

        SeckillVoucher seckillVoucher = seckillVoucherService.getById(voucherId);

        if (seckillVoucher.getBeginTime().isAfter(LocalDateTime.now())) {
            return Result.fail("秒杀尚未开始！");
        }

        if (seckillVoucher.getEndTime().isBefore(LocalDateTime.now())) {
            return Result.fail("秒杀已经结束！");
        }

        if (seckillVoucher.getStock() < 1) {
            return Result.fail("库存不足！");
        }

        Long userId = UserHolder.getUser().getId();

        int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();

        if (count > 0) {
            return Result.fail("用户已经购买过！");
        }

        boolean success = seckillVoucherService.update().setSql("stock = stock -1")
                .eq("voucher_id", voucherId).update();
        if (!success) {
            return Result.fail("库存不足！");
        }

        VoucherOrder voucherOrder = new VoucherOrder();
        long orderId = redisIdWorker.nextId("order");
        voucherOrder.setId(orderId);
        voucherOrder.setUserId(userId);
        voucherOrder.setVoucherId(voucherId);
        save(voucherOrder);

        return Result.ok(orderId);
    }
}

VoucherOrderController 接口层

@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);
    }
}

测试抢购秒杀优惠卷

ApiFox 新增以下接口

添加秒杀卷

测试返回成功即可。

抢购秒杀优惠卷接口

测试无误，抢购成功！

四、库存超卖问题

⏳问题分析

有关超卖问题分析：在我们原有代码中是这么写的

 if (voucher.getStock() < 1) {

        return Result.fail("库存不足！");
    }

    boolean success = seckillVoucherService.update()
            .setSql("stock= stock -1")
            .eq("voucher_id", voucherId).update();
    if (!success) {

        return Result.fail("库存不足！");
    }

假设线程1过来查询库存，判断出来库存大于1，正准备去扣减库存，但是还没有来得及去扣减，此时线程2过来，线程2也去查询库存，发现这个数量一定也大于1，那么这两个线程都会去扣减库存，最终多个线程相当于一起去扣减库存，此时就会出现库存的超卖问题。

超卖问题是典型的多线程安全问题， 这种情况下 常见的解决方案就是 加 锁：而对于加锁，我们 通常有两种解决方案：

悲观锁：

悲观锁 可以实现对于数据的串行化执行，比如syn，和lock都是悲观锁的代表，同时， 悲观锁中又可以再细分为公平锁，非公平锁，可重入锁，等等

乐观锁：

会有一个版本号，每次操作数据会对版本号+1，再提交回数据时，会去校验是否比之前的版本大1 ，如果大1 ，则进行操作成功，这套机制的核心逻辑在于，如果在操作过程中，版本号只比原来大1 ，那么就意味着操作过程中没有人对他进行过修改，他的操作就是安全的，如果不大1，则数据被修改过，当然乐观锁还有一些变种的处理方式比如cas

乐观锁的典型代表：就是 CAS，利用CAS 进行无锁化机制加锁，varNum是操作前读取的内存值，while中的var1+var2 是预估值，如果预估值 == 内存值，则代表中间没有被人修改过，此时就将新值去替换 内存值

其中do while 是为了在操作失败时，再次进行自旋操作，即把之前的逻辑再操作一次。

int varNum;
do {
    varNum = this.getIntVolatile(var1, var2);
} while(!this.compareAndSwapInt(var1, var2, var5, var5 + var4));

return var5;

我们 采用的方式为：

在操作时， 对版本号进行+1 操作，然后要求version 如果是1 的情况下，才能操作，那么第一个线程在操作后，数据库中的version变成了2，但是他自己满足version=1 ，所以没有问题，此时线程2执行， 线程2 最后也需要加上条件version =1 ，但是现在由于线程1已经操作过了，所以线程2，操作时就不满足version=1 的条件了，所以线程2无法执行成功

⌚ 乐观锁解决库存超卖

加入以下代码解决超卖问题

之前的方式要修改前后都保持一致，但是这样我们分析过，成功的概率太低，所以我们的乐观锁需要变一下，改成stock大于0 即可

boolean success = seckillVoucherService.update()
            .setSql("stock= stock -1")
            .eq("voucher_id", voucherId).update().gt("stock",0);

知识拓展

针对 CAS中的自旋压力过大，我们可以使用Longaddr这个类去解决

Java8 提供的一个对AtomicLong改进后的一个类，LongAdder

大量线程并发更新一个原子性的时候，天然的问题就是自旋，会导致并发性问题，当然这也比我们直接使用syn来的好

所以利用这么一个类，LongAdder来进行优化

如果获取某个值， 则会对cell和base的值进行递增，最后返回一个完整的值

以上的解决方式，依然有些问题，下面使用Jmeter进行测试

✅Jmeter 测试

添加线程组

添加JSON断言，我们认为返回结果为false的就是请求失败

在线程组右击选择断言 –> JSON 断言

加入以下判断

判断success字段，值是否为true，是true就是返回成功~ 反之失败

查看结果树、HTTP信息请求头、汇总报告、聚合报告等均在http请求右击添加即可

启动，查看返回的结果

查看聚合报告

异常率这么高，再来看数据库

数量正确，我们再看订单表

id都一样，这可不行啊，我们 真实场景下，发放优惠卷不会让一个用户去抢购所有的订单秒杀优惠卷，这样商家就太亏了，全让黄牛给抢走了，这可不行，我们 需要限制用户的抢购数量。

; 五、优惠卷秒杀 实现一人一单

初步实现

int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
if (count > 0) {
    return Result.fail("用户已经购买过！");
}

存在问题：现在的问题还是和之前一样，并发过来，查询数据库，都不存在订单，所以我们还是需要加锁，但是乐观锁比较适合更新数据，而现在是插入数据，所以我们需要使用悲观锁操作

注意：在这里提到了非常多的问题，我们需要慢慢的来思考，首先我们的初始方案是封装了一个createVoucherOrder方法，同时为了确保他线程安全，在方法上添加了一把synchronized 锁

加上悲观锁

@Override
    public Result seckillVoucher(Long voucherId) {

        SeckillVoucher seckillVoucher = seckillVoucherService.getById(voucherId);

        if (seckillVoucher.getBeginTime().isAfter(LocalDateTime.now())) {
            return Result.fail("秒杀尚未开始！");
        }

        if (seckillVoucher.getEndTime().isBefore(LocalDateTime.now())) {
            return Result.fail("秒杀已经结束！");
        }

        if (seckillVoucher.getStock() < 1) {
            return Result.fail("库存不足！");
        }

        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) {

        int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();

        if (count > 0) {
            return Result.fail("用户已经购买过！");
        }

        boolean success = seckillVoucherService.update().setSql("stock = stock -1")
                .eq("voucher_id", voucherId).gt("stock", 0).

                update();
        if (!success) {
            return Result.fail("库存不足！");
        }

        VoucherOrder voucherOrder = new VoucherOrder();
        long orderId = redisIdWorker.nextId("order");
        voucherOrder.setId(orderId);
        voucherOrder.setUserId(userId);
        voucherOrder.setVoucherId(voucherId);
        save(voucherOrder);

        return Result.ok(orderId);
    }

在启动类加入以下注解，启动AspectJ

@EnableAspectJAutoProxy(exposeProxy = true)

以上代码，采用悲观锁解决了高并发下，一人多单的场景，同时，也解决了事务失效。引入了AspectJ解决！

Jmeter 测试

再次测试，查看结果

可见返回的结果异常率如此高，再看请求信息

可见已经成功的拦截了错误请求，JSON断言正确。

查看数据库 信息

优惠卷数量

可见成功的完成了 在高并发请求下 的一人一单功能。

⛵小结

以上就是【 Bug 终结者】对 微服务Spring Boot 整合Redis 实现优惠卷秒杀 一人一单 的简单介绍， 在分布式系统下，高并发的场景下，会出现此类库存超卖问题，本篇文章介绍了采用乐观锁来解决，但是依然是有弊端，下章节，我们将继续进行优化，持续关注！

如果这篇【文章】有帮助到你，希望可以给【 Bug 终结者】点个赞👍，创作不易，如果有对【 后端技术】、【 前端领域】感兴趣的小可爱，也欢迎关注❤️❤️❤️ 【 Bug 终结者】❤️❤️❤️，我将会给你带来巨大的【收获与惊喜】💝💝💝！

Original: https://blog.csdn.net/weixin_45526437/article/details/126926185
Author: Bug 终结者
Title: 微服务 Spring Boot 整合Redis 实现优惠卷秒杀 一人一单