抢优惠券活动使用redis分布式锁和mysql乐观锁 redis分布式锁优化

忘是亡心i 2024-05-23 22:23 58阅读 0赞

## **抢优惠券活动使用redis分布式锁和mysql乐观锁 redis分布式锁优化** ##

### 前言 ###

*  随着互联网的快速发展，商品秒杀的场景我们并不少见；秒杀是一种供不应求的，高并发的场景，它里面包含了很多技术点，掌握了其中的技术点，虽不一定能让你面试立马成功，但那也必是一个闪耀的点！
 *  假设我们现在有一个商城系统，里面上线了一个商品秒杀的模块，那么这个模块我们要怎么设计呢？
 *  秒杀模块又会有哪些不同的需求呢？

### 全局唯一 ID ###

*  商品秒杀本质上其实还是商品购买，所以我们需要准备一张订单表来记录对应的秒杀订单。
 *  这里就涉及到了一个订单 id 的问题了，我们是否可以像其他表一样使用数据库自身的自增 id 呢？
 *  数据库自增 id 的缺点
 *  订单表如果使用数据库自增 id ，则会存在一些问题：
 *  id 的规律太明显了 因为我们的订单 id 是需要回显给用户查看的，如果是 id 规律太明显的话，会暴露一些信息，比如第一天下单的 id = 10 ， 第二天下单的 id = 11，这就说明这两单之间根本没有其他用户下单
 *  受单表数据量的限制 在高并发场景下，产生上百万个订单都是有可能的，而我们都知道 MySQL 的单张表根本不可能容纳这么多数据（性能等原因的限制）；如果是将单表拆成多表，还是用数据库自增 id 的话，就存在了订单 id 重复的情况了，很显然这是业务不允许的。
 *  基于以上两个问题，我们可以知道订单表的 id 需要是一个全局唯一的 ID，而且还不能存在明显的规律。

### 全局 ID 生成器 ###

*  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：
 *  这里我们思考一下是否可以用 Redis 中的自增计数来作为全局 id 生成器呢？
 *  能不能主要是看它是否满足上述 5 个条件：
    
     *  唯一性，每个订单都是来 Redis 这里生成订单 id 的，所以唯一性可以保证
     *  高可用，Redis 可以由主从、集群等模式保证可用性
     *  高性能，Redis 是基于内存的，本来就是以性能自称的
     *  递增性，increment 本来就是递增的
     *  安全性。。。这个就麻烦了点了，因为 Redis 的 increment 也是递增的，规律太明显了。。。
 *  综上，Redis 的 increment 并不能满足安全性，所以我们不能单纯使用它来做全局 id 生成器。
 *  我们可以使用它，再和其他东西拼接起来~
 *  ![在这里插入图片描述][aee5d21c7a5d455b8b2b6488f624945a.png]
 *  ID的组成部分：
 *  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
 *  上面的时间戳就是用来增加复杂性的
 *      public class RedisIdWorker {
            /**
             * 开始时间戳
             */
            private static final long BEGIN_TIMESTAMP = 1640995200L;
            /**
             * 序列号的位数
             */
            private static final int COUNT_BITS = 32;
        
            private StringRedisTemplate stringRedisTemplate;
        
            public RedisIdWorker(StringRedisTemplate stringRedisTemplate) {
                this.stringRedisTemplate = stringRedisTemplate;
            }
        
            public long nextId(String keyPrefix) {
                // 1.生成时间戳
                LocalDateTime now = LocalDateTime.now();
                long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
                long timestamp = nowSecond - BEGIN_TIMESTAMP;
        
                // 2.生成序列号
                // 2.1.获取当前日期，精确到天
                String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
                // 2.2.自增长
                // 每天一个key
                long count = stringRedisTemplate.opsForValue()
                                                .increment("icr:" + keyPrefix + ":" + date);
        
                // 3.拼接并返回
                return timestamp << COUNT_BITS | count;
            }
        }

### 超卖问题的产生 ###

#### 解决方案 ####

*  超卖问题是典型的多线程安全问题，针对这一问题的常见解决方案就是加锁：
 *  锁有两种：
 *  一，悲观锁： 认为线程安全问题一定会发生，因此在操作数据之前先获取锁，确保线程串行执行。例如Synchronized、Lock都属于悲观锁；
 *  二，乐观锁： 认为线程安全问题不一定会发生，因此不加锁，只是在更新数据时去判断有没有其它线程对数据做了修改。
 *  如果没有修改则认为是安全的，自己才更新数据。 如果已经被其它线程修改说明发生了安全问题，此时可以重试或异常。

#### 乐观锁的两种实现 ####

*  下面介绍乐观锁的两种实现：
 *  第一种，添加版本号：
 *  每扣减一次就更改一下版本号，每次进行扣减之前需要查询一下版本号，只有在扣减时的版本号和之前的版本号相同时，才进行扣减。
 *  第二种，CAS法
 *  因为每扣减一次，库存量都会发生改变的，所以我们完全可以用库存量来做标志，标志当前库存量是否被其他线程更改过（在这种情况下，库存量的功能和版本号类似）
 *  下面给出 CAS 法扣除库存时，针对超卖问题的解决方案：
 *  因为每扣减一次，库存量都会发生改变的，所以我们完全可以用库存量来做标志，标志当前库存量是否被其他线程更改过（在这种情况下，库存量的功能和版本号类似）
 *  下面给出 CAS 法扣除库存时，针对超卖问题的解决方案：
 *      // 扣减库存
           boolean success = seckillVoucherService.update()
                            .setSql("stock = stock - 1") // set stock = stock - 1
                            .eq("voucher_id", voucherId).gt("stock", 0) // where id = ? and stock > 0
                            .update();
 *  请注意上述的 CAS 判断有所优化了的，并不是判断刚查询的库存和扣除时的库存是否相等，而是判断当前库存是否大于 0。
 *  因为 判断刚查询的库存和扣除时的库存是否相等会出现问题：假如多个线程都判断到不相等了，那它们都停止了扣减，这时候就会出现没办法买完了。
 *  而 判断当前库存是否大于 0，则可以很好地解决上述问题！

#### 一人一单的需求 ####

*  一般来说秒杀的商品都是优惠力度很大的，所以可能存在一种需求——平台只允许一个用户购买一个商品。
 *  对于秒杀场景下的这种需求，我们应该怎么去设计呢？
 *  很明显，我们需要在执行扣除库存的操作之前，先去查查数据库是否已经有了该用户的订单了；如果有了，说明该用户已经下单过了，不能再购买；如果没有，则执行扣除操作并生成订单。
 *      // 查询订单
        int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
        // 判断是否存在
        if (count > 0) {
            // 用户已经购买过了
            return Result.fail("用户已经购买过一次！");
        }
        
        // 扣减库存
        boolean success = seckillVoucherService.update()
                .setSql("stock = stock - 1") // set stock = stock - 1
                .eq("voucher_id", voucherId).gt("stock", 0) // where id = ? and stock > 0
                .update();
 *  并发安全问题
 *  因为上述的实现是分成两步的：
 *  判断当前用户在数据库中并没有订单
 *  执行扣除操作，并生成订单
 *  也正因为是分成了两步，所以才引发了线程安全问题： 可以是同一个用户的多个请求线程都同时判断没有订单，后续则大家都执行了扣除操作。
 *  要解决这个问题，也很简单，只要让这两步串行执行即可，也就是加锁！
 *  在方法头上加 synchronized
 *  很显然这种会锁住整个方法，锁的范围太大了，而且会对所有请求线程作出限制；而我们的需求只是同一个用户的请求线程串行就可以了；显然有些大材小用了~
 *      @Transactional
        public synchronized Result createVoucherOrder(Long voucherId) {
            // 一人一单
            Long userId = UserHolder.getUser().getId
             // 查询订单
             int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
             // 判断是否存在
             if (count > 0) {
                 // 用户已经购买过了
                 return Result.fail("用户已经购买过一次！");
           
             // 扣减库存
             boolean success = seckillVoucherService.update()
                     .setSql("stock = stock - 1") // set stock = stock - 1
                     .eq("voucher_id", voucherId).gt("stock", 0) // where id = ? and stock > 0
                     .update();
             if (!success) {
                 // 扣减失败
                 return Result.fail("库存不足！");
           
             // 创建订单
             VoucherOrder voucherOrder = new VoucherOrder();
             .....
             return Result.ok(orderId);
        }
 *  锁住同一用户 id 的 String 对象
 *      @Transactional
        public Result createVoucherOrder(Long voucherId) {
            // 一人一单
            Long userId = UserHolder.getUser().getId
            
            // 锁住同一用户 id 的 String 对象
            synchronized (userId.toString().intern()) {
                // 查询订单
                int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
                // 判断是否存在
                ......
                    
                // 扣减库存
                ......
            
                // 创建订单
                ......
             }
             return Result.ok(orderId);
        }
 *  上述方法开启了事务，但是synchronized (userId.toString().intern())锁住的却不是整个方法（先释放锁，再提交事务，写入订单），那就存在一个问题——假如一个线程的事务还没提交（也就是还没写入订单），这时候其他线程来了却可以获得锁，它判断数据库中订单为0 ，又可以再次创建订单。。。。
 *  为了解决这个问题，我们需要先提交事务，再释放锁：
 *      // 锁住同一用户 id 的 String 对象
         synchronized (userId.toString().intern()) {
             ......
            createVoucherOrder(voucherId);
             ......
         }
        
        @Transactional
        public Result createVoucherOrder(Long voucherId) {
            // 一人一单
            Long userId = UserHolder.getUser().getId
            
           
                // 查询订单
                int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
                // 判断是否存在
                ......
                    
                // 扣减库存
                ......
            
                // 创建订单
                ......
             
             return Result.ok(orderId);
        }

#### 集群模式下的并发安全问题 ####

*  刚刚讨论的那些都默认是单机结点的，可是现在如果放在了集群模式下的话就会出现一下问题。
 *  刚刚的加锁已经解决了单机节点下的线程安全问题，但是却不能解决集群下多节点的线程安全问题：
 *  因为 synchronized 锁的是对应 JVM 内的锁监视器，可是不同的结点有不同的 JVM，不同的 JVM 又有不同的锁监视器，所以刚刚的设计在集群模式下锁住的其实还是不同的对象，即无法解决线程安全问题。
 *  知道问题产生的原因，我们应该很快就想到了解决办法了：
 *  既然是因为集群导致了锁不同，那我们就重新设计一下，让他们都使用同一把锁即可！

### 分布式锁 ###

*  分布式锁：满足分布式系统或集群模式下多进程可见并且互斥的锁。
 *  ![在这里插入图片描述][d2c55bbf8e084f18b589b80e58e82384.png]

#### 分布式锁的实现 ####

*  分布式锁的核心是实现多进程之间互斥，而满足这一点的方式有很多，常见的有三种：
 *  ![在这里插入图片描述][1427fe96d9894cf49341327fa7784a57.png]

#### 基于 Redis 的分布式锁 ####

*  用 Redis 实现分布式锁，主要应用到的是 SETNX key value命令（如果不存在，则设置）
 *  主要要实现两个功能：
 *  获取锁（设置一个 key）
 *  释放锁 （删除 key）
 *  基本思想是执行了 SETNX命令的线程获得锁，在完成操作后，需要删除 key，释放锁。
 *  **加锁：**
 *      @Override
        public boolean tryLock(long timeoutSec) {
            // 获取线程标示
            String threadId = ID_PREFIX + Thread.currentThread().getId();
            // 获取锁
            Boolean success = stringRedisTemplate.opsForValue()
                    .setIfAbsent(KEY_PREFIX + name, threadId, timeoutSec, TimeUnit.SECONDS);
            return Boolean.TRUE.equals(success);
        }
 *  释放锁：
 *      @Override
        public void unlock() {
            // 获取线程标示
            String threadId = ID_PREFIX + Thread.currentThread().getId();
            // 获取锁中的标示
            String id = stringRedisTemplate.opsForValue().get(KEY_PREFIX + name);
            // 释放锁
            stringRedisTemplate.delete(KEY_PREFIX + name);
        }
 *  可是这里会存在一个隐患——假设该线程发生阻塞（或者其他问题），一直不释放锁（删除 key）这可怎么办？
 *  为了解决这个问题，我们需要为 key 设计一个超时时间，让它超时失效；但是这个超时时间的长短却不好确定：
 *  设置过短，会导致其他线程提前获得锁，引发线程安全问题
 *  设置过长，线程需要额外等待
 *  超时时间是一个非常不好把握的东西，因为业务线程的阻塞时间是不可预估的，在极端情况下，它总能阻塞到 lock 超时失效，正如上图中的线程1，锁超时释放了，导致线程2也进来了，这时候 lock 是 线程2的锁了（key 相同，value不同，value一般是线程唯一标识）；假设这时候，线程1突然不阻塞了，它要释放锁，如果按照刚刚的代码逻辑的话，它会释放掉线程2的锁；线程2的锁被释放掉之后，又会导致其他线程进来（线程3），如此往复。。。
 *  为了解决这个问题，需要在释放锁时多加一个判断，每个线程只释放自己的锁，不能释放别人的锁！
 *  释放锁
 *      @Override
        public void unlock() {
            // 获取线程标示
            String threadId = ID_PREFIX + Thread.currentThread().getId();
            // 获取锁中的标示
            String id = stringRedisTemplate.opsForValue().get(KEY_PREFIX + name);
            
            // 判断标示是否一致
            if(threadId.equals(id)) {
                // 释放锁
                stringRedisTemplate.delete(KEY_PREFIX + name);
            }
        }
 *  原子性问题
 *  刚刚我们谈论的释放锁的逻辑：
 *      判断当前锁是当前线程的锁
        当前线程释放锁
 *  可以看到释放锁是分两步完成的，如果你是对并发比较有感觉的话，应该一下子就知道这里会存在问题了。
 *  分步执行，并发问题！
 *  假设 线程1 已经判断当前锁是它的锁了，正准备释放锁，可偏偏这时候它阻塞了（可能是 FULL GC 引起的），锁超时失效，线程2来加锁，这时候锁是线程2的了；可是如果线程1这时候醒过来，因为它已经执行了步骤1了的，所以这时候它会直接直接步骤2，释放锁（可是此时的锁不是线程1的了）
 *  其实这就是一个原子性的问题，刚刚释放锁的两步应该是原子的，不可分的！
 *  要使得其满足原子性，则需要在 Redis 中使用 Lua 脚本了。
 *  引入 Lua 脚本保持原子性
 *      -- 比较线程标示与锁中的标示是否一致
        if(redis.call('get', KEYS[1]) ==  ARGV[1]) then
            -- 释放锁 del key
            return redis.call('del', KEYS[1])
        end
        return 0
 *  Java 中调用执行：
 *      public class SimpleRedisLock implements ILock {
        
            private String name;
            private StringRedisTemplate stringRedisTemplate;
        
            public SimpleRedisLock(String name, StringRedisTemplate stringRedisTemplate) {
                this.name = name;
                this.stringRedisTemplate = stringRedisTemplate;
            }
        
            private static final String KEY_PREFIX = "lock:";
            private static final String ID_PREFIX = UUID.randomUUID().toString(true) + "-";
            private static final DefaultRedisScript<Long> UNLOCK_SCRIPT;
            static {
                UNLOCK_SCRIPT = new DefaultRedisScript<>();
                UNLOCK_SCRIPT.setLocation(new ClassPathResource("unlock.lua"));
                UNLOCK_SCRIPT.setResultType(Long.class);
            }
        
            @Override
            public boolean tryLock(long timeoutSec) {
                // 获取线程标示
                String threadId = ID_PREFIX + Thread.currentThread().getId();
                // 获取锁
                Boolean success = stringRedisTemplate.opsForValue()
                        .setIfAbsent(KEY_PREFIX + name, threadId, timeoutSec, TimeUnit.SECONDS);
                return Boolean.TRUE.equals(success);
            }
        
            @Override
            public void unlock() {
                // 调用lua脚本
                stringRedisTemplate.execute(
                        UNLOCK_SCRIPT,
                        Collections.singletonList(KEY_PREFIX + name),
                        ID_PREFIX + Thread.currentThread().getId());
            }
        }
 *  到了目前为止，我们设计的 Redis 分布式锁已经是生产可用的，相对完善的分布式锁了。

[aee5d21c7a5d455b8b2b6488f624945a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/5843f510755a408994b4689eeaff26b2.png
[d2c55bbf8e084f18b589b80e58e82384.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/15434805c7164a35bae9d8400d2efd7b.png
[1427fe96d9894cf49341327fa7784a57.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/05/23/5b5ad550fba24a06b613f3555ec97263.png