Redis解决优惠券秒杀应用案例
虽然本文是针对黑马点评的优惠券秒杀业务的实现，但是是适用于各种抢购活动，保证线程安全。
摘要：本文先讲了抢购问题，指出其中会出现的多线程问题，提出解决方案采用悲观锁和乐观锁两种方式进行实现，然后发现在抢购过程中容易出现一人多单现象，为保证优惠券不会被【黄牛】抢到，因此我们在保证多线程安全的情况下实现了一人一单业务，最后指出本文的实现在集群情况下的不足之处。在本专栏的另一篇文章中提出集群或者分布式系统的解决方案。
【前端页面】
在代金券发放后，多个用户会进行优惠券抢购，在抢购时需要判断两点：
下单时需要判断两点：
- 秒杀是否开始或结束，如果尚未开始或已经结束则无法下单
- 库存是否充足，不足则无法下单
下单核心逻辑分析：
当用户开始进行下单，我们应当去查询优惠卷信息，查询到优惠卷信息，判断是否满足秒杀条件
比如时间是否充足，如果时间充足，则进一步判断库存是否足够，如果两者都满足，则扣减库存，创建订单，然后返回订单id，如果有一个条件不满足则直接结束。
【逻辑图】
【代码实现】
public Result seckillVoucher(Long voucherId) {
// 1.查询优惠券
SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
// 2.判断秒杀是否开始
if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
// 尚未开始
return Result.fail(“秒杀尚未开始！”);
}
// 3.判断秒杀是否已经结束
if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
// 尚未开始
return Result.fail(“秒杀已经结束！”);
}
// 4.判断库存是否充足#######
if (voucher.getStock() < 1) {
// 库存不足
return Result.fail(“库存不足！”);
}
//5，扣减库存
boolean success = seckillVoucherService.update()
.setSql(“stock= stock -1”)
.eq(“voucher_id”, voucherId).update();
if (!success) {
//扣减库存
return Result.fail(“库存不足！”);
}
//6.创建订单
VoucherOrder voucherOrder = new VoucherOrder();
// 6.1.订单id
long orderId = redisIdWorker.nextId(“order”);
voucherOrder.setId(orderId);
// 6.2.用户id
Long userId = UserHolder.getUser().getId();
voucherOrder.setUserId(userId);
// 6.3.代金券id
voucherOrder.setVoucherId(voucherId);
save(voucherOrder);
return Result.ok(orderId);
}
【分析代码】
- 从上述的逻辑图中我们可以知道，要扣减库存，并且要保存订单，因此需要事务业务
- 在第4步判断库存是否充足处，会出现多线程问题。出现订单超卖现象
问题代码如下：
// 库存不足
return Result.fail(“库存不足！”);
}
//5，扣减库存
boolean success = seckillVoucherService.update()
.setSql(“stock= stock -1”)
.eq(“voucher_id”, voucherId).update();
if (!success) {
//扣减库存
return Result.fail(“库存不足！”);
}
【采用锁】解决上述超卖问题。
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：
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，var5 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。
修改代码方案
我们的乐观锁保证stock大于0 即可，如果查询逻辑stock不能保证大于0，则会出现 success为false我们在后文进行判断即可。
.setSql(“stock= stock -1”)
.eq(“voucher_id”, voucherId).update().gt(“stock”,0); //where id = ? and stock > 0
if (!success) {
//扣减库存
return Result.fail(“库存不足！”);
}
代码写到这里，我们就解决了多线程安全问题（优惠券超卖）
一人一单
但是我们在检查数据库数据时，我们发现一个人可以购买多个优惠券。
因此我们可以在抢购前，判断该用户是否已经购买过该优惠券，如果购买过则直接返回。
【逻辑图】红框内的是新增逻辑。
public Result seckillVoucher(Long voucherId) {
// 1.查询优惠券
SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
// 2.判断秒杀是否开始
if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
// 尚未开始
return Result.fail(“秒杀尚未开始！”);
}
// 3.判断秒杀是否已经结束
if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
// 尚未开始
return Result.fail(“秒杀已经结束！”);
}
// 4.判断库存是否充足
if (voucher.getStock() < 1) {
// 库存不足
return Result.fail(“库存不足！”);
}
// 5.一人一单逻辑
// 5.1.用户id
Long userId = UserHolder.getUser().getId();
int count = query().eq(“user_id”, userId).eq(“voucher_id”, voucherId).count();
// 5.2.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！”);
}
//6，扣减库存
boolean success = seckillVoucherService.update()
.setSql(“stock= stock -1”)
.eq(“voucher_id”, voucherId).update();
if (!success) {
//扣减库存
return Result.fail(“库存不足！”);
}
//7.创建订单
VoucherOrder voucherOrder = new VoucherOrder();
// 7.1.订单id
long orderId = redisIdWorker.nextId(“order”);
voucherOrder.setId(orderId);
voucherOrder.setUserId(userId);
// 7.3.代金券id
voucherOrder.setVoucherId(voucherId);
save(voucherOrder);
return Result.ok(orderId);
}
【分析代码】—仍然会出现多线程问题。
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
【注意事项】
- 事务应该包含在锁的内部。
- 锁的粒度，锁的对象应该是用户级别的，而不是整个抢购优惠券级别的，因此我们不会直接将synchronized加到方法上。
- 锁对象的细节处理，使用userId.toString().intern()保证对象唯一。
- 获取代理对象调用切入事务
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisWorker;
import com.hmdp.utils.UserHolder;
import org.springframework.aop.framework.AopContext;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.time.LocalDateTime;
/**
* <p>
* 服务实现类
* </p>
*
* @author msf
* @since 2022-10-29
*/
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Resource
private ISeckillVoucherService seckillVoucherService;
@Resource
private RedisWorker redisWorker;
@Override
public Result seckillVoucher(Long voucherId) {
// 1. 查询优惠券信息
SeckillVoucher voucherOrder = seckillVoucherService.getById(voucherId);
// 2.判断秒杀是否开始
if (voucherOrder.getBeginTime().isAfter(LocalDateTime.now())) {
return Result.fail(“抢购尚未开始”);
}
if (voucherOrder.getEndTime().isBefore(LocalDateTime.now())) {
return Result.fail(“抢购已经结束”);
}
// 3.判断库存是否充足
if (voucherOrder.getStock() < 1) {
return Result.fail(“您来晚了,票已被抢完”);
}
Long userId = UserHolder.getUser().getId();
// 事务应该在synchronized里面
synchronized (userId.toString().intern()) {
IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
return proxy.createVoucherOrder(voucherId,userId);
}
}
@Transactional
public Result createVoucherOrder(Long voucherId,Long userId) {
// 4. 一人一单逻辑
// 4.1 根据优惠券id和用户id查询订单
Integer count = query().eq(“user_id”, userId)
.eq(“voucher_id”, voucherId).count();
// 4.2 订单存在，直接返回
if (count > 0) {
return Result.fail(“用户已经购买一次”);
}
// 5. 扣减库存
boolean success = seckillVoucherService.update()
.setSql(“stock = stock – 1”)
.gt(“stock”, 0)
.eq(“voucher_id”, voucherId).update();
if (!success) {
return Result.fail(“库存不足”);
}
// 6.创建订单
VoucherOrder order = new VoucherOrder();
// 6.1 设置id
order.setId(redisWorker.nextId(“order”));
// 6.2 设置订单id
order.setVoucherId(voucherId);
// 6.3 设置用户id
order.setUserId(userId);
save(order);
// 7. 返回订单id
return Result.ok(order);
}
}
展望
虽然我们利用锁和事务解决单体系统下的秒杀功能，但是现在的业务一般是在集群和分布式系统协作完成，因此我们在测试系统在集群部署时，仍会出现一人多单问题，稍后我们将更新文章，分析问题出现原因，并利用分布式锁的方式解决该问题。
到此这篇关于Redis解决优惠券秒杀的文章就介绍到这了,更多相关Redis优惠券秒杀内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！
