其他数据库 2023-02-21

Redis优惠券秒杀企业实战

一、全局唯一ID

1. 全局ID生成器

每个店铺都可以发布优惠券：

当用户抢购时，就会生成订单并保存到tb_voucher_order这张表中，而订单表如果使用数据库自增ID就存在一些问题：

id的规律性太明显
受单表数据量的限制

所以tb_voucher_order表的主键不能用自增ID：

create table tb_voucher_order
(
id bigint not null comment ‘主键’
primary key,
user_id bigint unsigned not null comment ‘下单的用户id’,
voucher_id bigint unsigned not null comment ‘购买的代金券id’,
pay_type tinyint(1) unsigned default 1 not null comment ‘支付方式 1：余额支付；2：支付宝；3：微信’,
status tinyint(1) unsigned default 1 not null comment ‘订单状态，1：未支付；2：已支付；3：已核销；4：已取消；5：退款中；6：已退款’,
create_time timestamp default CURRENT_TIMESTAMP not null comment ‘下单时间’,
pay_time timestamp null comment ‘支付时间’,
use_time timestamp null comment ‘核销时间’,
refund_time timestamp null comment ‘退款时间’,
update_time timestamp default CURRENT_TIMESTAMP not null on update CURRENT_TIMESTAMP comment ‘更新时间’
);

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：

D的组成部分：

符号位：1bit，永远为0，表示正数
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

编写全局ID生成器代码：

@Component
public class RedisIdWorker {
/**
* 开始时间戳，以2022.1.1为基准计算时间差
*/
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;
}

/**
* 生成带有业务前缀的redis自增id
* @param keyPrefix
* @return
*/
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
// 加上日期前缀，可以让存更多同一业务类型的数据，并且还能通过日期获取当天的业务数量，一举两得
String date = now.format(DateTimeFormatter.ofPattern(“yyyy:MM:dd”));
// 2.2.自增长
long count = stringRedisTemplate.opsForValue().increment(“icr:” + keyPrefix + “:” + date);

// 3.拼接并返回
// 用于是数字类型的拼接，所以不能像拼接字符串那样处理，而是通过位运算将高32位存符号位+时间戳，低32位存序列号
return timestamp << COUNT_BITS | count;
}

public static void main(String[] args) {
LocalDateTime time = LocalDateTime.of(2022, 1, 1, 0, 0, 0);
long second = time.toEpochSecond(ZoneOffset.UTC);
System.out.println(second);// 1640995200
}
}

测试全局ID生成器：

@SpringBootTest
class HmDianPingApplicationTests {
@Resource
private RedisIdWorker redisIdWorker;

private ExecutorService executorService = Executors.newFixedThreadPool(500);

@Test
void testIdWorker() throws InterruptedException {
CountDownLatch latch = new CountDownLatch(300);

// 每个线程生成100个id
Runnable task = () -> {
for (int i = 0; i < 100; i++) {
long id = redisIdWorker.nextId(“order”);
System.out.println(“id = ” + id);
}
latch.countDown();
};
// 300个线程
long begin = System.currentTimeMillis();
for (int i = 0; i < 300; i++) {
executorService.submit(task);
}
latch.await();
long end = System.currentTimeMillis();
System.out.println(“time = ” + (end – begin));
}
}

测试结果：

2. 全局唯一ID生成策略

UUID（不是递增的）
Redis自增
雪花算法（snowflake）
数据库自增（单独建一张表存自增id，分配到分库分表后的表中）

3. Redis自增ID策略

以日期作为前缀的key，方便统计订单量
自增ID的结构：时间戳 + 计数器

二、实现优惠券秒杀下单

1. 添加优惠券

每个店铺都可以发布优惠券，分为平价券和特价券。平价券可以任意购买，而特价券需要秒杀抢购：

优惠券表信息：

tb_voucher：优惠券的基本信息，优惠金额、使用规则等（tb_voucher表的type字段区分是普通券还是秒杀券）
tb_seckill_voucher：优惠券的库存、开始抢购时间，结束抢购时间（秒杀券才需要填写这些信息），同时秒杀券拥有普通券的基本信息（秒杀券表tb_seckill_voucher的主键id绑定的是普通券表tb_voucher的id）

create table tb_voucher
(
id bigint unsigned auto_increment comment ‘主键’
primary key,
shop_id bigint unsigned null comment ‘商铺id’,
title varchar(255) not null comment ‘代金券标题’,
sub_title varchar(255) null comment ‘副标题’,
rules varchar(1024) null comment ‘使用规则’,
pay_value bigint(10) unsigned not null comment ‘支付金额，单位是分。例如200代表2元’,
actual_value bigint(10) not null comment ‘抵扣金额，单位是分。例如200代表2元’,
type tinyint(1) unsigned default 0 not null comment ‘0,普通券；1,秒杀券’,
status tinyint(1) unsigned default 1 not null comment ‘1,上架; 2,下架; 3,过期’,
create_time timestamp default CURRENT_TIMESTAMP not null comment ‘创建时间’,
update_time timestamp default CURRENT_TIMESTAMP not null on update CURRENT_TIMESTAMP comment ‘更新时间’
);

create table tb_seckill_voucher
(
voucher_id bigint unsigned not null comment ‘关联的优惠券的id’
primary key,
stock int(8) not null comment ‘库存’,
create_time timestamp default CURRENT_TIMESTAMP not null comment ‘创建时间’,
begin_time timestamp default CURRENT_TIMESTAMP not null comment ‘生效时间’,
end_time timestamp default CURRENT_TIMESTAMP not null comment ‘失效时间’,
update_time timestamp default CURRENT_TIMESTAMP not null on update CURRENT_TIMESTAMP comment ‘更新时间’
)
comment ‘秒杀优惠券表，与优惠券是一对一关系’;

2. 编写添加秒杀券的接口

主要代码：

@RestController
@RequestMapping(“/voucher”)
public class VoucherController {

@Resource
private IVoucherService voucherService;

/**
* 新增秒杀券
* @param voucher 优惠券信息，包含秒杀信息
* @return 优惠券id
*/
@PostMapping(“seckill”)
public Result addSeckillVoucher(@RequestBody Voucher voucher) {
voucherService.addSeckillVoucher(voucher);
return Result.ok(voucher.getId());
}
}

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

@Resource
private ISeckillVoucherService seckillVoucherService;

@Override
@Transactional
public void addSeckillVoucher(Voucher voucher) {
// 保存优惠券
save(voucher);
// 保存秒杀信息
SeckillVoucher seckillVoucher = new SeckillVoucher();
seckillVoucher.setVoucherId(voucher.getId());
seckillVoucher.setStock(voucher.getStock());
seckillVoucher.setBeginTime(voucher.getBeginTime());
seckillVoucher.setEndTime(voucher.getEndTime());
seckillVoucherService.save(seckillVoucher);
}
}

测试添加：

测试结果：

三、实现秒杀下单

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

主要代码：

@RestController
@RequestMapping(“/voucher-order”)
public class VoucherOrderController {
@Resource
private IVoucherOrderService voucherOrderService;

@PostMapping(“seckill/{id}”)
public Result seckillVoucher(@PathVariable(“id”) Long voucherId) {
return voucherOrderService.seckillVoucher(voucherId);
}
}

@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {

@Resource
private ISeckillVoucherService seckillVoucherService;

@Resource
private RedisIdWorker redisIdWorker;

@Override
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) {
// 扣减库存失败
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);

}
}

简单测试秒杀成功：

扣减库存成功：

四、超卖问题

当有大量请求同时访问时，就会出现超卖问题

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：

1. 加锁方式 – 乐观锁

乐观锁的关键是判断之前查询得到的数据是否有被修改过，常见的方式有两种：

（1）版本号法

（2）CAS法

用库存代替了版本号，可以少加一个字段
扣库存时，与查询时的库存比较，没被修改则可以扣减库存

2. 乐观锁解决超卖问题

乐观锁方式，通过CAS判断前后库存是否一致，解决超卖问题：

// 之前的代码
boolean success = seckillVoucherService.update()
.setSql(“stock= stock -1”)
.eq(“voucher_id”, voucherId).update();

// 乐观锁方式，通过CAS判断前后库存是否一致，解决超卖问题
boolean success = seckillVoucherService.update()
.setSql(“stock= stock -1”) // set stock = stock -1
.eq(“voucher_id”, voucherId).eq(“stock”,voucher.getStock()).update(); // where id = ？ and stock = ?

又出现新的问题：

假设100个线程同时请求，但通过CAS判断后，只有一个线程能扣减库存成功，其余99个线程全部失败
此时，库存剩余99，但是实际业务可以满足其余99个线程扣减库存
虽然能解决超卖问题，但是设计不合理

所以为了解决失败率高的问题，需要进一步改进：

通过CAS 不再判断前后库存是否一致，而是判断库存是否大于0

boolean success = seckillVoucherService.update()
.setSql(“stock= stock -1”)
.eq(“voucher_id”, voucherId).gt(“stock”,0).update(); // where id = ? and stock > 0

3. 小结

超卖这样的线程安全问题，解决方案有哪些？
（1）悲观锁：添加同步锁，让线程串行执行

优点：简单粗暴
缺点：性能一般

（2）乐观锁：不加锁，在更新时判断是否有其它线程在修改

优点：性能相对悲观锁好（但是仍然需要同时查数据库，影响性能）
缺点：存在成功率低的问题（可以采用分段锁方式提高成功率）

五、一人一单问题

需求：修改秒杀业务，要求同一个优惠券，一个用户只能下一单

在扣减库存之前，加上一人一单的逻辑：

// 5.一人一单逻辑
Long userId = UserHolder.getUser().getId();
// 5.1.查询订单数量
int count = query().eq(“user_id”, userId).eq(“voucher_id”, voucherId).count();
// 5.2.判断是否下过单
if (count > 0) {
// 用户已经购买过了
return Result.fail(“用户已经购买过一次！”);
}

此处仍会出现并发问题，当同一用户模拟大量请求同时查询是否下过单时，如果正好都查询出count为0，就会跳过判断继续执行扣减库存的逻辑，此时就会出现一人下多单的问题

解决方法：

由于是判断查询的数据是否存在，而不是像之前判断查询的数据是否修改过
所以这里只能加悲观锁

1. 加锁分析

首先将一人一单之后的逻辑全部加锁，所以将一人一单之后的逻辑抽取出一个方法进行加锁，public Result createVoucherOrder(Long voucherId)
如果直接在方法上加锁，则锁的是this对象，锁的对象粒度过大，就算是不同的人执行都会阻塞住，影响性能，public synchronized Result createVoucherOrder(Long voucherId)
所以将锁的对象改为userId，但是不能直接使用synchronized (userId)，因为每次执行Long userId = UserHolder.getUser().getId();虽然值一样，但是对象不同，因此需要这样加锁 synchronized (userId.toString().intern())，intern()表示每次从字符串常量池中获取，这样值相同时，对象也相同
为了防止事务还没提交就释放锁的问题，则不能将锁加在createVoucherOrder方法内部，例如：

@Transactional
public Result createVoucherOrder(Long voucherId) {
synchronized (userId.toString().intern()) {
。。。
}
}

而是需要等事务提交完再释放锁，例如：

synchronized (userId.toString().intern()) {
// 获取代理对象（事务）
IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
return proxy.createVoucherOrder(voucherId);
}

2. 事务分析

由于只有一人一单之后的逻辑涉及到修改数据库，所以只需对该方法加事务
@Transactional
public Result createVoucherOrder(Long voucherId)

由于只对createVoucherOrder方法加了事务，而该方法是在seckillVoucher方法中被调用，seckillVoucher方法又没有加事务，为了防止事务失效，则不能直接在seckillVoucher方法调用createVoucherOrder方法，例如：

@Override
public Result seckillVoucher(Long voucherId) {
。。。。
synchronized (userId.toString().intern()) {
return this.createVoucherOrder(voucherId);
}
}

而是需要通过代理对象调用createVoucherOrder方法，因为@Transactional事务注解的原理是通过获取代理对象执行目标对象的方法，进行AOP操作，所以需要这样：

@Override
public Result seckillVoucher(Long voucherId) {
。。。。
// 获取代理对象（事务）
IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
return proxy.createVoucherOrder(voucherId);
}

并且还要引入依赖：

<dependency>
<groupId>org.aspectj</groupId>
<artifactId>aspectjweaver</artifactId>
</dependency>

还要开启注解暴露出代理对象：

@EnableAspectJAutoProxy(exposeProxy = true)
@MapperScan(“com.hmdp.mapper”)
@SpringBootApplication
public class HmDianPingApplication {
public static void main(String[] args) {
SpringApplication.run(HmDianPingApplication.class, args);
}
}

完整VoucherOrderServiceImpl代码：

@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {

@Resource
private ISeckillVoucherService seckillVoucherService;

@Resource
private RedisIdWorker redisIdWorker;

Long userId = UserHolder.getUser().getId();
synchronized (userId.toString().intern()) {
// 获取代理对象（事务）
IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
return proxy.createVoucherOrder(voucherId);
}

}

@Transactional
public Result createVoucherOrder(Long voucherId) {

// 6，扣减库存
// 乐观锁方式，通过CAS判断库存是否大于0，解决超卖问题：
boolean success = seckillVoucherService.update()
.setSql(“stock= stock -1”)
.eq(“voucher_id”, voucherId).gt(“stock”,0).update(); // where id = ? and stock > 0

if (!success) {
// 扣减库存失败
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);
// 7.2.用户id
voucherOrder.setUserId(userId);
// 7.3.代金券id
voucherOrder.setVoucherId(voucherId);
save(voucherOrder);

// 8.返回订单id
return Result.ok(orderId);
}

}

六、集群模式下并发安全问题

通过加锁可以解决在单机情况下的一人一单安全问题，但是在集群模式下就不行了。

我们将服务启动两份，端口分别为8081和8082：

然后修改nginx的conf目录下的nginx.conf文件，配置反向代理和负载均衡：

修改完后，重新加载nginx配置文件：

现在，用户请求会在这两个节点上负载均衡，再次测试下是否存在线程安全问题：

访问8081端口的线程进入了synchronized中

访问8082端口的线程也进入了synchronized中

最终同一个用户下了2单扣了2个库存，所以在集群模式下，出现了一人多单的问题：

分析：

锁的原理是每个JVM中都有一个Monitor作为锁对象，所以当对象相同时，获取的就是同一把锁
但是不同的JVM中的Monitor不同，所以获取的不是同一把锁
因此集群模式下，加synchronized锁也会出现并发安全问题，需要加分布式锁

NoSQL Redis 技术文档数据库

数据运维技术 » Redis优惠券秒杀企业实战

分享到：

一、全局唯一ID

1. 全局ID生成器

2. 全局唯一ID生成策略

3. Redis自增ID策略

二、实现优惠券秒杀下单

1. 添加优惠券

2. 编写添加秒杀券的接口

三、实现秒杀下单

四、超卖问题

1. 加锁方式 – 乐观锁

2. 乐观锁解决超卖问题

3. 小结

五、一人一单问题

1. 加锁分析

2. 事务分析

六、集群模式下并发安全问题

相关推荐