redis秒杀系统数据同步（保证不多卖）

 

东西不多卖

秒杀系统需要保证东西不多卖，关键是在多个客户端对库存进行减操作时，必须加锁。Redis中的Watch刚好可以实现一点。首先我们需要获取当前库存，只有库存中的食物小于购物车的数目才能对库存进行减。在高并发的情况下会出现某时刻查询库存够的，但下一时刻另外一个线程下单了，对库存进行减操作，刚好小于上个线程的购物车数目。照理现在的状态是不能下单成功的，因为库存已经不够了，但上一线程仍然认为数量还够，对库存进行减操作，从而导致库存出现负数的情况。如何避免？

Redis 中的watch可以在事务前对数据进行监控，如果在事务执行前，该数据发生改变，则事务不执行。刚好能满足我们的要求。看了很多代码，对watch功能还不是很理解，因为网上很多写的帖子都没有明确指出多客户端（理解之后发现还是有写的），所以不明白的可以参见下面的例子，是用Java写的。以下代码可以保证库存不多卖。

在redis中设置一个键为mykey，值为1000的变量，

 

public class Main {

    public static void main(String[] args) {
            new MyThread().start();
            new MyThread().start();
            new MyThread().start();
            new MyThread().start();
            new MyThread().start();
            new MyThread().start();
            new MyThread().start();
            new MyThread().start();
            new MyThread().start();
            new MyThread().start();
    }
}

class MyThread extends Thread {
    Jedis jedis = null;

    @Override
    public void run() {
        // TODO Auto-generated method stub
        while (true) {
            System.out.println(Thread.currentThread().getName());
            jedis = RedisUtil.getJedis();
            try {
                int stock = Integer.parseInt(jedis.get("mykey"));
                if (stock > 0) {
                    jedis.watch("mykey");
                    Transaction transaction = jedis.multi();
                    transaction.set("mykey", String.valueOf(stock - 1));
                    List<Object> result = transaction.exec();
                    if (result == null || result.isEmpty()) {
                        System.out.println("Transaction error...");// 可能是watch-key被外部修改，或者是数据操作被驳回
                    }
                } else {
                    System.out.println("库存为0");
                    break;
                }
            } catch (Exception e) {
                // TODO: handle exception
                e.printStackTrace();
                RedisUtil.returnResource(jedis);
            }finally{
                RedisUtil.returnResource(jedis);
            }

        }
    }

}

 

 

对于Redis事务来说行不通，因为在exec命令之前，所有的命令都被Redis缓存起来了，根本就拿不到balance的值。那类似这种需要基于已经存在的某个值的事务在Redis中如何实现呢？答案是Watch命令：

redis.watch('balance')
balance = redis.get('balance')
if (balance < amtToSubtract) {
    redis.unwatch()
} else {
    redis.multi()
    redis.decrby('balance', amtToSubtract)
    redis.incrby('debt', amtToSubtract)
    redis.exec()
}

通俗点讲，watch命令就是标记一个键，如果标记了一个键，在提交事务前如果该键被别人修改过，那事务就会失败，这种情况通常可以在程序中重新再尝试一次。像上面的例子，首先标记了键balance，然后检查余额是否足够，不足就取消标记，并不做扣减；足够的话，就启动事务进行更新操作，如果在此期间键balance被其它人修改，那在提交事务（执行exec）时就会报错，程序中通常可以捕获这类错误再重新执行一次，直到成功。
Redis事务失败后不支持回滚 与数据库事务很重要的一个区别是Redis事务在执行过程中出错后不会回滚。在exec命令后，Redis Server开始一个个的执行被缓存的命令，如果其中某个命令执行出错了，那之前的命令并不会被回滚。

 

 

Redis保证从数据只加载一次

我这里碰到的需求是一开始要从MySQL数据库中导入数据到Redis，由于有多台服务器，不进行控制会对数据进行多次加载，所以我们可以设置一个键值进行控制。

 

import redis.clients.jedis.Jedis;
import redis.clients.jedis.Response;
import redis.clients.jedis.Transaction;
public class Main {

    public static void main(String[] args) {
            new lock().start();
            new lock().start();
            new lock().start();
            new lock().start();
            new lock().start();
            new lock().start();
            new lock().start();
            new lock().start();
            new lock().start();
            new lock().start();
    }
}

class lock extends Thread{

    @Override
    public void run() {
        // TODO Auto-generated method stub
        System.out.println(Thread.currentThread().getName());
        Jedis jedis = null;
        try {
            jedis = RedisUtil.getJedis();
            if(jedis.setnx("look", "1") == 1){
                jedis.set("food", Thread.currentThread().getName());
            }else{
                System.out.println(Thread.currentThread().getName() + "未访问");
            }
        } catch (Exception e) {
            // TODO: handle exception
            e.printStackTrace();
            RedisUtil.returnResource(jedis);
        }finally{
            RedisUtil.returnResource(jedis);
        }
    }

}

 

转载于:https://www.cnblogs.com/shihaiming/p/6062663.html