文章详细探讨了高并发秒杀系统中的超卖问题及其解决方案，包括单机锁、Redis的原子性操作、队列以及分布式锁（如Mysql和Redis）的应用。同时，还涉及下单性能优化和数据一致性保障的方法，如缓存、异步处理和事务一致性策略。
文章目录
秒杀下单业务步骤:
1.数据校验(身份信息，token，手机号，是否开始，库存是否充足，是否开启秒杀，是否上架)
2.检查库存，锁定库存
3.扣减库存
4.更新库存
5.实现下单
面临的问题:
1.业务问题:如何在高并发模式下，保证库存不会出现超卖
2.性能问题:如何在高并发模式下，保证下单操作性能
3.数据一致性问题:如何在高并发模式下，保证数据一致性
超卖问题
原因:
在高并发模式下，多线程出现了数据脏读，抢占cpu资源情况下，出现了数据脏读，从而操作了多下订单，因此出现超卖
超卖:比如10个商品，商品数量为0的时候，下单了100个订单，多下单90个
如何解决超卖问题:
1.上锁(意味着性能下降，一旦上锁，意味着程序的串行化的执行)
2.原子性操作
3.队列(Queue,Redis,队列)
方案一
给业务进行上锁，让库存扣减变成一个原子的操作，让下单的操作是串行化执行，只有当第一个线程执行结束后，后一个线程才能开始执行，从而控制库存超卖。
注意:在分布式环境下，需要使用分布式锁来控制库存
方案二
利用redis的单线程模式:实现原子性操作，让库存得到控制。Redis服务具备天然的原子性的操作特性，Redis的每一个操作都是一个原子性的操作，因此可以利用Redis的这个特性，实现库存控制，且Redis是高性能的内存数据库，利用redis实现性能与业务的完美结合
以上数据存储特点:把库存数据进行单独的存储，扣减库存直接使用库存进行扣减，而不是使用商品中数据进行扣减(因为使用商品数据扣减，必然会经过2步操作，这2步不是原子性，除非使用lua)
此时扣减库存的方式
1.扣减库存:hincrement(“seckill_goods_stock_1”,-1) #此操作是一个原子操作，下一个线程看见的是上一个线程执行的结果，线程之间具有先后顺序
2.判断库存是否存在
优点:既兼顾了性能问题，又解决了业务库存超卖问题
方案三
队列:Redis队列(其他队列)都具有原子性的操作:Redis-list队列实现库存超卖解决方案
特点:
1.队列的长度等于库存数量
2.队列中存储的数据是此商品的id
3.每一个商品都对应一个队列
此时扣减库存，只需要pop一个队列的元素即可，因为队列的长度等于库存数量，因此pop元素相当于扣减库存；此操作也是原子操作
aop锁(单机锁)
超卖:比如模拟1000个用户，产生1000个订单，实际上被卖出75个商品，因此超卖925个订单!!!
使用Lock锁进行库存控制:Lock lock = new ReentrantLock(true);
//开始加锁
lock.lock();
finally{
//释放锁
lock.unlock;
}
以上加锁方式不能控制库存
锁事务冲突
aop锁(单机锁)
问题:针对以上的锁，事务冲突的问题
解决方案:锁上移(在事务开始之前加锁，事务结束后释放锁)
实现方式:表现层加锁，aop增强的方式进行加锁
pom.xml
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-aop</artifactId>
</dependency>
LockAspect.java
package com.example.aop;
import org.aspectj.lang.ProceedingJoinPoint;
import org.aspectj.lang.annotation.Around;
import org.aspectj.lang.annotation.Aspect;
import org.aspectj.lang.annotation.Pointcut;
import org.springframework.context.annotation.Scope;
import org.springframework.core.annotation.Order;
import org.springframework.stereotype.Component;
import java.util.concurrent.locks.Lock;
import java.util.concurrent.locks.ReentrantLock;
@Component
@Scope
@Aspect
@Order(1)
public class LockAspect {
private Lock lock = new ReentrantLock(true);
@Pointcut("@annotation(com.example.aop.ServiceLock)")
public void lockAspect(){
}
//增强方法
@Around("lockAspect()")
public Object around(ProceedingJoinPoint joinPoint){
Object obj = null;
//上锁
lock.lock();
try {
//执行业务
obj = joinPoint.proceed();
} catch (Throwable e) {
throw new RuntimeException(e);
} finally {
//释放锁
lock.unlock();
}
return obj;
}
}
ServiceLock.java
package com.example.aop;
import java.lang.annotation.*;
@Target({ElementType.PARAMETER,ElementType.METHOD})
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface ServiceLock {
String description() default "";
}
功能测试:没有出现超卖，加锁已经实现了库存的控制
分布式锁
为什么要使用分布式锁:
在JUC单机锁的模式下，只能在单个jvm进程中起作用，但是在集群，分布式部署模式下，无法使用单机锁控制多个jvm进程的并发修改问题，无法实现库存超卖控制
在集群服务，分布式服务模式下，存在多个jvm进程对共享资源并发修改的问题，单机锁无法控制在进程级别的共享资源互斥访问的问题，因此在分布式环境下，必须使用分布式锁
分布式应用原理:保证jvm进程对共享资源的互斥访问，防止jvm进程对共享资源并发修改
应用场景:
1.秒杀场景
2.12306抢票
3.退款
Mysql分布式锁
Mysql实现分布式锁几种方式:
1.乐观锁，悲观锁(这种方式在分布式模式下无法控制库存，单机可以控制)
在多进程模式下，多个事务出现了数据脏读，从而无法控制超卖，虽然加上行锁，但是锁失效后，事务还未提交，此时别的进程事务来读取数据，读到了脏数据
2.单独设计一个表，实现记录锁的操作(加锁:插入一条数据，释放锁:删除一条数据)
Redis分布式锁
ServiceRedisLock.java
package com.example.redis;
import java.lang.annotation.*;
@Target({ElementType.PARAMETER,ElementType.METHOD})
@Retention(RetentionPolicy.RUNTIME)
@Documented
public @interface ServiceRedisLock {
String description() default "";
}
LockRedisAspect.java
package com.example.redis;
import org.aspectj.lang.ProceedingJoinPoint;
import org.aspectj.lang.annotation.Around;
import org.aspectj.lang.annotation.Aspect;
import org.aspectj.lang.annotation.Pointcut;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.context.annotation.Scope;
import org.springframework.core.annotation.Order;
import org.springframework.stereotype.Component;
import javax.servlet.http.HttpServletRequest;
import java.util.concurrent.TimeUnit;
import java.util.concurrent.locks.Lock;
import java.util.concurrent.locks.ReentrantLock;
@Component
@Scope
@Aspect
@Order(1)
public class LockRedisAspect {
@Autowired
private HttpServletRequest request;
@Pointcut("@annotation(com.example.redis.ServiceRedisLock)")
public void lockAspect(){
}
//增强方法
@Around("lockAspect()")
public Object around(ProceedingJoinPoint joinPoint){
Object obj = null;
//获取秒杀id
String requestURI = request.getRequestURI();
String killId = requestURI.substring(requestURI.lastIndexOf("/")-1,requestURI.lastIndexOf("/"));
//上锁
boolean res = RedissLockUtil.tryLock("seckill_goods_lock_"+killId, TimeUnit.SECONDS,3,10);
lock.lock();
try {
//执行业务
if (res){
obj = joinPoint.proceed();
}
} catch (Throwable e) {
throw new RuntimeException(e);
} finally {
//释放锁
if (res){
RedissLockUtil.unlock("seckill_goods_lock_"+killId);
}
}
return obj;
}
}
在分布式下测试，可以控制库存
下单性能优化
优化一:从缓存中查询商品数据，不再从数据库查询
优化二:扣减库存，从缓存中开始扣减库存，不考虑数据一致性问题，只需要考虑数据最终一致性即可
优化三:异步化改造，下单的时候，只需要把订单数据传入到队列即可表示下单成功，后面队列的消费者来异步消费消息，实现下订单操作
下单的写的操作，当并发量比较大的时候，写操作会竞争锁资源，造成数据库性能下降。因此对这块代码进行异步化改造
异步处理:消费者在消费端进行监听，如果发现队列中有数据，立马消费队列中数据，然后处理业务
//判断库存是否还存在，如果不存在，那么就直接返回
Integer stockStatus = (Integer) redisTemplate.opsForValue().get(Constants.REDIS_GOODS_END_KEY+killId);
//判断
if(stockStatus!=null && stockStatus.equals(HttpStatus.SEC_GOODS_END)){
return HttpResult.error("商品已无库存");
}
//优化一:从缓存中查询商品数据，不再从数据库查询
TbSeckillGoods seckillGoods = (TbSeckillGoods) redisTemplate.opsForValue().get("SECKILL_GOODS_STOCK_"+killId);
/**
*库存扣减
*/
private boolean reduceStock(Long killId){
Long stockNum = redisTemplate.opsForValue.increment("SECKILL_GOODS_STOCK_"+killId,-1);
//扣减成功
if(stockNum > 0){
return true;
}else if(stockNum == 0){
//最后一次扣减，stock=1，表示此时库存已经售卖完毕
//添加标识，表示库存已经扣减完毕
redisTemplate.opsForValue().set(Constants.REDIS_GOODS_END_KEY+killId,HttpStatus.SEC_GOODS_END);
return true;
}
//扣减失败
return false;
}
//第二步优化，从缓存中扣减库存，保证这个操作的原子性
boolean res = this.reduceStock(killId);
//判断库存是否扣减成功
if(!res){
return HttpResult.error("下单失败");
}
//下单
TbSeckillOrder order = new TbSeckillOrder();
order.setSeckillId(killId);
order.setUserId(userId);
//使用队列，把订单数据入队
Boolean succ = SeckillQueue.getMailQueue().produce(order);
if(!succ){
return HttpResuLt.error("秒杀失败");
}
return HttpResult.ok("秒杀成功");
public void run(ApplicationArguments var){
new Thread(() -> {
LOGGER.info("提醒队列启动成功");
//开启一个线程，一直监听bockingQueue队列
while(true){
try {
//进程内队列
TbSeckillOrder order = SeckillQueue.getMailQueue().consume();
if(order!=null){
//从队列中获取订单，执行下单操作
seckillService.startAsyncKilled(order);
}
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}).start();
}
数据一致性
CAP定理
C:一致性(数据一致性:牺牲性能为代价)
A:可用性(性能提升，暂时不追求一致性)
P:分区容错性
CAP定理要求在软件架构的设计中，不能同时追求一致性，可用性，要么追求强一致性，要么只实现高性能
问题1:从缓存中扣减库存，存在缓存中缓存库存和数据库库存不一致现象
为了性能考虑，牺牲掉一致性，暂时把数据放在缓存中，放弃了一致性的问题，但是最终需要把数据变成一致性的状态。
如何处理?
(1)最终的一致性:支付完成后，同步库存
(2)异步的方式，同步库存
问题2:下单操作，扣减库存操作不是一个原子操作，一旦下单异常失败，本地事务会回滚，但是redis库存已经发生扣减
解决方案:
(1)异常机制对业务补偿
(2)缓存一致性
解决一致性问题
异步同步库存
发生场景，从缓存中扣减库存，但是数据库的库存没有发生任何的变化，因此可以使用异步的方式同步库存。
引入新的问题，发送消息的操作和本地事务的操作不是一个原子性
消息一致性:为了保证本地消息，本地事务一致性
Rocketmq提供的事务消息，解决本地事务和数据库一致性问题，让发送消息的动作和本地事务是原子性的操作
缓存一致性:先操作数据库，再操作redis
同时操作数据库，缓存的时候，面临数据库和缓存数据一致性的问题，因为本地事务异常，缓存异常都可能造成数据一致性问题，因此解决这类问题的时候，只需要先操作数据库，后操作缓存即可
1.下单操作数据库出现了异常，本地事务回滚，此时缓存没有进行操作，因此数据是一致性的状态
2.下单成功，缓存操作异常，数据库本地事务会回滚，由于缓存没有操作成功，因此数据还是一致状态
@Transactional
@Override
public HttpResult startAsyncKilled(TbSeckillOrder order) {
//为了实现缓存，数据库一致性，先操作数据库，后操作缓存
order.setCreateTime(new Date());
order.setStatus("0");
order.setMoney(BigDecimal.ZERO);
seckillOrderMapper.insertSelective(order);
//第二步优化，从缓存中扣减库存，保证这个操作的原子性
boolean res = this.reduceStock(order.getSeckillId());
//判断库存是否扣减成功
if(!res){
return HttpResult.error("下单失败");
}
return HttpResult.ok();
}
对于第二点，理解是不正确的。在给出的代码中，即使下单操作（即数据库插入）成功，但后续的缓存操作（reduceStock方法）失败，数据库事务不会因为缓存操作失败而回滚。
下面是详细的解释：
下单操作数据库出现了异常，本地事务回滚，此时缓存没有进行操作，因此数据是一致性的状态
这是正确的。如果seckillOrderMapper.insertSelective(order);抛出异常，由于方法被@Transactional注解，Spring会管理事务并回滚它。这意味着插入到数据库中的订单记录会被撤销，缓存操作（reduceStock）还没有执行，因此数据保持了一致性。
下单成功，缓存操作异常，数据库本地事务会回滚，由于缓存没有操作成功，因此数据还是一致状态
这是不正确的。在Spring的事务管理中，事务的回滚通常是由未检查的异常（通常是RuntimeException或其子类）触发的。如果reduceStock方法失败但没有抛出异常（只是返回了false），那么数据库事务不会回滚。这意味着订单已经成功插入到数据库中，但缓存中的库存没有被正确扣减，这会导致数据不一致。
为了避免这种情况，你可以采取以下几种策略：
手动抛出异常：如果reduceStock方法失败，你可以手动抛出一个运行时异常来触发事务回滚。
使用分布式事务：如果缓存操作非常关键，且需要保证与数据库操作的一致性，你可以考虑使用分布式事务来管理跨多个资源（如数据库和缓存）的事务。
补偿事务：实现一个补偿事务或后台任务来定期检查并修复不一致的状态。
优化缓存操作：确保缓存操作尽可能可靠，并考虑使用缓存的本地事务或原子操作（如果可用）。
重新设计系统：在某些情况下，重新设计系统以避免直接操作缓存可能是一个更好的选择。例如，你可以只操作数据库，并让缓存自动过期或异步更新。
扫一扫
1095
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
