2.商户查询缓存
2.1什么是缓存
缓存就是数据交换的缓冲区,是存贮数据的临时地方,一般读写性能高。
缓存的作用:降低后端负载、提高读写效率、降低响应时间
缓存的成本:数据一致性成本、代码维护成本、运维成本
2.2添加Redis缓存
实现代码
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryById(Long id) {
//1.根据id在redis中查询缓存
String shopJson = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY);
//2.判断是否存在
if(StrUtil.isNotBlank(shopJson)){
//3.存在,直接返回
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return Result.ok(shop);
}
//4.不存在,根据id查询数据库
Shop shop = getById(id);
if(shop == null){
return Result.fail("店铺不存在");
}
//5.存在写入reids
stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY,JSONUtil.toJsonStr(shop));
return Result.ok(shop);
}
}
2.3缓存更新策略
业务场景:
- 低一致性需求:使用内存淘汰机制。例如商铺类型的查询缓存
- 高一致性需求:主动更新,并以超时剔除作为兜底方案。例如店铺详情查询的缓存。
2.3.1 主动更新策略
操作缓存和数据库时有三个问题要考虑:
1.删除缓存还是更新缓存?
- 更新缓存:每次更新数据库都删除缓存,无效写操作较多
- 删除缓存:更新数据库时让缓存失效,查询时再更新缓存 √
2.如何保证缓存与数据库的操作的同时成功或失败? - 单体系统,将缓存与数据库操作放在一个事务
- 分布式系统,利用TCC等分布式事务方案
3.先操作缓存还是先操作数据库? - 先删除缓存,再操作数据库
- 先操作数据库,再删除缓存
正常情况下
异常情况
线程一删除缓存10后在更新数据20操作时,线程二读取缓存未命中,查询数据库得到10,写入缓存10,线程一更新操作完成后数据库为20,数据库数据和缓存不一致(发送的情况高)
正常情况
异常情况
缓存失效,线程一查询未命中,查询数据库10后,写入数据库。在写入数据库的过程,线程二修改数据库20,然后删除缓存,线程一写入缓存10,与数据库20不一致
发送概率低
条件:1.刚好缓存失效2.恰好失效后,读数据要写缓存(微秒级)的过程中又突然来一个线程更新数据库(相对慢)
所以方案二胜出
缓存更新策略的最佳实践方案:
1.低一致性需求:使用Redis自带的内存淘汰机制
2.高一致性需求:主动更新,并以超时剔除作为兜底方案 - 读操作:
- 缓存命中则直接返回
- 缓存未命中则查询数据库,并写入缓存,设定超时时间
写操作:
- 先写数据库,然后再删除缓存
- 要确保数据库与缓存操作的原子性
案例:给查询商铺的缓存添加超时剔除和主动更新策略
修改ShopServiceImpl中的queryById,写入redis的同时添加过期时间
stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id,JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
修改ShopController中的updataShop
@Override
@Transactional
public Result update(Shop shop) {
Long id = shop.getId();
if(id == null){
return Result.fail("店铺id不能为空");
}
//1.更新数据库
updateById(shop);
//2.删除缓存
stringRedisTemplate.delete(CACHE_SHOP_KEY + id);
return Result.ok() ;
}
2.4缓存穿透
缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在,这样缓存永远不会生效,这些请求都会打到数据库。
常见的解决方案有两种:
- 缓存空对象
- 优点:实现简单,维护方便
- 缺点:
- 额外的内存消耗
- 可能造成短期的不一致
- 布隆过滤
- 优点:内存占用少,没有多余的key
- 缺点:
- 实现复杂
- 存在误判可能
修改流程
修改代码
public Result queryById(Long id) {
//1.根据id在redis中查询缓存
String shopJson = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY + id);
//2.判断是否存在
if(StrUtil.isNotBlank(shopJson)){
//3.存在,直接返回
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return Result.ok(shop);
}
//命中的是否是空值
if(shopJson != null){
//返回一个错误信息
return Result.fail("店铺不存在");
}
//4.不存在,根据id查询数据库
Shop shop = getById(id);
if(shop == null){
//将空值写入redis
stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id,"", CACHE_NULL_TTL, TimeUnit.MINUTES);
return Result.fail("店铺不存在");
}
//5.存在写入reids
stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id,JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
return Result.ok(shop);
}
缓存穿透产生的原因是什么
- 用户请求的数据在缓存中和数据库中都不存在,不断发起这样的请求,给数据库带来巨大压力
缓存穿透的解决方案有哪些? - 缓存null值
- 布隆过滤
- 增强id的复杂度,避免被猜测id规律
- 做好数据的基础格式效验
- 加强用户权限效验
2.5缓存雪崩
缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机,导致大量请求到达数据库,带来巨大压力
解决方案:
- 给不同的key的TTL添加随机值
- 利用Redis集群提高服务的可用性
- 给缓存业务添加降级限流策略
- 给业务添加多级缓存
2.6缓存击穿
缓存击穿问题也叫热点Key问题,就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了,无数的请求访问会在瞬间给数据库带来巨大的冲击
常见的解决方案有两种:
- 互斥锁
- 逻辑过期
利用互斥锁方式解决缓存击穿问题
需求:修改根据id查询商铺的业务,基于互斥锁方式来解决缓存击穿问题
代码
public Shop queryWithNutex(Long id){
//1.根据id在redis中查询缓存
String shopJson = stringRedisTemplate.opsForValue().get(CACHE_SHOP_KEY + id);
//2.判断是否存在
if(StrUtil.isNotBlank(shopJson)){
//3.存在,直接返回
Shop shop = JSONUtil.toBean(shopJson, Shop.class);
return shop;
}
//命中的是否是空值
if(shopJson != null){
//返回一个错误信息
return null;
}
//4.实现缓存重建
//4.1获取互斥锁
String lockKey = "lock:shop" + id;
Shop shop = null;
try {
boolean isLock = tryLock(lockKey);
//4.2判断是否获取成功
if(!isLock){
//4.3失败,则休眠并重试
Thread.sleep(50);
queryWithNutex(id);
}
//4.4.成功,根据id查询数据库
shop = getById(id);
//5.不存在,返回错误
if(shop == null){
//将空值写入redis
stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id,"", CACHE_NULL_TTL, TimeUnit.MINUTES);
return null;
}
//6.存在写入reids
stringRedisTemplate.opsForValue().set(CACHE_SHOP_KEY + id,JSONUtil.toJsonStr(shop), CACHE_SHOP_TTL, TimeUnit.MINUTES);
//7.释放互斥锁
} catch (InterruptedException e) {
throw new RuntimeException(e);
}finally {
unlock(lockKey);
}
return shop;
}
private boolean tryLock(String key){
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
private void unlock(String key){
stringRedisTemplate.delete(key);
}
基于逻辑过期方式解决缓存击穿问题
给原本的实体类增加逻辑过期时间字段
第一种
@Data
public class RedisData {
private LocalDateTime expireTime;
}
Shop实体类继承RedisData(还是改变了元代码)
第二种定义一个Object用来存放Shop信息,还可以存放其他类型
@Data
public class RedisData {
private LocalDateTime expireTime;
private Object data;
}
2.7缓存工具封装
在util包下创建一个CacheClient工具类
@Slf4j
@Component
public class CacheClient {
@Resource
private StringRedisTemplate stringRedisTemplate;
public void set(String key, Object value, Long time, TimeUnit unit){
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value),time, unit);
}
public void setWithLogicalExpire(String key, Object value,Long time, TimeUnit unit){
//设置逻辑过期
RedisData redisData = new RedisData();
redisData.setData(value);
redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));
//写入redis
stringRedisTemplate.opsForValue().set(key,JSONUtil.toJsonStr(redisData));
}
public <R,ID> R queryWithPassThrough(String keyPrefix , ID id, Class<R> type, Function<ID,R> dbFallback,
Long time, TimeUnit unit){
String key = keyPrefix + id;
//1.根据id在redis中查询缓存
String json = stringRedisTemplate.opsForValue().get(key);
//2.判断是否存在
if(StrUtil.isNotBlank(json)){
//3.存在,直接返回
return JSONUtil.toBean(json, type);
}
//命中的是否是空值
if(json != null){
//返回一个错误信息
return null;
}
//4.不存在,根据id查询数据库
R r = dbFallback.apply(id);
if(r == null){
//将空值写入redis
stringRedisTemplate.opsForValue().set(key,"", CACHE_NULL_TTL, TimeUnit.MINUTES);
return null;
}
//5.存在写入reids
this.set(key,r,time,unit);
return r;
}
private static final ExecutorService CACHE_REBUILD_EXCUTOR = Executors.newFixedThreadPool(10);
public <R,ID> R queryWithLogicExpire(String keyPrefix,ID id,Class<R> type, Function<ID ,
R> dbFallback,Long time, TimeUnit unit){
String key = keyPrefix + id;
//1.根据id在redis中查询缓存
String json = stringRedisTemplate.opsForValue().get(key);
//2.判断是否存在
if(StrUtil.isBlank(json)){
//3.不存在,直接返回null
return null;
}
//4.命中,需要先把json反序列化为对象
RedisData redisData = JSONUtil.toBean(json, RedisData.class);
R r = JSONUtil.toBean((JSONObject) redisData.getData(),type);
LocalDateTime expireTime = redisData.getExpireTime();
//5.判断是否过期
if(expireTime.isAfter(LocalDateTime.now())){
//5.1未过期,直接返回店铺信息
return r;
}
//5.2已过期,需要缓存重建
//6.重建缓存
//6.1获取互斥锁
String lockKey = LOCK_SHOP_KEY + id;
boolean isLock = tryLock(lockKey);
//6.2判断是否获取成功
if(isLock){
//6.3成功,开启独立线程,实现缓存重建
CACHE_REBUILD_EXCUTOR.submit(() -> {
try {
// 重建缓存
//1.查询数据库
R r1 = dbFallback.apply(id);
//2.写入redis
this.setWithLogicalExpire(key,r1,time,unit);
} catch (Exception e) {
throw new RuntimeException(e);
}finally {
//释放锁
unlock(lockKey);
}
});
}
//6.4返回过期的商铺信息
return r;
}
private boolean tryLock(String key){
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
private void unlock(String key){
stringRedisTemplate.delete(key);
}
}
public Result queryById(Long id) {
//缓存穿透
//Shop shop = queryWithPassThrough(id);
// Shop shop = cacheClient.
// queryWithPassThrough(CACHE_SHOP_KEY,id,Shop.class,
// this::getById,CACHE_SHOP_TTL,TimeUnit.MINUTES
// );
//互斥锁解决缓存击穿
//Shop shop= queryWithNutex(id);
//逻辑过期解决缓存击穿
//Shop shop = queryWithLogicExpire(id);
Shop shop = cacheClient.queryWithLogicExpire(CACHE_SHOP_KEY, id, Shop.class, this::getById, 20L, TimeUnit.SECONDS);
3. 优惠券秒杀
3.1全局唯一ID
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_vocher_order表中,而订单表如果使用数据库自增ID就存在一些问题:
- id的规律太明显
- 表单数据量的限制
全局ID生成器,是一种在分布式系统下用来生成全局唯一的ID的工具,一般满足下列特性:
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:
在工具包中新增RedisIdWorder
@Component
public class RedisIdWorker {
@Autowired
private StringRedisTemplate stringRedisTemplate;
/**
* 开始时间戳
*/
private static final long BEGIN_TIMESTAMP = 1640995200L;
/**
* 序列号位数
*/
private static final int COUNT_BITS = 32;
public long nextId(String keyPrefix){
//1.生成时间戳
LocalDateTime now = LocalDateTime.now();
long newSecond = now.toEpochSecond(ZoneOffset.UTC);
long timestamp = newSecond - BEGIN_TIMESTAMP;
//2.生成序列号
//2.1或者当前日期,精确到天
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
return timestamp << COUNT_BITS | count;
}
}
测试
@Resource
private RedisIdWorker redisIdWorker;
private ExecutorService es = Executors.newFixedThreadPool(500);
@Test
void testIdWorker() throws InterruptedException {
CountDownLatch latch = new CountDownLatch(300);
Runnable task = () -> {
for (int i = 0;i < 100; i++){
long id = redisIdWorker.nextId("order");
System.out.println("id = " + id);
}
latch.countDown();
};
long begin = System.currentTimeMillis();
System.out.println();
for(int i = 0; i < 300; i++){
es.submit(task);
}
latch.await();
long end = System.currentTimeMillis();
System.out.println("time = " + (end - begin));
}
全局唯一ID生成策略:
- UUID
- Redis自增
- snowflake算法
- 数据库自增
Redis自增ID策略: - 每天一个key,方便统计订单量
- ID构造是时间戳+计数器
3.2实现优惠券秒杀下单
秒杀是否开始或结束,如果尚未开始或者已经结束则无法下单
库存是否充足
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Resource
private RedisIdWorker redisIdWorker;
@Resource
private ISeckillVoucherService iSeckillVoucherService;
@Transactional
@Override
public Result seckillVoucher(Long voucherId) {
//1.查询优惠券
SeckillVoucher voucher = iSeckillVoucherService.getById(voucherId);
//2.判断秒杀是否开始
if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
return Result.fail("秒杀还没开始");
}
//3.判断秒杀是否已经结束
if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
return Result.fail("秒杀结束了");
}
//4.判断库存是否充足
if (voucher.getStock() < 1) {
return Result.fail("库存不足");
}
//5.扣减库存
boolean success = iSeckillVoucherService.update()
.setSql("stock = stock - 1")
.eq("voucher_id",voucherId).update();
if(!success){
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);
//7.返回订单id
return Result.ok(orderId);
}
}
3.3超卖问题
正常情况
交叉执行
超卖问题就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
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:
CAS
boolean success = iSeckillVoucherService.update()
.setSql("stock = stock - 1")
.eq("voucher_id",voucherId).eq("stock",voucher.getStock())
.update();
问题:并发请求下,在相同更改的线程里只有一个成功,其他失败,失败率高
更改:不再判断库存是否和第一次查询时相等,只要判断库存大于零
.eq("voucher_id",voucherId).gt("stock",0)
超卖的线程安全问题,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他线程在修改 - 优点:性能好
- 缺点:存在成功率低
3.4一人一单
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
修改代码
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Resource
private RedisIdWorker redisIdWorker;
@Resource
private ISeckillVoucherService iSeckillVoucherService;
@Override
public Result seckillVoucher(Long voucherId) {
//1.查询优惠券
SeckillVoucher voucher = iSeckillVoucherService.getById(voucherId);
//2.判断秒杀是否开始
if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
return Result.fail("秒杀还没开始");
}
//3.判断秒杀是否已经结束
if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
return Result.fail("秒杀结束了");
}
//4.判断库存是否充足
if (voucher.getStock() < 1) {
return Result.fail("库存不足");
}
Long userId = UserHolder.getUser().getId();
synchronized (userId.toString().intern()) {
//获取代理对象
IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
return proxy.createVoucherOrder(voucherId);
}
}
@Transactional
public Result createVoucherOrder(Long voucherId) {
//5.一人一单
Long userId = UserHolder.getUser().getId();
//5.1查询订单
int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
//5.2判断是否存在
if (count > 0) {
//该用户下过单
return Result.fail("同一个用户不能重复下单!");
}
//6.扣减库存
boolean success = iSeckillVoucherService.update()
.setSql("stock = stock - 1")
.eq("voucher_id", voucherId).gt("stock", 0)
.update();
if (!success) {
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);
}
}
问题:
原本在方法中调用createVoucherOrder会出现事务失效
//调用的createVoucherOrder的事务失效
this.createVoucherOrder(voucherId);
方法:
1.获取代理对象,用代理对象调用
//获取代理对象
IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
return proxy.createVoucherOrder(voucherId);
2.引入相关依赖
<dependency>
<groupId>org.aspectj</groupId>
<artifactId>aspectjweaver</artifactId>
</dependency>
3.启动类上开启注解
@EnableAspectJAutoProxy(exposeProxy = true)
@MapperScan("com.hmdp.mapper")
@SpringBootApplication
public class HmDianPingApplication {
public static void main(String[] args) {
SpringApplication.run(HmDianPingApplication.class, args);
}
}
一人一单并发安全问题
理想状态
集群模式下synchronized失效了,synchronized只能保证单个JVM多个线程的互斥
3.5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
3.5.1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:
基于Redis的分布式锁
实现分布式锁时需要实现的两个基本方法:
- 获取锁:
- 互斥:确保只能有一个线程获取锁
- 非阻塞:尝试一次,成功返回true,失败返回false
#添加锁利用setnx的互斥特性
SETNX lock thread1
EXPIRE lock 10
#万一在设置时间前服务宕机,超时时间设置失败。为了确保同时,使用一条指令设置锁和过期时间
SET lock thread1 ex 10 nx
- 释放锁
- 手动释放
- 超时释放:获取锁时添加一个超时时间
DEL key
需求:定义一个类,实现下面接口,利用Redis实现分布式锁功能。
public interface ILock {
/**
* 尝试获取锁
* @param timeoutSec 锁持有的超时时间,过期后自动释放
* @return true代表获取锁成功;false代表获取锁失败
*/
boolean tryLock(long timeoutSec);
/**
* 释放锁
*/
void unlock();
}
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:";
@Override
public boolean tryLock(long timeoutSec) {
//获取线程标识
long threadId = 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() {
stringRedisTemplate.delete(KEY_PREFIX + name);
}
}
修改原本业务代码
Long userId = UserHolder.getUser().getId();
//创建锁对象
SimpleRedisLock lock = new SimpleRedisLock("ooder" + userId, stringRedisTemplate);
//获取锁
boolean isLock = lock.tryLock(1200);
//判断是否获取锁成功
if (!isLock){
//获取锁失败,返回错误后者重试
return Result.fail("同一个用户不可以重复下单");
}
try {
//获取代理对象
IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
return proxy.createVoucherOrder(voucherId);
}finally {
lock.unlock();
}
上述问题
线程一获取锁后发生业务堵塞,时间超过的设置的过期时间,超时释放,让线程二获取锁执行业务,这时线程一的业务完成,释放锁,释放的是线程二的锁
解决:在释放锁之前判断锁的标识是否一致
需求:修改之前的分布式锁实现,满足:
1.获取锁时存入线程标示(可以用UUID表示)
2.释放锁时先获取锁中的线程标示,判断是否与当前线程标示是否一致
- 如果一致则释放锁
- 如果不一致则不释放锁
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) + "-";
@Override
public boolean tryLock(long timeoutSec) {
//获取线程标识
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() {
//获取线程标识
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)){
stringRedisTemplate.delete(KEY_PREFIX + name);
}
}
}
(判断锁标示是否一致和释放锁是两个步骤)在线程一判断是自己的锁标示后,准备释放锁时发生了堵塞,线程二获取锁执行业务,线程一结束堵塞后,删除的是线程二的锁
Redis的Lua脚本
在一个脚本中编写多个指令,确保多条指令执行的原子性。
如果脚本中的key、value不想写死,可以作为参数传递。key类型参数会放到KEYS数组,其他参数会放入ARGV数组,在脚本中可以从KEYS和ARGB数组获取这些参数:
释放锁的业务流程:
1.获取锁中的线程标识
2.判断是否与指定的标示(当前线程标示)一致
3.如果一致则释放锁(删除)
4.如果不一致则什么也不做
如果用Lua脚本来标示是这样的:
再次改进Lua脚本实现分布式锁
需求:基于Lua脚本实现分布式锁的释放锁逻辑
基于Redis的分布式锁实现思路:
- 利用set nx ex 获取锁,并设置过期时间,保存线程标示
- 释放锁时先判断线程标示是否与自己一致,一致则删除锁
特性 - 利用set nex满足互斥性
- 利用set ex保证故障时依然能释放,避免死锁,提高安全性
- 利用Redis集群保证高可用和高并发特性
3.5.2基于Redis的分布式锁优化
基于set nx实现的分布式存在下面的问题:
Redisson入门
1.引依赖
<dependency>
<groupId>org.redisson</groupId>
<artifactId>redisson</artifactId>
<version>3.13.6</version>
</dependency>
2.配置Redisson客服端:
@Configuration
public class RedissonConfig {
@Bean
public RedissonClient redissonClient(){
//配置类
Config config = new Config();
config.useSingleServer().setAddress("redis://106.55.251.245:6379").setPassword("123321");
return Redisson.create(config);
}
}
3.使用Redisson的分布式锁
Redisson可重入锁原理
Redis分布式原理:
可重入:利用hash结构记录线程id和重入次数
可重试:利用信号量和PubSub功能实现等待、唤醒、获取锁失败的重试机制
超时续约:利用watchDog,每隔一段时间(releaseTime/3),重置超时时间
Redisson分布式锁主从一致性问题
3.6Redis优化秒杀
改进秒杀业务,提高并发性能
需求:
①新增秒杀优惠券的同时,将优惠券信息保存到Redis中
②基于Lua脚本,判断秒杀库存、一人一单,决定用户是否抢购成功
--1.1优惠券id
local voucherId = ARGV[1]
--1.2用户id
local userId = ARGV[2]
--2.数据key
--2.1库存key
local stockKey = 'seckill:stock:' .. voucherId
--2.2订单key
local orderKey = 'seckill:order:' .. voucherId
--3.脚本业务
--3.1判断库存是否充足get stockKey
if(tonumber(redis.call('get', stockKey)) <=0) then
--3.2库存不足,返回1
return 1
end
--3.3判断用户是否下单SISMEMBER orderKey userId
if(redis.call('sismember', orderKey,userId) == 1) then
--3.4存在,说明重复下单,返回2
return 2
end
--3.5下单(保存用户)sadd orderKey userId
redis.call('sadd', orderKey,userId)
③如果成功,将优惠券id和用户id封装后存入堵塞队列
@Override
public Result seckillVoucher(Long voucherId) {
//获取用户
Long userId = UserHolder.getUser().getId();
//1.执行lua脚本
Long result = stringRedisTemplate.execute(
SECKILL_SCRIPT,
Collections.emptyList(),
voucherId.toString(), userId.toString()
);
//2.判断结果是否为0
int r = result.intValue();
if(r != 0){
//2.1不为0,代表没有购买资格
return Result.fail(r == 1 ? "库存不足" : "不能重复下单");
}
//2.2为0,有购买资格,把下单信息保存到阻塞队列
VoucherOrder voucherOrder = new VoucherOrder();
//2.3订单id
long orderId = redisIdWorker.nextId("order");
voucherOrder.setId(orderId);
//2.4用户id
voucherOrder.setUserId(userId);
//2.5代金券id
voucherOrder.setVoucherId(voucherId);
save(voucherOrder);
//2.6放入阻塞队列
orderTasks.add(voucherOrder);
//3.获取代理对象
proxy = (IVoucherOrderService) AopContext.currentProxy();
//4.返回订单id
return Result.ok(orderId);
}
④开启线程任务,不断从堵塞队列中获取信息,实现异步下单功能
private static final DefaultRedisScript<Long> SECKILL_SCRIPT;
static {
SECKILL_SCRIPT = new DefaultRedisScript<>();
SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));
SECKILL_SCRIPT.setResultType(Long.class);
}
private BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024);
private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();
@PostConstruct
private void init(){
SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderHandler());
}
private class VoucherOrderHandler implements Runnable{
@Override
public void run() {
while (true){
try {
//1.获取队列中的订单信息
VoucherOrder voucherOrder = orderTasks.take();
//2.创建订单
handleVoucherOrder(voucherOrder);
} catch (Exception e) {
log.error("处理订单异常",e);
}
}
}
}
@Transactional
public void createVoucherOrder(VoucherOrder voucherOrder) {
//5.一人一单
Long userId = voucherOrder.getUserId();
//5.1查询订单
int count = query().eq("user_id", userId).eq("voucher_id", voucherOrder.getVoucherId()).count();
//5.2判断是否存在
// if (count > 1) {
// //该用户下过单
// log.error("用户已经购买过一次");
// return;
// }
//6.扣减库存
boolean success = iSeckillVoucherService.update()
.setSql("stock = stock - 1")
.eq("voucher_id", voucherOrder.getVoucherId()).gt("stock", 0)
.update();
if (!success) {
log.error("库存不足");
return;
}
save(voucherOrder);
}