本文只针对单体应用的高并发导致超卖的处理方案。
超卖是指商品本来只有固定的数量比如10个,但是在某一时刻有大量的并发请求涌入,导致商品卖出去了比如100个,这就是超卖现象。
本文以7种方案来实现减库存操作,然后分析每个方案有什么问题,哪个方案可以解决超卖。
场景设计
创建数据库:
create database mytest charset=utf8;
复制代码
创建一个商品表:
USE mytest;
DROP TABLE IF EXISTS `tb_product`;
CREATE TABLE `tb_product` (
`id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键id',
`name` varchar(64) NOT NULL COMMENT '用户名,唯一',
`price` decimal(10, 2) NOT NULL DEFAULT 0.00 COMMENT '价格',
`stock` int(10) NOT NULL DEFAULT 0 COMMENT '库存',
PRIMARY KEY (`id`) USING BTREE,
) ENGINE = InnoDB CHARACTER SET = utf8;
复制代码
然后插入一条数据:
INSERT INTO `mytest`.`tb_product`(`id`, `name`, `price`, `stock`) VALUES (1, 'iPhone6S', 5000.00, 1);
复制代码
现在,我们有了一个商品,且它的库存stock是1,即只有一个。
JMeter模拟高并发
JMeter可以模拟高并发场景,具体的使用请看我的这篇文章:JMeter的下载和使用
模拟一下子进来500个请求。
方案一(事务)
先来看看一个商品减库存函数,分析在高并发下会出现的问题:
/**
* 简单的减库存操作,不支持高并发
* @author cc
* @date 2021-12-30 15:04
*/
@Transactional(rollbackFor = Exception.class)
public void sampleSale(Long productId) {
TbProduct product = productDao.selectByPrimaryKey(productId);
if (product == null) {
throw new RuntimeExcepti