接口幂等性

接口幂等性

什么是幂等性

接口幂等性就是用户对同一操作发起的一次请求和多次请求结果是一致的，不会因为多次点击而产生了副作用，比如支付场景，用户购买了商品，支付扣款成功，但是返回结果的时候出现了网络异常，此时钱已经扣了，用户再次点击按钮，此时就会进行第二次扣款，返回结果成功，用户查询余额发现多扣钱了，流水记录也变成了两条。。。这就没有保证接口幂等性

哪些情况需要防止

• 用户多次点击按钮
• 用户页面回退再次提交
• 微服务相互调用，由于网络问题，导致请求失败，feign触发重试机制
• 其他业务情况

什么情况需要幂等

以 SQL 为例，有些操作时天然幂等的

• SELECT * FROM table WHERE id =? 无论执行多少次都不会改变状态是天然的幂等

• UPDATE tab1 SET col1=1 WHERE col2=2 无论执行成功多少状态都是一致的，也是幂等操作

• delete from user where userid=1 多次操作，结果一样，具备幂等性

• insert into user(userid,name) values(1,’ a’ ) 如果userid为唯一主键，即重复上面的业务，只会插入一条用户记录，具备幂等性

有些则不是

• UPDATE tab1 SET col1=col1 1 WHERE col2=2,每次执行的结果都会发生变化，不是幂等的。

• insert into user(userid,name) values(,a")如userid不是主键，可以重复，那上面业务多次操作，数据都会新增多条，不具备幂等性。

幂等性解决方案

Token机制

1. 服务端提供了发送Token的接口，我们在分析业务的时候，哪些业务是存在幂等性问题的，就必须在执行业务前，先获取Token，服务器会把Token存在Redis中
2. 然后调用业务接口请求时， 把 token 携带过去，一般放在请求头部
3. 服务器判断 token 是否存在 redis，存在表示第一次请求，然后删除 token，继续执行业务
4. 如果判断 token 不存在 redis 中，就表示重复操作，直接返回重复标记给 client，这样就保证了业务代码，不被重复执行

危险性

1. 先删除 token 还是后删除 token：

   1. 先删除可能导致，业务确实没有执行，重试还得带上之前的 token, 由于防重设计导致，请求还是不能执行
   2. 后删除可能导致，业务处理成功，但是服务闪断，出现超时，没有删除掉token，别人继续重试，导致业务被执行两次
   3. 我们最后设计为先删除 token，如果业务调用失败，就重新获取 token 再次请求

2. Token 获取，比较 和删除 必须是原子性

   1. redis.get（token），token.equals、redis.del（token）,如果说这两个操作都不是原子，可能导致，在高并发下，都 get 同样的数据，判断都成功，继续业务并发执行

   2. 可以在 redis 使用 lua 脚本完成这个操作

      “if redis.call(‘get’,KEYS[1]) == ARGV[1] then return redis.call(‘del’,KEYS[1]) else return 0 end”

各种锁机制

数据库悲观锁

select * from xxx where id = 1 for update;

for update 查询的时候锁定这条记录 别人需要等待

悲观锁使用的时候一般伴随事务一起使用，数据锁定时间可能会很长，需要根据实际情况选用，另外需要注意的是，id字段一定是主键或唯一索引，不然可能造成锁表的结果，处理起来会非常麻烦

数据库乐观锁

这种方法适合在更新的场景中

update t_goods set count = count - 1,version = version 1 where good_id = 2 and version = 1

根据 version 版本，也就是在操作数据库存前先获取当前商品的 version 版本号，然后操作的时候带上 version 版本号，我们梳理下，我们第一次操作库存时，得到 version 为 1，调用库存服务 version = 2，但返回给订单服务出现了问题，订单服务又一次调用了库存服务，当订单服务传的 version 还是 1，再执行上面的sql 语句 就不会执行，因为 version 已经变成 2 了，where 条件不成立，这样就保证了不管调用几次，只会真正处理一次，乐观锁主要使用于处理读多写少的问题

业务层分布式锁

如果多个机器可能在同一时间处理相同的数据，比如多台机器定时任务拿到了相同的数据，我们就可以加分布式锁，锁定此数据，处理完成后后释放锁，获取锁必须先判断这个数据是否被处理过

各种唯一键约束

数据库唯一约束

插入数据，应该按照唯一索引进行插入，比如订单号，相同订单就不可能有两条订单插入，我们在数据库层面防止重复

这个机制利用了数据库的主键唯一约束的特性，解决了 insert场景时幂等问题，但主键的要求不是自增的主键，这样就需要业务生成全局唯一的主键 如果是分库分表场景下，路由规则要保证相同请求下，落地在同一个数据库和同一表中，要不然数据库主键约束就不起效果了，因为是不同的数据库和表主键不相关

Redis SET防重

很多数据需要处理，只能被处理一次，比如我们可以计算数据的 MD5 将其放入 redis 的set,每次处理数据，先看这个 MD5 是否已经存在，存在就不处理

防重表

使用订单表 orderNo 做为去重表的唯一索引，把唯一索引插入去重表，再进行业务操作，且他们在同一个事务中，这样就保证了重复请求时，因为去重表有唯一约束，导致请求失败，避免了幂等性等问题，去重表和业务表应该在同一个库中，这样就保证了在同一个事务，即使业务操作失败，也会把去重表的数据回滚，这个很好的保证了数据的一致性， redis防重也算

全局唯一ID

调用接口时，生成一个唯一的id，redis 将数据保存到集合中（去重），存在即处理过，可以使用 nginx 设置每一个请求一个唯一id

proxy_set_header X-Request-Id $Request_id