2022黑马Redis跟学笔记.实战篇 五
4.5 Redis实现秒杀优化
4.5.1 基于Redis实现秒杀减库存
6.1 秒杀优化-异步秒杀思路
我们来回顾一下下单流程
当用户发起请求，此时会请求nginx，nginx会访问到tomcat，而tomcat中的程序，会进行串行操作，分成如下几个步骤
1、查询优惠卷
2、判断秒杀库存是否足够
3、查询订单
4、校验是否是一人一单
5、扣减库存
6、创建订单
在这六步操作中，又有很多操作是要去操作数据库的，而且还是一个线程串行执行， 这样就会导致我们的程序执行的很慢，所以我们需要异步程序执行，那么如何加速呢？
在这里笔者想给大家分享一下课程内没有的思路，看看有没有小伙伴这么想，比如，我们可以不可以使用异步编排来做，或者说我开启N多线程，N多个线程，一个线程执行查询优惠卷，一个执行判断扣减库存，一个去创建订单等等，然后再统一做返回，这种做法和课程中有哪种好呢？答案是课程中的好，因为如果你采用我刚说的方式，如果访问的人很多，那么线程池中的线程可能一下子就被消耗完了，而且你使用上述方案，最大的特点在于，你觉得时效性会非常重要，但是你想想是吗？并不是，比如我只要确定他能做这件事，然后我后边慢慢做就可以了，我并不需要他一口气做完这件事，所以我们应当采用的是课程中，类似消息队列的方式来完成我们的需求，而不是使用线程池或者是异步编排的方式来完成这个需求。
优化方案：我们将耗时比较短的逻辑判断放入到redis中，比如是否库存足够，比如是否一人一单，这样的操作，只要这种逻辑可以完成，就意味着我们是一定可以下单完成的，我们只需要进行快速的逻辑判断，根本就不用等下单逻辑走完，我们直接给用户返回成功， 再在后台开一个线程，后台线程慢慢的去执行queue里边的消息，这样程序不就超级快了吗？而且也不用担心线程池消耗殆尽的问题，因为这里我们的程序中并没有手动使用任何线程池，当然这里边有两个难点：
第一个难点是我们怎么在redis中去快速校验一人一单，还有库存判断。
第二个难点是由于我们校验和tomct下单是两个线程，那么我们如何知道到底哪个单他最后是否成功，或者是下单完成，为了完成这件事我们在redis操作完之后，我们会将一些信息返回给前端，同时也会把这些信息丢到异步queue中去，后续操作中，可以通过这个id来查询我们tomcat中的下单逻辑是否完成了。
我们现在来看看整体思路：当用户下单之后，判断库存是否充足只需要导redis中去根据key找对应的value是否大于0即可，如果不充足，则直接结束，如果充足，继续在redis中判断用户是否可以下单，如果set集合中没有这条数据，说明他可以下单，如果set集合中没有这条记录，则将userId和优惠卷存入到redis中，并且返回0，整个过程需要保证是原子性的，我们可以使用lua来操作。
当以上判断逻辑走完之后，我们可以判断当前redis中返回的结果是否是0 ，如果是0，则表示可以下单，则将之前说的信息存入到到queue中去，然后返回，然后再来个线程异步的下单，前端可以通过返回的订单id来判断是否下单成功。
4.5.2 基于Redis的一人一单限制
需求：
-
- 新增秒杀优惠券的同时，将优惠券信息保存到Redis中。
-
- 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。
-
- 如果抢购成功，将优惠券id和用户id封装后存入阻塞队列。
-
- 开启线程任务，不断从阻塞队列中获取信息，实现异步下单功能。
修改VoucherServiceImpl
@Service
public class VoucherServiceImpl extends ServiceImpl<VoucherMapper, Voucher> implements IVoucherService {
@Resource
private ISeckillVoucherService seckillVoucherService;
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryVoucherOfShop(Long shopId) {
// 查询优惠券信息
List<Voucher> vouchers = getBaseMapper().queryVoucherOfShop(shopId);
// 返回结果
return Result.ok(vouchers);
}
@Override
@Transactional(rollbackFor = {})
public void addSeckillVoucher(Voucher voucher) {
// 保存优惠券
save(voucher);
// 保存秒杀信息
SeckillVoucher seckillVoucher = new SeckillVoucher();
seckillVoucher.setVoucherId(voucher.getId());
seckillVoucher.setStock(voucher.getStock());
seckillVoucher.setBeginTime(voucher.getBeginTime());
seckillVoucher.setEndTime(voucher.getEndTime());
seckillVoucherService.save(seckillVoucher);
// 保存秒杀库存到Redis中(永久保存即可)
// key seckill:stock: + voucherId
// value 库存
stringRedisTemplate.opsForValue().set(RedisConstants.SECKILL_STOCK_KEY + voucher.getId(), seckillVoucher.getStock().toString());
}
}
修改完之后打开PostMan
json如下：
{
"shopId": 1,
"title":"200元代金券",
"subTitle":"周一至周五均可使用",
"rules":"全场通用\\n无需预约\\n可无限叠加\\不兑现、不找零\\n仅限堂食",
"payValue":16000,
"actualValue": 20000,
"type": 1,
"stock": 100,
"beginTime": "2023-01-26T10:09:17",
"endTime": "2023-03-26T23:09:04"
}
点击send之后
查看redis，秒杀券添加成功
完整lua表达式
新建seckill
-- 1.参数列表
-- 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 stockKet
if (tonumber(redis.call('get', stockKey)) <= 0) then
-- 库存不足返回1
return 1
end
-- 3.2 判断用户是否下单 SISMEMBER orderKey userId
if (redis.call('sismember', orderKey, userId) == 1) then
-- 3.3 存在，说明重复下单
return 2
end
-- 3.4 扣库存 incrby stockKey -1
redis.call('incrby', stockKey, -1)
-- 3.5 下单 (保存用户) sadd orderKey userId
redis.call('sadd', orderKey, userId)
return 0
当以上lua表达式执行完毕后，剩下的就是根据步骤3,4来执行我们接下来的任务了。
修改VoucherOrderServiceImpl
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Autowired
private ISeckillVoucherService iSeckillVoucherService;
@Autowired
private RedisWorker redisWorker;
@Resource
StringRedisTemplate stringRedisTemplate;
@Resource
private RedissonClient redissonClient;
private static final DefaultRedisScript<Long> SECKILL_SCRIPT;
static {
SECKILL_SCRIPT = new DefaultRedisScript<>();
SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));
SECKILL_SCRIPT.setResultType(Long.class);
}
/**
* @param
* @return com.hmdp.dto.Result
* @description // 秒杀优惠券(优化Lua脚本)
* @param: voucherId
* @date 2023/2/17 1:43
* @author wty
**/
@Override
public Result seckillVoucher(Long voucherId) {
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
if (result.intValue() != 0) {
// 2.1 不为0 说明没有购买资格
return Result.fail(result == 1 ? "优惠券已售罄，感谢参与！" : "您已经购买过该优惠券，优惠券限制每人仅购买一次！");
}
// 2.2 为0 说明 存在购买资格，把下单信息保存到阻塞队列中
long orderId = redisWorker.nextID(RedisConstants.VOUVHER_ORDER_KEY);
// TODO 保存到阻塞队列
// 3.返回订单信息
return Result.ok(orderId);
}
}
重启应用
使用PostMan发送请求
下单成功，看Redis,用户id插入
库存成功写入
在PostMan中再点击一次
4.5.3 基于阻塞队列的异步下单
VoucherOrderServiceImpl
修改下单动作，现在我们去下单时，是通过lua表达式去原子执行判断逻辑，如果判断我出来不为0 ，则要么是库存不足，要么是重复下单，返回错误信息，如果是0，则把下单的逻辑保存到队列中去，然后异步执行。
修改VoucherOrderServiceImpl.java
注意:createVoucherOrderThread方法和handleVoucherOrder方法取userId一定要从VoucherOrder类的getId()方法中取，不然会报错java.lang.NullPointerException
@Slf4j
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Autowired
private ISeckillVoucherService iSeckillVoucherService;
@Autowired
private RedisWorker redisWorker;
@Resource
StringRedisTemplate stringRedisTemplate;
@Resource
private RedissonClient redissonClient;
private static final DefaultRedisScript<Long> SECKILL_SCRIPT;
static {
SECKILL_SCRIPT = new DefaultRedisScript<>();
SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));
SECKILL_SCRIPT.setResultType(Long.class);
}
/**
* 阻塞队列
*/
private BlockingQueue<VoucherOrder> blockingQueue = new ArrayBlockingQueue<>(1024 * 1024);
/**
* 线程池
*/
ExecutorService fixedThreadPool = CacheClient.newFixedThreadPool(1);
private IVoucherOrderService proxy;
// 保证一加载就执行该方法
@PostConstruct
private void init() {
fixedThreadPool.submit(new Runnable() {
@Override
public void run() {
while (true) {
try {
// 1.获取队列中的订单信息 take是阻塞方法，获取队列头部，如果需要则等待直到元素可用
VoucherOrder voucherOrder = blockingQueue.take();
// 2.创建订单
handleVoucherOrder(voucherOrder);
} catch (Exception e) {
log.error("处理订单异常:" + e.getMessage());
}
}
}
/**
* @description //处理订单
*
* @param
* @param: voucherOrder
* @return void
* @date 2023/2/17 9:56
* @author wty
**/
private void handleVoucherOrder(VoucherOrder voucherOrder) {
// 1.创建锁对象
Long userId = voucherOrder.getUserId();
// 2.创建锁对象
RLock lock = redissonClient.getLock(RedisConstants.LOCK_VOUVHER_ORDER_KEY + userId);
// 3.获取锁
boolean flag = lock.tryLock();
// 4.判断锁是否获取成功
if (!flag) {
// 4.1 获取锁失败
log.error("不允许重复下单！");
return;
}
try {
proxy.createVoucherOrderThread(voucherOrder);
} finally {
lock.unlock();
}
}
});
}
/**
* @param
* @return com.hmdp.dto.Result
* @description // 秒杀优惠券(优化Lua脚本)
* @param: voucherId
* @date 2023/2/17 1:43
* @author wty
**/
@Override
public Result seckillVoucher(Long voucherId) {
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
if (result.intValue() != 0) {
// 2.1 不为0 说明没有购买资格
return Result.fail(result == 1 ? "优惠券已售罄，感谢参与！" : "您已经购买过该优惠券，优惠券限制每人仅购买一次！");
}
// 2.2 为0 说明 存在购买资格，把下单信息保存到阻塞队列中
// 订单ID
long orderId = redisWorker.nextID(RedisConstants.VOUVHER_ORDER_KEY);
// 2.3 保存到阻塞队列 优惠券ID 用户ID 订单ID
VoucherOrder voucherOrder = new VoucherOrder();
voucherOrder.setVoucherId(voucherId);
voucherOrder.setUserId(userId);
voucherOrder.setId(orderId);
// 2.4获取代理对象(事务)
Object o = AopContext.currentProxy();
IVoucherOrderService proxy = (IVoucherOrderService) o;
// 2.5 放入阻塞队列
blockingQueue.add(voucherOrder);
// 3.返回订单信息
return Result.ok(orderId);
}
/**
* @param
* @return com.hmdp.dto.Result
* @description //根据优惠券id和用户id查询订单 减少库存生成订单
* @param: voucherId
* @date 2023/2/15 22:12
* @author wty
**/
@Override
@Transactional(rollbackFor = {})
public void createVoucherOrderThread(VoucherOrder voucherOrder) {
Long userID = voucherOrder.getId();
// 5.实现1人1单加入逻辑：根据优惠券id和用户id查询订单
// 5.1查询订单,并不用查询出具体的值，而是查询出数量即可
Integer count = query().eq("user_id", userID).eq("voucher_id", voucherOrder.getVoucherId()).count();
// 5.2判断订单是否存在
if (count > 0) {
// 5.2.1 存在就返回异常结果
log.error("秒杀优惠券每人限购1张,感谢配合,本优惠券最终解释权归ty公司所有!");
//return Result.fail("秒杀优惠券每人限购1张,感谢配合,本优惠券最终解释权归ty公司所有!");
}
// 5.2.2 不存在再减少库存
// 6.1扣减库存(会出现超卖问题)
// update tb_seckill_voucher set stock = stock -1 where voucher_id = ?
/*boolean result = iSeckillVoucherService.update()
.setSql("stock = stock -1")
.eq("voucher_id", voucherId).update();*/
// 6.2扣减库存(针对超卖问题用乐观锁CAS解决)
// update tb_seckill_voucher set stock = stock -1 where voucher_id = ? and stock = ?
/*boolean result = iSeckillVoucherService.update()
.setSql("stock = stock - 1")
.eq("voucher_id", voucherId)
.eq("stock", stock)
.update();*/
// 6.3扣减库存(针对使用乐观锁CAS，没卖完解决)
// update tb_seckill_voucher set stock = stock -1 where voucher_id = ? and stock > 0
boolean result = iSeckillVoucherService.update()
.setSql("stock = stock - 1")
.eq("voucher_id", voucherOrder.getVoucherId())
.gt("stock", 0)
.update();
if (!result) {
log.error("商品已经售罄!");
//return Result.fail("商品已经售罄!");
}
// 7.创建订单
/**
* 获取订单id
*/
long orderId = redisWorker.nextID(RedisConstants.VOUVHER_ORDER_KEY);
// 将订单信息保存到数据库
// insert into tb_voucher_order values ()
save(voucherOrder);
//8.返回订单id
//return Result.ok(orderId);
}
}
数据库和redis中库存更改为200
删除redis和数据库中的订单
点击PostMan中的send
查看redis，发现新产生订单
发现库存扣减
再看数据库，产生新订单
库存扣减
再次点击send
看到redis和数据库也没有变化，说明成功了。
小总结：
秒杀业务的优化思路是什么？
- 先利用Redis完成库存余量、一人一单判断，完成抢单业务
- 再将下单业务放入阻塞队列，利用独立线程异步下单
基于阻塞队列的异步秒杀存在哪些问题？
- 内存限制问题
- 数据安全问题
4.6 秒杀的异步优化
4.6.1.基于消息队列的异步下单思路
- Redis消息队列-认识消息队列
什么是消息队列：字面意思就是存放消息的队列。最简单的消息队列模型包括3个角色：
- 消息队列：存储和管理消息，也被称为消息代理（Message Broker）
- 生产者：发送消息到消息队列
- 消费者：从消息队列获取消息并处理消息
使用队列的好处在于 **解耦：**所谓解耦，举一个生活中的例子就是：快递员(生产者)把快递放到快递柜里边(Message Queue)去，我们(消费者)从快递柜里边去拿东西，这就是一个异步，如果耦合，那么这个快递员相当于直接把快递交给你，这事固然好，但是万一你不在家，那么快递员就会一直等你，这就浪费了快递员的时间，所以这种思想在我们日常开发中，是非常有必要的。
这种场景在我们秒杀中就变成了：我们下单之后，利用redis去进行校验下单条件，再通过队列把消息发送出去，然后再启动一个线程去消费这个消息，完成解耦，同时也加快我们的响应速度。
这里我们可以使用一些现成的mq，比如kafka，rabbitmq等等，但是呢，如果没有安装mq，我们也可以直接使用redis提供的mq方案，降低我们的部署和学习成本。
4.6.2.基于List结构的消息队列
消息队列（Message Queue），字面意思就是存放消息的队列。而Redis的list数据结构是一个双向链表，很容易模拟出队列效果。
队列是入口和出口不在一边，因此我们可以利用：LPUSH 结合 RPOP、或者 RPUSH 结合 LPOP来实现。
不过要注意的是，当队列中没有消息时RPOP或LPOP操作会返回null，并不像JVM的阻塞队列那样会阻塞并等待消息。因此这里应该使用BRPOP或者BLPOP来实现阻塞效果。
基于List的消息队列有哪些优缺点？
优点：
- 利用Redis存储，不受限于JVM内存上限
- 基于Redis的持久化机制，数据安全性有保证
- 可以满足消息有序性
缺点：
- 无法避免消息丢失
- 只支持单消费者
示例BRPOP，BLPOP:
打开命令窗口1
BRPOP letme 20
打开命令窗口2
LPUSH letme 47 48
看到此时的命令窗口1，取到了第一个值47
那如果我们想取到第2个值呢，我们在命令窗口1继续重复上个命令
BRPOP letme 20
4.6.3.基于PubSub的消息队列
PubSub（发布publish订阅subscribe）是Redis2.0版本引入的消息传递模型。顾名思义，消费者可以订阅一个或多个channel，生产者向对应channel发送消息后，所有订阅者都能收到相关消息。
SUBSCRIBE channel [channel] ：订阅一个或多个频道
PUBLISH channel msg ：向一个频道发送消息
PSUBSCRIBE pattern[pattern] ：订阅与pattern格式匹配的所有频道
[注]pattern:通配符
? 一个字符
*0个或者多个
[ab]a或者b
模拟练习一下订阅模式
打开命令窗口1
订阅消息
SUBSCRIBE order.q
打开命令窗口2
订阅消息
PSUBSCRIBE order.*
打开命令窗口3
发布消息
PUBLISH order.q apple
看命令窗口1，接收到消息
看命令窗口2，接收到消息
用命令窗口3，再次发送消息
PUBLISH order.q2 this
发现只有命令窗口2接收到了消息
现在我们把命令窗口1和命令窗口2都给关了，再让命令窗口3发布消息
PUBLISH order.q teacher
发现返回值是0，说明没有任何一个人订阅，这个消息发送后就丢失了。
基于PubSub的消息队列有哪些优缺点？
优点：
- 采用发布订阅模型，支持多生产、多消费
缺点：
- 不支持数据持久化
- 无法避免消息丢失
- 消息堆积有上限，超出时数据丢失
4.6.4.基于stream的消息队列
Stream 是 Redis 5.0 引入的一种新数据类型，可以实现一个功能非常完善的消息队列。
发送消息的命令：
XADD
key -- 键值
NOMKSTREAM -- 如果队列不存在，是否开启创建队列，默认是创建队列
MAXLEN -- 最大消息数量
ID -- 消息的唯一id，如果设置*代表Redis自动生成,格式是"时间戳-递增数字"
field -- 消息体
value -- 消息值
例如：
示例：
xadd s1 * k1 v1
可以通过以下指令查看消息队列中消息的数量
xlen s1
读取消息的方式之一：XREAD
XREAD
count -- 每次读取消息的最大数量
block -- 当前没有消息时，是否阻塞，阻塞时长，0是永久等待
streams keys -- 要从哪个队列中读取消息，key是队列名
ID -- 起始id，只返回大于该ID的消息，其中0代表第一条纤细，$代表最新的消息。
例如，使用XREAD读取第一个消息：
打开命令窗口1
XREAD count 1 STREAMS s1 0
打开命令窗口2
XREAD count 1 STREAMS s1 0
发现也可以读取。
打开命令窗口1，再读一次，发现也可以读
XREAD count 1 STREAMS s1 0
XREAD阻塞方式，读取最新的消息：
打开命令窗口2
XREAD count 1 block 0 STREAMS s2 $
打开命令窗口1
XADD s2 * k2 v2
此时看命令窗口2
在业务开发中，我们可以循环的调用XREAD阻塞方式来查询最新消息，从而实现持续监听队列的效果，伪代码如下
注意：当我们指定起始ID为$时，代表读取最新的消息，如果我们处理一条消息的过程中，又有超过1条以上的消息到达队列，则下次获取时也只能获取到最新的一条，会出现漏读消息的问题。
漏读消息示例：
打开命令窗口2
XREAD count 1 block 0 STREAMS s3 $
打开命令窗口1，先发送1次消息
XADD s3 * k1 v1
此时看命令窗口2，接收到了这1次的消息
打开命令窗口1，紧接着发送多次消息
XADD s3 * k2 v2
XADD s3 * k3 v3
此时再看命令窗口2
XREAD count 1 block 0 STREAMS s3 $
竟然1条消息都没接收到
打开命令窗口1，再发送1条
XADD s3 * k4 v4
此时看命令窗口2，接收到了k4这一条，这使得k2,k3都没有收到，出现消息漏读的问题。
STREAM类型消息队列的XREAD命令特点：
- 消息可回溯
- 一个消息可以被多个消费者读取
- 可以阻塞读取
- 有消息漏读的风险
4.6.5.Redis作为消息队列的3种方式对比
消费者组（Consumer Group）：将多个消费者划分到一个组中，监听同一个队列。具备下列特点：
创建消费者组：
key：队列名称。
groupName：消费者组名称。
ID：起始ID标示，$代表队列中最后一个消息，0则代表队列中第一个消息。
MKSTREAM：队列不存在时自动创建队列。
示例：
创建消费者组
打开命令窗口1
XGROUP CREATE s1 g1 0
其它常见命令：
删除指定的消费者组
XGROUP DESTORY key groupName
给指定的消费者组添加消费者
XGROUP CREATECONSUMER key groupname consumername
删除消费者组中的指定消费者
XGROUP DELCONSUMER key groupname consumername
从消费者组读取消息：
XREADGROUP GROUP group consumer [COUNT count] [BLOCK milliseconds] [NOACK] STREAMS key [key ...] ID [ID ...] >
- group：消费组名称
- consumer：消费者名称，如果消费者不存在，会自动创建一个消费者
- count：本次查询的最大数量
- BLOCK milliseconds：当没有消息时最长等待时间
- NOACK：无需手动ACK，获取到消息后自动确认
- STREAMS key：指定队列名称
- ID：获取消息的起始ID：
“>”：从下一个未消费的消息开始
其它：根据指定id从pending-list中获取已消费但未确认的消息，例如0，是从pending-list中的第1个消息开始。
示例：
打开命令窗口2
读取消费组消息
XREADGROUP GROUP g1 c1 COUNT 1 BLOCK 2000 STREAMS s1 >
打开命令窗口3
读取消费组消息
XREADGROUP GROUP g1 c2 COUNT 1 BLOCK 2000 STREAMS s1 >
在命令窗口3中继续读取
XREADGROUP GROUP g1 c2 COUNT 1 BLOCK 2000 STREAMS s1 >
在命令窗口2中继续读取
XREADGROUP GROUP g1 c1 COUNT 1 BLOCK 2000 STREAMS s1 >
读取了这么多消息都没确认，现在要确认一下
打开命令窗口2
XACK s1 g1 1676624995682-0 1676625002465-0
以上是正常的确认过程，那么遇到特殊情况呢
就需要查看xpending list
打开命令窗口2
XPENDIING s1 g1 - + 10
如果我想看xpending list中的第1条消息
XREADGROUP GROUP g1 c1 COUNT BLOCK 2000 STREAMS s1 0
命令窗口2中再次确认消息
XACK s1 g1 1676619511948-0
此时再读取消息，发现确认过后的消息已经没了
XREADGROUP GROUP g1 c1 COUNT 1 BLOCK 2000 STREAMS s1 0
消费者监听消息的基本思路：
STREAM类型消息队列的XREADGROUP命令特点：
- 消息可回溯
- 可以多消费者争抢消息，加快消费速度
- 可以阻塞读取
- 没有消息漏读的风险
- 有消息确认机制，保证消息至少被消费一次
最后我们来个小对比
4.6.6.基于Stream消息队列实现异步秒杀下单
需求：
- 1.创建一个Stream类型的消息队列，名为stream.orders
- 2.修改之前的秒杀下单Lua脚本，在认定有抢购资格后，直接向stream.orders中添加消息，内容包含voucherId、userId、orderId
- 3.项目启动时，开启一个线程任务，尝试获取stream.orders中的消息，完成下单
打开命令窗口创建Stream类型的消息队列
XGROUP CREATE stream.orders g1 0 MKSTREAM
修改lua表达式,新增3.6
修改后最终为seckill
-- 1.参数列表
-- 1.1优惠券id
local voucherId = ARGV[1]
-- 1.2用户id
local userId = ARGV[2]
-- 1.3订单id
local orderId = ARGV[3]
-- 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 stockKet
if (tonumber(redis.call('get', stockKey)) <= 0) then
-- 库存不足返回1
return 1
end
-- 3.2 判断用户是否下单 SISMEMBER orderKey userId
if (redis.call('sismember', orderKey, userId) == 1) then
-- 3.3 存在，说明重复下单
return 2
end
-- 3.4 扣库存 incrby stockKey -1
redis.call('incrby', stockKey, -1)
-- 3.5 下单 (保存用户) sadd orderKey userId
redis.call('sadd', orderKey, userId)
-- 3.6 发送到消息队列中 VoucherOrder实体类中主键就叫id，所以这里也是id,不要叫orderId
redis.call('xadd', 'stream.orders', '*', 'userId', userId, 'id', orderId, 'voucherId', voucherId)
return 0
修改RedisConstants.java添加
public static final String STREAM_QUEUE_NAME = "stream.orders";
修改VoucherOrderServiceImpl
@Slf4j
@Service
@SuppressWarnings({"all"})
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Autowired
private ISeckillVoucherService iSeckillVoucherService;
@Autowired
private RedisWorker redisWorker;
@Resource
StringRedisTemplate stringRedisTemplate;
@Resource
private RedissonClient redissonClient;
private static final DefaultRedisScript<Long> SECKILL_SCRIPT;
static {
SECKILL_SCRIPT = new DefaultRedisScript<>();
SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));
SECKILL_SCRIPT.setResultType(Long.class);
}
/**
* 阻塞队列
*/
private BlockingQueue<VoucherOrder> blockingQueue = new ArrayBlockingQueue<>(1024 * 1024);
private IVoucherOrderService proxy;
/**
* 线程池
*/
private ExecutorService executorService = CacheClient.newFixedThreadPool(1);
/**
* @PostConstruct 保证一加载就执行该方法
*/
@PostConstruct
private void init() {
//异步处理线程池
executorService.submit(new VoucherOrderHandler());
}
/**
* @param
* @author wty
* @description // 成员内部类
* @param: null
* @return
* @date 2023/2/17 12:39
**/
private class VoucherOrderHandler implements Runnable {
String queueName = RedisConstants.STREAM_QUEUE_NAME;
@Override
public void run() {
while (true) {
try {
// 1.获取队列中的订单信息 XREADGROUP GROUP g1 c1 COUNT 1 BLOCK 2000 STREAMS stream.order >
List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(
Consumer.from("g1", "c1"),
StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2L)),
StreamOffset.create(queueName, ReadOffset.lastConsumed())
);
// 2.判断消息获取是否成功
if (null == list || list.isEmpty()) {
// 2.1如果获取失败，说明没有消息，继续下一次循环
continue;
}
// 3.解析list
MapRecord<String, Object, Object> record = list.get(0);
Map<Object, Object> map = record.getValue();
VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(map, new VoucherOrder(), true);
// 4.如果获取成功，可以下单创建订单
handleVoucherOrder(voucherOrder);
// 5.ACK确认 队列名 组名 消息ID SACK stream.order g1 消息id
stringRedisTemplate.opsForStream().acknowledge(queueName, "g1", record.getId());
} catch (Exception e) {
log.error("处理订单异常:" + e);
handlePendingList();
}
}
}
}
/**
* @param
* @return void
* @description //处理PendingList中的消息
* @date 2023/2/17 18:39
* @author wty
**/
private void handlePendingList() {
String queueName = RedisConstants.STREAM_QUEUE_NAME;
while (true) {
try {
// 1.获取队列中的订单信息 XREADGROUP GROUP g1 c1 COUNT 1 STREAMS stream.order 0
List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(
Consumer.from("g1", "c1"),
StreamReadOptions.empty().count(1),
StreamOffset.create(queueName, ReadOffset.from("0"))
);
// 2.判断消息获取是否成功
if (null == list || list.isEmpty()) {
// 2.1如果获取失败，说明没有消息，结束循环
break;
}
// 3.解析list
MapRecord<String, Object, Object> record = list.get(0);
Map<Object, Object> map = record.getValue();
VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(map, new VoucherOrder(), true);
// 4.如果获取成功，可以下单创建订单
handleVoucherOrder(voucherOrder);
// 5.ACK确认 队列名 组名 消息ID SACK stream.order g1 消息id
stringRedisTemplate.opsForStream().acknowledge(queueName, "g1", record.getId());
} catch (Exception e) {
log.error("处理PendingList订单异常:" + e);
try {
Thread.sleep(20);
} catch (InterruptedException ex) {
ex.printStackTrace();
}
}
}
}
/**
* @param
* @return void
* @description //处理订单
* @param: voucherOrder
* @date 2023/2/17 9:56
* @author wty
**/
private void handleVoucherOrder(VoucherOrder voucherOrder) {
// 1.创建锁对象
Long userId = voucherOrder.getUserId();
// 2.创建锁对象
RLock lock = redissonClient.getLock(RedisConstants.LOCK_VOUVHER_ORDER_KEY + userId);
// 3.获取锁
boolean flag = lock.tryLock();
// 4.判断锁是否获取成功
if (!flag) {
// 4.1 获取锁失败
log.error("不允许重复下单！");
return;
}
try {
proxy.createVoucherOrderThread(voucherOrder);
} finally {
lock.unlock();
}
}
/**
* @param
* @return com.hmdp.dto.Result
* @description // 秒杀优惠券(消息队列+优化Lua脚本)
* @param: voucherId
* @date 2023/2/17 1:43
* @author wty
**/
@Override
public Result seckillVoucher(Long voucherId) {
// 用户ID
Long userId = UserHolder.getUser().getId();
// 订单ID
long orderId = redisWorker.nextID(RedisConstants.VOUVHER_ORDER_KEY);
// 1. 执行Lua脚本
Long result = stringRedisTemplate.execute(
SECKILL_SCRIPT,
Collections.emptyList(),
voucherId.toString(),
userId.toString(),
String.valueOf(orderId)
);
// 2.判断结果是否为0
if (result.intValue() != 0) {
// 2.1 不为0 说明没有购买资格
return Result.fail(result == 1 ? "优惠券已售罄，感谢参与！" : "您已经购买过该优惠券，优惠券限制每人仅购买一次！");
}
// 3.获取代理对象(事务)
Object o = AopContext.currentProxy();
proxy = (IVoucherOrderService) o;
// 4.返回订单信息
return Result.ok(orderId);
}
/**
* @param
* @return com.hmdp.dto.Result
* @description //根据优惠券id和用户id查询订单 减少库存生成订单(方法废弃)
* @param: voucherId
* @date 2023/2/15 22:12
* @author wty
**/
@Override
@Transactional
public Result createVoucherOrder(Long voucherId) {
Long userID = UserHolder.getUser().getId();
// 5.实现1人1单加入逻辑：根据优惠券id和用户id查询订单
// 5.1查询订单,并不用查询出具体的值，而是查询出数量即可
Integer count = query().eq("user_id", userID).eq("voucher_id", voucherId).count();
// 5.2判断订单是否存在
if (count > 0) {
// 5.2.1 存在就返回异常结果
return Result.fail("秒杀优惠券每人限购1张,感谢配合,本优惠券最终解释权归ty公司所有!");
}
// 5.2.2 不存在再减少库存
// 6.1扣减库存(会出现超卖问题)
// update tb_seckill_voucher set stock = stock -1 where voucher_id = ?
/*boolean result = iSeckillVoucherService.update()
.setSql("stock = stock -1")
.eq("voucher_id", voucherId).update();*/
// 6.2扣减库存(针对超卖问题用乐观锁CAS解决)
// update tb_seckill_voucher set stock = stock -1 where voucher_id = ? and stock = ?
/*boolean result = iSeckillVoucherService.update()
.setSql("stock = stock - 1")
.eq("voucher_id", voucherId)
.eq("stock", stock)
.update();*/
// 6.3扣减库存(针对使用乐观锁CAS，没卖完解决)
// update tb_seckill_voucher set stock = stock -1 where voucher_id = ? and stock > 0
boolean result = iSeckillVoucherService.update()
.setSql("stock = stock - 1")
.eq("voucher_id", voucherId)
.gt("stock", 0)
.update();
if (!result) {
return Result.fail("商品已经售罄!");
}
// 7.创建订单
/**
* 获取订单id
*/
long orderId = redisWorker.nextID(RedisConstants.VOUVHER_ORDER_KEY);
VoucherOrder voucherOrder = new VoucherOrder();
voucherOrder.setId(orderId);
voucherOrder.setVoucherId(voucherId);
voucherOrder.setUserId(userID);
// 将订单信息保存到数据库
// insert into tb_voucher_order values ()
save(voucherOrder);
//8.返回订单id
return Result.ok(orderId);
}
}
恢复数据库
UPDATE tb_seckill_voucher SET stock = 200 WHERE voucher_id = 4;
DELETE FROM tb_voucher_order;
恢复redis库存
重启应用
看redis
查看数据库
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
