分布式锁1：5种方案解决商品超卖的方案的优缺点

一 分布式锁

1.1 分布式锁的作用

在多线程高并发场景下，为了保证资源的线程安全问题，jdk为我们提供了synchronized关键字和ReentrantLock可重入锁，但是它们只能保证一个工程内的线程安全。在分布式集群、微服务、云原生横行的当下，如何保证不同进程、不同服务、不同机器的线程安全问题。jdk并没有给我们提供既有的解决方案。需要自己通过编写方案来解决，目前主流的实现有以下方式：

1. 基于mysql关系型实现

2. 基于redis非关系型数据实现

3. 基于zookeeper/etcd实现

1.2  四种方案的比较

性能：一个sql > 悲观锁 > jvm锁 > 乐观锁

如果追求极致性能、业务场景简单并且不需要记录数据前后变化的情况下。 优先选择：一个sql

如果写并发量较低（多读），争抢不是很激烈的情况下优先选择：乐观锁

如果写并发量较高，一般会经常冲突，此时选择乐观锁的话，会导致业务代码不间断的重试。​ 优先选择：mysql悲观锁

不推荐jvm本地锁。

代码地址： https://gitee.com/jurf-liu/distributed-lock.git

二  模拟单体应用订单超卖现象

2.1 工程结构

2.2 编写工程代码

1.pom文件

  <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <version>5.1.46</version>
        </dependency>

        <dependency>
            <groupId>com.baomidou</groupId>
            <artifactId>mybatis-plus-boot-starter</artifactId>
            <version>3.4.1</version>
        </dependency>

        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <version>1.18.16</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-devtools</artifactId>
            <version>2.3.12.RELEASE</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
            <exclusions>
                <exclusion>
                    <groupId>org.junit.vintage</groupId>
                    <artifactId>junit-vintage-engine</artifactId>
                </exclusion>
            </exclusions>
        </dependency>

2.配置文件

server.port=9999
spring.datasource.driver-class-name=com.mysql.jdbc.Driver
spring.datasource.url=jdbc:mysql://localhost:3306/fenbu_lock?characterEncoding=utf-8&useSSL=true
spring.datasource.username=root
spring.datasource.password=cloudiip
redis.host=172.16.116.100

 3.controller

@RestController
public class StockController {

    @Autowired
    private StockService stockService;

    @GetMapping("stock/deduct")
    public String deduct(){
       // this.stockService.deduct();
        this.stockService.deductByMsqlDb();
        return "hello stock deduct！！";
    }

}

4.service

@Service
public class StockService {
    @Autowired
    private StockMapper stockMapper;
    private Stock stock = new Stock();

    private ReentrantLock lock = new ReentrantLock();

    public void deduct(){
//        lock.lock();
//        try {
//            stock.setStock(stock.getStock() - 1);
//            System.out.println("库存余量：" + stock.getStock());
//        } finally {
//            lock.unlock();
//        }
    }
    public void deductByMsqlDb(){
        // 先查询库存是否充足
        Stock stock = this.stockMapper.selectById(1L);

        // 再减库存
        if (stock != null && stock.getCount() > 0){
            stock.setCount(stock.getCount() - 1);
            this.stockMapper.updateById(stock);
        }
    }

}

5.mapper

@Mapper
public interface StockMapper extends BaseMapper<Stock> {
}

6.启动类

@SpringBootApplication
@MapperScan("com.atguigu.distributed.lock.mapper")
public class DistributedLockApplication {

    public static void main(String[] args)
    {
        SpringApplication.run(DistributedLockApplication.class, args);
        System.out.println("========================启动成功==========");
    }

}

7.pojo类

@Data
@TableName("db_stock")
public class Stock {
    @TableId
    private Long id;

    private String productCode;

    private String stockCode;

    private Integer count;
   // private Integer stock = 5000;
}

8.附件数据表

1.新建一个数据库，附件数据表，如图

2.脚本文件

CREATE TABLE `db_stock` (
  `id` bigint(20) NOT NULL AUTO_INCREMENT,
  `product_code` varchar(255) DEFAULT NULL COMMENT '商品编号',
  `stock_code` varchar(255) DEFAULT NULL COMMENT '仓库编号',
  `count` int(11) DEFAULT NULL COMMENT '库存量',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8;

2.3 测试验证

http://localhost:9999/stock/deduct

查看数据库

2.4 jmeter模拟并发访问

2.4.1 启动jmeter

 2.4.2 配置jmeter

1.添加线程组

并发100循环50次，即5000次请求。  

3.给线程组添加HTTP Request请求：

4.将接口地址：http://localhost:9999/stock/deduct  配置到下面

 5.再选择你想要的测试报表，例如这里选择聚合报告：

6.启动测试，查看压力测试报告：

7. 参数api说明如下：

1.Label 取样器别名，如果勾选Include group name ，则会添加线程组的名称作为前缀

# Samples 取样器运行次数

Average 请求（事务）的平均响应时间

Median 中位数

90% Line 90%用户响应时间

95% Line 90%用户响应时间

99% Line 90%用户响应时间

Min 最小响应时间

Max 最大响应时间

Error 错误率

Throughput 吞吐率

Received KB/sec 每秒收到的千字节

Sent KB/sec 每秒收到的千字节

测试结果：请求总数5000次，平均请求时间129ms，中位数（50%）请求是在36ms内完成的，错误率0%，每秒钟平均吞吐量716.7次。

结论：此时如果还有人来下单，就会出现超卖现象（别人购买成功，而无货可发）。

三 方案1：使用jvm的本地锁解决冲突

3.1 原理

添加synchronized关键字之后，StockService就具备了对象锁，由于添加了独占的排他锁，同一时刻只有一个请求能够获取到锁，并减库存。此时，所有请求只会one-by-one执行下去，也就不会发生超卖现象。

3.2 操作

用jvm锁（synchronized关键字或者ReetrantLock）试试：

2.使用jmeter再次测试

查看数据库

并没有发生超卖现象，完美解决。  

3.3 此方案的缺点失效情况

1.多例模式  2.事务 ；3.集群

四 方案2：使用表级锁的sql解决冲突

4.1 表锁的使用范围

4.1.1 更新sql使用表锁

描述：

会话A执行: update db_stock set count=count-#{count} where product_code='1001' and count>=1

会话B执行：因为会话A执行的更新语句触发了表级锁，导致会话B无法执行插入，更新等语句。

insert into db_stock values(4,'1002','上海仓',5000);

update db_stock set count=count-1 where id=3;

1.会话A： 开启事务，执行更新语句，先不执行commit提交

2.会话B:  由于会话A执行更新语句后未提交，触发表级锁，此时自己进行更新，插入无法进行。

4.1.2 表锁变行锁

mysql悲观锁使用行级锁的条件：
1.锁的查询或者更新必须使用索引字段
2.查询或者更新必须是具体值。

1.给查询条件设置索引字段，让更新语句变为行级锁

2.会话A执行更新，让更新语句变为行级锁

3.会话B进行更新，回车后，可以看到进行提交执行了 

4.2 操作案例 

1.mapper级别

    @Update("update db_stock set count=count-#{count} where product_code=#{productCode} and count>=#{count}")
    int updateStock(@Param("productCode") String productCode,@Param("count") Integer count);

2.service

  public   void deductBySql(){
        // 先查询库存是否充足
       this.stockMapper.updateStock("1001",1);
        System.out.println("请求进来了.......");

    }

 3.查看数据库

4.并发压力测试

5.查看效果：均正确消费。

4.3 此方案缺点

优点：能够解决jvm本地锁多失效的3种情况。

缺点：1.确定锁的范围 行级锁还是表级锁；2.同一个商品有多条库存记录；

3.无法记录库存前后的变化记录。

五  方案3：使用悲观锁解决冲突

5.1 使用悲观锁原理

5.1.1 使用悲观锁的原理

除了使用jvm锁之外，还可以使用数据锁：悲观锁 或者 乐观锁。

1.悲观锁：在select的时候就会加锁，采用先加锁后处理的模式，虽然保证了数据处理的安全性，但也会阻塞其他线程的写操作。在读取数据时锁住那几行，其他对这几行的更新需要等到悲观锁结束时才能继续 。select ... for update
悲观锁适用于写多读少的场景，因为拿不到锁的线程，会将线程挂起，交出CPU资源，可以把CPU给其他线程使用，提高了CPU的利用率。

5.1.2 使用悲观锁的优缺点

 优点： 1.简单容易理解；2.可以严格保证数据访问的安全；

 缺点：1.即每次请求都会额外产生加锁的开销且未获取到锁的请求将会阻塞等待锁的获取，在高并发环境下，容易造成大量请求阻塞，影响系统可用性。另外，悲观锁使用不当还可能产生死锁的情况。

2.性能一般。

5.1.3 使用悲观锁的使用行锁&表锁

1.使用悲观锁时，查询条件必须添加索引，成为索引字段，才走行锁。

2.使用悲观锁是，查询条件不加索引，走表锁。

5.1.4 演示案例

1会话A未提交状态

在会话A中：  执行命令 begin；select *  from db_stock where product_code='1001' for update

会话A：select ... for update   给具体的行数据加上排他锁（product_code加上索引），也即行锁。

会话B ：无法对1001进行更新，因为上了行级锁，无法进行更新

2会话A提交状态

会话B：进行了修改

5.2 操作案例

使用sql语句： select ... for update   给具体的行数据加上排他锁（product_code加上索引），也即行锁。

1.mapper：编写悲观锁语句

2.service：添加事务注解  @Transactional

3.数据表

4.jmeter压力测试

 5.查看效果：成功实现所减数据为0，均正确消费。

5.3 死锁场景模拟

1.表数据

2.A会话

3.B会话

说明：A会话中，先锁住id=1，再锁住id=2；B会话中，先锁住id=2，再锁住id=1；彼此等待获取锁。

5.4 此方案的优缺点

1.性能问题；2.死锁问题：对多条数据加锁时，加锁顺序要一致；

3.库存操作要统一，一个会话用 select  x for update  一个会话执行select可以进行查询 ，可能存在数据不一致情况。

会话A：进行查询上行锁，处于未commit状态时，会话B进行  select  查询，会话B可以查询出内容。

六  方案4：使用乐观锁解决冲突

6.1 乐观锁原理

乐观锁：采取了更加宽松的加锁机制，大多是基于数据版本（ Version ）及时间戳来实现。适合于读比较多，不会阻塞读，读取数据时不上锁，更新时检查是否数据已经被更新过，如果是则取消当前更新进行重试。version 或者 时间戳（CAS思想）。

6.2 操作案例

使用数据版本（Version）记录机制实现，这是乐观锁最常用的实现 方式。一般是通过为数据库表增加一个数字类型的 “version” 字段来实现。当读取数据时，将version字段的值一同读出，数据每更新一次，对此version值加一。当我们提交更新的时候，判断数据库表对应记录 的当前版本信息与第一次取出来的version值进行比对，如果数据库表当前版本号与第一次取出来的version值相等，则予以更新。

更新sql:

select * from db_stock where product_code='1001'
update db_stock set count=4996,version=version+1 where id=1 and version=0;

1.修改service

2.数据库表

3.压力测试

4.查看消费结果： 均正确消费

6.3 乐观锁存在的缺点

优点：

优点比较明显，由于在检测数据冲突时并不依赖数据库本身的锁机制，不会影响请求的性能，当产生并发且并发量较小的时候只有少部分请求会失败。

缺点：

1.缺点是需要对表的设计增加额外的字段，增加了数据库的冗余，

2.另外，当应用并发量高的时候，version值在频繁变化，则会导致大量请求失败，影响系统的可用性。

1.高并发情况下，性能比较低下，并发量越小，性能越高。

2.读写情况下，乐观锁不可靠。

七 方案5：使用redis的乐观锁

7.1 redis的乐观锁的原理

利用redis监听 + 事务。

watch stock //监听一个或者多个key的值，在监听中，key的值有改动，则执行失败
multi   //开启事务
set stock 5000
exec   //执行事务

情况1：如果执行过程中stock的值没有被其他链接改变，则执行成功

情况2： 如果执行过程中stock的值被改变，则执行失败效果如下：

7.2 代码实现

1.pom文件

  <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
        </dependency>

2.配置文件

3.业务实现代码

        @Autowired
    private StringRedisTemplate  stringRedisTemplate;
public  void  deductByRedisLock(){
        //watch 监听
        this.stringRedisTemplate.execute(new SessionCallback<Object>() {
            @SneakyThrows
            public Object execute(RedisOperations operations) throws DataAccessException {
                System.out.println("redis 乐观锁....");
                operations.watch("stock");
                //1.查询库存字段
                String stock= stringRedisTemplate.opsForValue().get("stock");
                //2.判断库存
                if(stock!=null&&stock.length()!=0){
                    Integer st=Integer.parseInt(stock);
                    if(st>0){
                        //开启事务
                        operations.multi();
                        stringRedisTemplate.opsForValue().set("stock",String.valueOf(st-1));
                        //关闭事务
                     List exeList=   operations.exec();
                     if(exeList==null||exeList.size()==0){//减库存失败，重试
                         Thread.sleep(40);
                         deductByRedisLock();
                     }
                     return exeList;
                    }
                }
                return null;
            }
        });

    }

4.设置redis

127.0.0.1:6379> set stock 5000
OK
127.0.0.1:6379> get stock
"5000"
5.批量测试

 6.查看结果：正确消费无误。解决超卖现象。

127.0.0.1:6379> set stock 5000
OK
127.0.0.1:6379> get stock
"5000"
127.0.0.1:6379> get stock
"0"
127.0.0.1:6379> 

7.3 此方案的优缺点

1.性能比较低，并发很低