推荐阅读:
- 秋招面试总结:Java+并发+Spring+MySQL+分布式+Redis+算法+JVM等
- 面试败给Redis?一次性给你总结:高频面试+学习笔记+思维导图等
- 美团一面凉凉:MySQL+Java+Redis+算法+网络+Linux等一个都讲不清
01 背景
当前架构的逻辑是将并发请求数据写入队列中,然后起一个单独的异步线程对数据进行串行处理。这种方式的好处就是不用考虑并发的问题,当然其弊端也是显而易见的~
02 乐观锁实现数据的并发更新
根据当前业务的数据更新在秒级,key 的碰撞率较低的情况。笔者打算采用使用 CAS 乐观锁方案:使用 Lua 脚本实现 Redis 对数据的原子更新,即便是在并发的情况下其性能也会上一个级别。下面是 CAS 乐观锁实现数据并发更新的流程图:
根据上面的流程图设计出了 Lua 脚本:
local keys,values=KEYS,ARGVlocal version = redis.call('get',keys[1]) if values[1] == '' and version == falsethenredis.call('SET',keys[1],'1')redis.call('SET',keys[2],values[2])return 1endif version == values[1]thenredis.call('SET',keys[2],values[2])redis.call('INCR',keys[1])return 1elsereturn 0end
03 可能存在问题及其解决方案
1,在并发冲突概率大的高竞争环境下,如果CAS一直失败,会一直重试,CPU开销较大。针对这个问题的一个思路是引入退出机制,如重试次数超过一定阈值后失败退出。如:
func main() { for i := 0; i < 10; i++ { isRetry := execLuaScript() if !isRetry { break } }}func execLuaScript() bool { ctx := context.Background()r := client.GetRedisKVClient(ctx)defer r.Close()luaScript := `local keys,values=KEYS,ARGVlocal version = redis.call('get',keys[1]) if values[1] == '' and version == falsethenredis.call('SET',keys[1],'1')redis.call('SET',keys[2],values[2])return 1endif version == values[1]thenredis.call('SET',keys[2],values[2])redis.call('INCR',keys[1])return 1elsereturn 0end`casVersion, err := r.Get("test_version")kvs := make([]redis.KeyAndValue, 0)kvs = append(kvs, redis.KeyAndValue{"test_version