Redis秒杀使用
作者：互联网
1. 缓存穿透
客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，请求都会直接打到数据库。
1.1 解决方案
1. 缓存Null值 -> 优点:实现方便 缺点: 额外内存消耗，可能造成短期的不一致
2. 布隆过滤器 -> 优点: 内存占用较少，没有多余的key 缺点: 实现复杂，存在误判的可能
3. 增强id的复杂度，避免被猜测到id的规律
4. 做好数据的基础格式校验
5. 加强用户权限校验
6. 做好热点参数的限流
2. 缓存雪崩
同一时段大量的缓存key同时失效或者Redis服务器宕机，导致大量请求到达数据库，带来巨大压力。
2.1 解决方案
1. 给不同的key设置不同的过期时间 -> 随机时间
2. 利用redis集群提高服务的可用性 -> 利用redis哨兵机制
3. 给缓存业务添加降级限流策略
4. 给业务添加多级缓存
3. 缓存击穿
热点key问题，就是一个被 高并发访问 并且 缓存重建业务比较复杂 的key突然失效了，无数的请求访问会瞬间给数据库带来巨大的冲击。
3.1 常见的解决方案
3.1.1 互斥锁
3.1.2 逻辑过期
3.2 解决方案对比
3.3 基于互斥锁的方式解决
修改根据id查询商品的接口，基于互斥锁方式来解决缓存击穿问题
3.3.1 代码
package com.hmdp.service.impl;
import cn.hutool.core.util.BooleanUtil;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONUtil;
import com.hmdp.dto.Result;
import com.hmdp.entity.Shop;
import com.hmdp.mapper.ShopMapper;
import com.hmdp.service.IShopService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisConstants;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.util.concurrent.TimeUnit;
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
@Resource
private StringRedisTemplate stringRedisTemplate;
/**
* 根据id查询商铺信息
* @param id
* @return
*/
@Override
public Result queryById(Long id) {
// 利用空值解决缓存穿透问题
// Shop shop = queryWithPassThrough(id);
// 互斥锁解决缓存击穿
Shop shop = queryWithMutex(id);
if (shop == null) {
return Result.fail("商铺不存在!");
}
// 7. 返回结果
return Result.ok(shop);
}
/**
* 使用互斥锁解决缓存击穿
* @param id
* @return
*/
public Shop queryWithMutex(Long id) {
String key = RedisConstants.CACHE_SHOP_KEY + id;
// 1. 从 redis 中查询商品缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
// 2. 判断是否存在
if (StrUtil.isNotBlank(shopJson)) {
// 3. 存在， 直接返回结果
return JSONUtil.toBean(shopJson, Shop.class);
}
// 判断命中的是否是空值
if(shopJson != null) {
// 返回错误信息
return null;
}
// 4. 实现缓存重建
// 4.1 获取互斥锁
String lockKey = "lock:shop:" + id;
Shop shop = null;
try {
boolean isLock = tryLock(lockKey);
// 4.2 判断是否获取成功
if(!isLock) {
// 4.3 失败，则休眠并重试
Thread.sleep(100);
return queryWithMutex(id);
}
// 4.4 成功，根据id查询数据库
shop = getById(id);
// todo 模拟重建延时
//Thread.sleep(200);
// 5. 不存在，返回错误
if (shop == null) {
// 将空值写入redis
stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
// 返回错误信息
return null;
}
// 6. 存在，写入redis
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
} catch (InterruptedException e) {
e.printStackTrace();
} finally {
// 7. 释放互斥锁
unlock(lockKey);
}
// 8. 返回结果
return shop;
}
/**
* 利用空值解决缓存穿透问题
* @param id
* @return
*/
public Shop queryWithPassThrough(Long id) {
String key = RedisConstants.CACHE_SHOP_KEY + id;
// 1. 从 redis 中查询商品缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
// 2. 判断是否存在
if (StrUtil.isNotBlank(shopJson)) {
// 3. 存在， 直接返回结果
return JSONUtil.toBean(shopJson, Shop.class);
}
// 判断命中的是否是空值
if(shopJson != null) {
// 返回错误信息
return null;
}
// 4. 不存在，根据id查询数据库
Shop shop = getById(id);
// 5. 不存在，返回错误
if (shop == null) {
// 将空值写入redis
stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
// 返回错误信息
return null;
}
// 6. 存在，写入redis
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
// 7. 返回结果
return shop;
}
/**
* 尝试获取锁
* @param key
* @return
*/
private boolean tryLock(String key) {
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
/**
* 释放锁
* @param key
*/
private void unlock(String key) {
stringRedisTemplate.delete(key);
}
}
3.4 基于逻辑过期方式解决
修改根据id查询商品的业务，基于逻辑过期方式来解决缓存击穿问题
3.4.1 代码
package com.hmdp.service.impl;
import cn.hutool.core.util.BooleanUtil;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONObject;
import cn.hutool.json.JSONUtil;
import com.hmdp.dto.Result;
import com.hmdp.entity.Shop;
import com.hmdp.mapper.ShopMapper;
import com.hmdp.service.IShopService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisConstants;
import com.hmdp.utils.RedisData;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.time.LocalDateTime;
import java.util.concurrent.*;
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
@Resource
private StringRedisTemplate stringRedisTemplate;
/**
* 根据id查询商铺信息
* @param id
* @return
*/
@Override
public Result queryById(Long id) {
// 利用空值解决缓存穿透问题
// Shop shop = queryWithPassThrough(id);
// 互斥锁解决缓存击穿
//Shop shop = queryWithMutex(id);
// 使用逻辑过期解决缓存击穿
Shop shop = queryWithLogicalExpire(id);
if (shop == null) {
return Result.fail("商铺不存在!");
}
// 7. 返回结果
return Result.ok(shop);
}
/**
* 定义线程池， 创建10个线程
*/
private static final ExecutorService CACHE_REBUILD_EXECUTOR = new ThreadPoolExecutor(10, 10, 0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue<Runnable>(10), Executors.defaultThreadFactory(), new ThreadPoolExecutor.AbortPolicy());
/**
* 使用逻辑过期解决缓存击穿
* @param id
* @return
*/
public Shop queryWithLogicalExpire(Long id) {
String key = RedisConstants.CACHE_SHOP_KEY + id;
// 1. 从 redis 中查询商品缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
// 2. 判断是否存在
if (StrUtil.isBlank(shopJson)) {
// 3. 不存在， 直接返回
return null;
}
// 4. 命中，将json反序列化为对象
RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);
Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);
LocalDateTime expireTime = redisData.getExpireTime();
// 5. 判断逻辑过期时间是否过期
if (LocalDateTime.now().isBefore(expireTime)) {
// 5.1 未过期，直接返回商铺信息
return shop;
}
// 5.2 已过期，需要缓存重建
// 6. 缓存重建
// 6.1 获取互斥锁
String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
boolean isLock = tryLock(lockKey);
// 6.2 判断是否获取锁成功
if (isLock) {
// 6.3 成功，开启独立线程，实现缓存重建
CACHE_REBUILD_EXECUTOR.submit(() -> {
try {
// 重建缓存
this.saveShop2Redis(id, 20L);
} catch (Exception e) {
throw new RuntimeException(e);
} finally {
// 释放锁
unlock(lockKey);
}
});
}
// 6.4 返回过期的商铺信息
// 7. 返回结果
return shop;
}
/**
* 利用空值解决缓存穿透问题
* @param id
* @return
*/
public Shop queryWithPassThrough(Long id) {
String key = RedisConstants.CACHE_SHOP_KEY + id;
// 1. 从 redis 中查询商品缓存
String shopJson = stringRedisTemplate.opsForValue().get(key);
// 2. 判断是否存在
if (StrUtil.isNotBlank(shopJson)) {
// 3. 存在， 直接返回结果
return JSONUtil.toBean(shopJson, Shop.class);
}
// 判断命中的是否是空值
if(shopJson != null) {
// 返回错误信息
return null;
}
// 4. 不存在，根据id查询数据库
Shop shop = getById(id);
// 5. 不存在，返回错误
if (shop == null) {
// 将空值写入redis
stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
// 返回错误信息
return null;
}
// 6. 存在，写入redis
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
// 7. 返回结果
return shop;
}
/**
* 尝试获取锁
* @param key
* @return
*/
private boolean tryLock(String key) {
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
/**
* 释放锁
* @param key
*/
private void unlock(String key) {
stringRedisTemplate.delete(key);
}
/**
* 存入商铺信息附带过期时间到redis
* @param id
*/
public void saveShop2Redis(Long id, Long expireSeconds) {
// 1. 查询店铺数据
Shop shop = this.getById(id);
// todo 模拟重建延时
//try {
// Thread.sleep(200);
//} catch (InterruptedException e) {
// e.printStackTrace();
//}
// 2. 封装逻辑过期时间
RedisData redisData = new RedisData();
redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));
redisData.setData(shop);
// 3. 写入redis
stringRedisTemplate.opsForValue()
.set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));
}
}
4. 缓存工具封装
方法1：将任意的java对象序列化为json并存储在String类型的key中，并且可以设置TLL过期时间
方法2：将任意的java对象序列化为json并存储在String类型的key中，并且可以设置逻辑过期时间，用于处理缓存击穿问题
方法3：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题
方法4：根据指定的key查询缓存，并反序列化为指定类型，需要利用逻辑时间解决缓存击穿问题
package com.hmdp.utils;
import cn.hutool.core.util.BooleanUtil;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONObject;
import cn.hutool.json.JSONUtil;
import com.hmdp.entity.Shop;
import com.sun.xml.internal.bind.v2.model.core.ID;
import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;
import java.time.LocalDateTime;
import java.util.concurrent.*;
import java.util.function.Function;
@Slf4j
@Component
public class CacheClient {
private final StringRedisTemplate stringRedisTemplate;
public CacheClient(StringRedisTemplate stringRedisTemplate) {
this.stringRedisTemplate = stringRedisTemplate;
}
/**
* 将任意的java对象序列化为json并存储在String类型的key中,
* 并且可以设置TLL过期时间
* @param key 缓存key
* @param value 缓存对象
* @param time 过期时间
* @param timeUnit 时间单位
*/
public void set(String key, Object value, Long time, TimeUnit timeUnit) {
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, timeUnit);
}
/**
* 将任意的java对象序列化为json并存储在String类型的key中,
* 并且可以设置TLL过期时间，并且可以设置逻辑过期时间，用于处理缓存击穿问题
* @param key 缓存key
* @param value 缓存对象
* @param time 过期时间
* @param timeUnit 时间单位
*/
public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit timeUnit) {
// 设置逻辑过期时间
RedisData redisData = new RedisData();
redisData.setExpireTime(LocalDateTime.now().plusSeconds(timeUnit.toSeconds(time)));
redisData.setData(value);
// 写入 redis
stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));
}
/**
* 根据指定的key查询缓存，并反序列化为指定类型,
* 利用缓存空值的方式解决缓存穿透问题
* @param keyPrefix key前缀
* @param id 查询的id
* @param type 返回值类型
* @param dbFallBack 查询数据库的回调函数
* @param time 过期时间
* @param timeUnit 时间单位
* @param <R> 返回值类型
* @param <ID> id类型
* @return
*/
public <R, ID> R queryWithPassThrough(
String keyPrefix,
ID id,
Class<R> type,
Function<ID, R> dbFallBack,
Long time,
TimeUnit timeUnit
) {
String key = keyPrefix + id;
// 1. 从 redis 中查询缓存
String json = stringRedisTemplate.opsForValue().get(key);
// 2. 判断是否存在
if (StrUtil.isNotBlank(json)) {
// 3. 存在， 直接返回结果
return JSONUtil.toBean(json, type);
}
// 判断命中的是否是空值
if(json != null) {
// 返回错误信息
return null;
}
// 4. 不存在，根据id查询数据库
R r = dbFallBack.apply(id);
// 5. 不存在，返回错误
if (r == null) {
// 将空值写入redis
stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
// 返回错误信息
return null;
}
// 6. 存在，写入redis
this.set(key, r, time, timeUnit);
// 7. 返回结果
return r;
}
/**
* 定义线程池， 创建10个线程
*/
private static final ExecutorService CACHE_REBUILD_EXECUTOR = new ThreadPoolExecutor(10, 10, 0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue<Runnable>(10), Executors.defaultThreadFactory(), new ThreadPoolExecutor.AbortPolicy());
/**
* 使用逻辑过期解决缓存击穿问题
* @param keyPrefix key前缀
* @param id 查询的id
* @param type 返回值类型
* @param dbFallBack 查询数据库的回调函数
* @param time 过期时间
* @param timeUnit 时间单位
* @param <R> 返回值类型
* @param <ID> id类型
* @return
*/
public <R, ID> R queryWithLogicalExpire(
String keyPrefix,
ID id,
Class<R> type,
Function<ID, R> dbFallBack,
Long time,
TimeUnit timeUnit
) {
String key = keyPrefix + id;
// 1. 从 redis 中查询缓存
String json = stringRedisTemplate.opsForValue().get(key);
// 2. 判断是否存在
if (StrUtil.isBlank(json)) {
// 3. 不存在， 直接返回
return null;
}
// 4. 命中，将json反序列化为对象
RedisData redisData = JSONUtil.toBean(json, RedisData.class);
R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);
LocalDateTime expireTime = redisData.getExpireTime();
// 5. 判断逻辑过期时间是否过期
if (LocalDateTime.now().isBefore(expireTime)) {
// 5.1 未过期，直接返回信息
return r;
}
// 5.2 已过期，需要缓存重建
// 6. 缓存重建
// 6.1 获取互斥锁
String lockKey = RedisConstants.LOCK_SHOP_KEY + id;
boolean isLock = tryLock(lockKey);
// 6.2 判断是否获取锁成功
if (isLock) {
// 6.3 成功，开启独立线程，实现缓存重建
CACHE_REBUILD_EXECUTOR.submit(() -> {
try {
// 重建缓存
// 1. 查询数据库
R r1 = dbFallBack.apply(id);
// 2. 写入redis
this.setWithLogicalExpire(key, r1, time, timeUnit);
} catch (Exception e) {
throw new RuntimeException(e);
} finally {
// 释放锁
unlock(lockKey);
}
});
}
// 7. 返回结果
return r;
}
/**
* 尝试获取锁
* @param key
* @return
*/
private boolean tryLock(String key) {
Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
return BooleanUtil.isTrue(flag);
}
/**
* 释放锁
* @param key
*/
private void unlock(String key) {
stringRedisTemplate.delete(key);
}
}
5. 全局ID生成器
为了增加ID的安全性，可以不直接使用Redis自增的数值，而是拼接一些其他信息:
5.1 工具类
package com.hmdp.utils;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;
import java.time.LocalDateTime;
import java.time.ZoneOffset;
import java.time.format.DateTimeFormatter;
/**
* @Description: Redis id生成器
* @Date: 2022/5/7 13:00
*/
@Component
public class RedisIdWorker {
/**
* 开始时间戳
*/
public static final long BEGIN_TIMESTAMP = 1640995200L;
/**
* 序列号位数
*/
public static final int COUNT_BITS = 32;
private StringRedisTemplate stringRedisTemplate;
public RedisIdWorker(StringRedisTemplate stringRedisTemplate) {
this.stringRedisTemplate = stringRedisTemplate;
}
/**
* 唯一id生成
* @param keyPrefix 不同业务的key前缀
* @return
*/
public long nextId(String keyPrefix) {
// 1. 生成时间戳
LocalDateTime now = LocalDateTime.now();
long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
long timestamp = nowSecond - BEGIN_TIMESTAMP;
// 2. 生成序列号
// 2.1 获取当前日期， 精确到天
String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
// 2.2 自增长
long count = stringRedisTemplate.opsForValue().increment("icr:" + keyPrefix + ":" + date);
// 3. 拼接并返回
return timestamp << COUNT_BITS | count;
}
}
5.2 总结
5.2.1 全局唯一ID生成策略
1. UUID
2. Redis自增
3. snowflack算法
4. 数据库自增
5.2.2 Redis自增ID策略
1. 每天一个key，方便统计订单量
6. 优惠券秒杀
判断两点:
- 秒杀是否开始或结束，如果尚未开始或已经结束则无法下单
- 库存是否，不足则无法下单
6.1 普通抢购优惠券的代码
/**
* 抢购优惠券
* @param voucherId
* @return
*/
@Override
@Transactional
public Result seckillVoucher(Long voucherId) {
// 1. 查询优惠券
SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
// 2. 判断秒杀是否开始
if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
// 秒杀未开始
return Result.fail("秒杀尚未开始");
}
// 3. 判断秒杀是否结束
if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
// 秒杀已经结束
return Result.fail("秒杀已经结束");
}
// 4. 判断库存是否充足
if (voucher.getStock() < 1) {
// 库存不足
return Result.fail("库存不足");
}
// 5. 扣减库存
boolean success = seckillVoucherService.update(new LambdaUpdateWrapper<SeckillVoucher>()
.eq(SeckillVoucher::getVoucherId, voucherId)
.set(SeckillVoucher::getStock, voucher.getStock() - 1));
if (!success) {
// 扣减库存失败
return Result.fail("扣减库存失败");
}
// 6. 创建订单
VoucherOrder voucherOrder = new VoucherOrder();
// 6.1 订单id
long orderId = redisIdWorker.nextId("order");
voucherOrder.setId(orderId);
// 6.2 用户id
Long userId = UserHolder.getUser().getId();
voucherOrder.setUserId(userId);
// 6.3 优惠券id
voucherOrder.setVoucherId(voucherId);
// 存库
this.save(voucherOrder);
// 7. 返回订单id
return Result.ok(orderId);
}
6.2 出现超卖问题
超卖问题就是典型的多线程安全问题
6.3 常见解决方案
加锁
6.3.1 乐观锁解决思路
乐观锁的关键是 判断之前查询得到的数据是否有被修改过。常见的方式有
两种:
6.3.2 悲观锁
略，加synchronized 或者 Lock即可
6.4 乐观锁 (CAS)解决
package com.hmdp.service.impl;
import com.baomidou.mybatisplus.core.conditions.update.LambdaUpdateWrapper;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.UserHolder;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.time.LocalDateTime;
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Resource
private ISeckillVoucherService seckillVoucherService;
@Resource
private RedisIdWorker redisIdWorker;
/**
* 抢购优惠券
* @param voucherId
* @return
*/
@Override
@Transactional
public Result seckillVoucher(Long voucherId) {
// 1. 查询优惠券
SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
// 2. 判断秒杀是否开始
if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
// 秒杀未开始
return Result.fail("秒杀尚未开始");
}
// 3. 判断秒杀是否结束
if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
// 秒杀已经结束
return Result.fail("秒杀已经结束");
}
// 4. 判断库存是否充足
if (voucher.getStock() < 1) {
// 库存不足
return Result.fail("库存不足");
}
// 5. 扣减库存
boolean success = seckillVoucherService.update(new LambdaUpdateWrapper<SeckillVoucher>()
.eq(SeckillVoucher::getVoucherId, voucherId)
// 利用CAS 解决超卖问题 where id = ? and stock = ?
//.eq(SeckillVoucher::getStock, voucher.getStock())
// 利用CAS 解决超卖问题 where id = ? and stock > 0
.gt(SeckillVoucher::getStock, 0)
.setSql("stock = stock - 1"));
if (!success) {
// 扣减库存失败
return Result.fail("扣减库存失败");
}
// 6. 创建订单
VoucherOrder voucherOrder = new VoucherOrder();
// 6.1 订单id
long orderId = redisIdWorker.nextId("order");
voucherOrder.setId(orderId);
// 6.2 用户id
Long userId = UserHolder.getUser().getId();
voucherOrder.setUserId(userId);
// 6.3 优惠券id
voucherOrder.setVoucherId(voucherId);
// 存库
this.save(voucherOrder);
// 7. 返回订单id
return Result.ok(orderId);
}
}
6.5 总结
解决方案
1. 悲观锁: 添加同步锁，让线程串行执行
- 优点: 简单粗暴
- 缺点: 性能一般
2. 乐观锁：不加锁，在更新时判断是否有其他线程在修改 => 通过数据库层面解决 => InnoDB存储引擎通过多版本并发控制（MVCC，Multiversion Concurrency Control）机制解决并发修改问题。
- 优点: 性能好
- 缺点: 存在成功率低的问题
对数据库的压力很大
6.6 一人一单
需求: 修改秒杀业务，要求同一个优惠券，一个用户只能下一单
6.6.1 解决一个人只能下一单（单机）
package com.hmdp.service.impl;
import com.baomidou.mybatisplus.core.conditions.query.LambdaQueryWrapper;
import com.baomidou.mybatisplus.core.conditions.update.LambdaUpdateWrapper;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.UserHolder;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.time.LocalDateTime;
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Resource
private ISeckillVoucherService seckillVoucherService;
@Resource
private RedisIdWorker redisIdWorker;
/**
* 抢购优惠券
*
* @param voucherId
* @return
*/
@Override
public Result seckillVoucher(Long voucherId) {
// 1. 查询优惠券
SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
// 2. 判断秒杀是否开始
if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
// 秒杀未开始
return Result.fail("秒杀尚未开始");
}
// 3. 判断秒杀是否结束
if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
// 秒杀已经结束
return Result.fail("秒杀已经结束");
}
// 4. 判断库存是否充足
if (voucher.getStock() < 1) {
// 库存不足
return Result.fail("库存不足");
}
return createVoucherOrder(voucherId);
}
/**
* 创建订单
* @param voucherId
* @return
*/
@Transactional
public Result createVoucherOrder(Long voucherId) {
// 5. 一人只能抢一份
Long userId = UserHolder.getUser().getId();
synchronized (userId.toString().intern()) {
// 5.1 查询订单
long count = this.count(new LambdaQueryWrapper<VoucherOrder>()
.eq(VoucherOrder::getUserId, userId)
.eq(VoucherOrder::getVoucherId, voucherId));
// 5.2 判断是否已经抢过
if (count > 0) {
// 用户已经购买过
return Result.fail("用户已经购买过一次");
}
// 6. 扣减库存
boolean success = seckillVoucherService.update(new LambdaUpdateWrapper<SeckillVoucher>()
.eq(SeckillVoucher::getVoucherId, voucherId)
// 利用CAS 解决超卖问题 where id = ? and stock = ?
//.eq(SeckillVoucher::getStock, voucher.getStock())
// 利用CAS 解决超卖问题 where id = ? and stock > 0
.gt(SeckillVoucher::getStock, 0)
.setSql("stock = stock - 1"));
if (!success) {
// 扣减库存失败
return Result.fail("扣减库存失败");
}
// 7. 创建订单
VoucherOrder voucherOrder = new VoucherOrder();
// 7.1 订单id
long orderId = redisIdWorker.nextId("order");
voucherOrder.setId(orderId);
// 7.2 用户id
voucherOrder.setUserId(userId);
// 7.3 优惠券id
voucherOrder.setVoucherId(voucherId);
// 存库
this.save(voucherOrder);
// 8. 返回订单id
return Result.ok(orderId);
}
}
}
6.6.2 一人一单的并发安全问题（集群）
通过加锁可以解决在单机情况下的一人一单安全问题，但是在集群模式下 就不行了.
6.6.2.1 将服务启动两份，端口分别为 8081 和 8082
6.6.2.2 修改nginx的nginx.conf文件，配置反向代理和负载均衡
然后执行 ./nginx -s reload
现在，用户的请求会在这两个节点上负载均衡
6.6.3 集群下一人多单并发问题
如果一个用户同一秒类，发送两次以上请求，请求都会进入到创建订单业务代码中，导致一个人可以下多个订单的并发问题
出现问题的原理图:
8081:
8082:
导致一人多单的问题
6.6.4 解决方案 -> 分布式锁
7. 分布式锁
7.1 分布式锁原理
7.1.1 什么是分布式锁
分布式锁: 满足
分布式系统或集群模式下多进程可见并且互斥的锁
7.1.2 分布式锁的实现
分布式锁的核心是 实现多进程之间互斥，而满足这一点的方式有很多，常见的有三种:
7.2 基于Redis的分布式锁
实现分布式锁时需要实现的两个基本方法:
7.2.1 获取锁
- 互斥: 确保只能由一个线程获取锁
- 非阻塞: 尝试一次，成功返回true，失败返回false
# 添加锁，EX是设置超时间、NX如果不存在才执行(互斥)
SET lock thread1 EX 10 NX
7.2.2 释放锁
- 手动释放
- 超时释放: 获取锁时添加一个超时时间
# 释放锁，删除即可
DEL key
7.2.3 【初级】分布式锁
需求: 定义一个类，实现下面接口，利用Redis实现分布式锁功能
package com.hmdp.utils;
/**
* @author codertl
*/
public interface ILock {
/**
* 尝试获取锁
* @param timeoutSeconds 锁持有的超时时间，过期后自动释放锁
* @return true代表获取锁成功，false代表获取锁失败
*/
boolean tryLock(long timeoutSeconds);
/**
* 释放锁
*/
void unlock();
}
实现类:
package com.hmdp.utils;
import org.springframework.data.redis.core.StringRedisTemplate;
import java.util.concurrent.TimeUnit;
public class SimpleRedisLock implements ILock{
/**
* 锁的key名字
*/
private String name;
private StringRedisTemplate stringRedisTemplate;
/**
* 锁的前缀
*/
public static final String KEY_PREFIX = "lock:";
public SimpleRedisLock(String name, StringRedisTemplate stringRedisTemplate) {
this.name = name;
this.stringRedisTemplate = stringRedisTemplate;
}
/**
* 尝试获取锁
* @param timeoutSeconds 锁持有的超时时间，过期后自动释放锁
* @return true代表获取锁成功，false代表获取锁失败
*/
@Override
public boolean tryLock(long timeoutSeconds) {
// 获取线程标识
long threadId = Thread.currentThread().getId();
// 获取锁
Boolean success = stringRedisTemplate.opsForValue()
.setIfAbsent(KEY_PREFIX + name, threadId + "", timeoutSeconds, TimeUnit.SECONDS);
return Boolean.TRUE.equals(success);
}
/**
* 释放锁
*/
@Override
public void unlock() {
// 释放锁完成
stringRedisTemplate.delete(KEY_PREFIX + name);
}
}
修改创建订单的逻辑:
/**
* 创建订单
* @param voucherId
* @return
*/
@Transactional
public Result createVoucherOrder(Long voucherId) {
// 5. 一人只能抢一份
Long userId = UserHolder.getUser().getId();
// 创建锁对象
SimpleRedisLock redisLock = new SimpleRedisLock("order:" + userId, stringRedisTemplate);
// 尝试获取锁
boolean isLock = redisLock.tryLock(1200);
// 判断是否获取锁
if (!isLock) {
// 获取锁失败，直接返回失败/重试
return Result.fail("不允许重复抢购!!");
}
try {
// 5.1 查询订单
long count = this.count(new LambdaQueryWrapper<VoucherOrder>()
.eq(VoucherOrder::getUserId, userId)
.eq(VoucherOrder::getVoucherId, voucherId));
// 5.2 判断是否已经抢过
if (count > 0) {
// 用户已经购买过
return Result.fail("用户已经购买过一次");
}
// 6. 扣减库存
boolean success = seckillVoucherService.update(new LambdaUpdateWrapper<SeckillVoucher>()
.eq(SeckillVoucher::getVoucherId, voucherId)
// 利用CAS 解决超卖问题 where id = ? and stock = ?
//.eq(SeckillVoucher::getStock, voucher.getStock())
// 利用CAS 解决超卖问题 where id = ? and stock > 0
.gt(SeckillVoucher::getStock, 0)
.setSql("stock = stock - 1"));
if (!success) {
// 扣减库存失败
return Result.fail("扣减库存失败");
}
// 7. 创建订单
VoucherOrder voucherOrder = new VoucherOrder();
// 7.1 订单id
long orderId = redisIdWorker.nextId("order");
voucherOrder.setId(orderId);
// 7.2 用户id
voucherOrder.setUserId(userId);
// 7.3 优惠券id
voucherOrder.setVoucherId(voucherId);
// 存库
this.save(voucherOrder);
// 8. 返回订单id
return Result.ok(orderId);
} finally {
// 释放锁
redisLock.unlock();
}
}
7.2.4 【初级】分布式锁存在问题
- 业务阻塞导致 锁被超时自动释放
- 基于上面的情况，当线程1业务执行完成之后，释放锁，可能会释放到其他线程的锁
解决方法
业务逻辑解决流程:
7.2.5 解决分布式锁->【误删】问题
修改之前的分布式锁实现
- 在获取锁时，存入线程标识(可以用UUID标识)
- 在释放锁时，先获取锁中的线程标识，判断是否与当前线程标识一致
- 如果一致则释放锁
- 如果不一致则不释放锁
package com.hmdp.utils;
import cn.hutool.core.lang.UUID;
import org.springframework.data.redis.core.StringRedisTemplate;
import java.util.concurrent.TimeUnit;
public class SimpleRedisLock implements ILock{
/**
* 锁的key名字
*/
private String name;
private StringRedisTemplate stringRedisTemplate;
/**
* 锁的前缀
*/
public static final String KEY_PREFIX = "lock:";
/**
* 锁的内容前缀
*/
public static final String ID_PREFIX = UUID.randomUUID().toString(true) + "-";
public SimpleRedisLock(String name, StringRedisTemplate stringRedisTemplate) {
this.name = name;
this.stringRedisTemplate = stringRedisTemplate;
}
/**
* 尝试获取锁
* @param timeoutSeconds 锁持有的超时时间，过期后自动释放锁
* @return true代表获取锁成功，false代表获取锁失败
*/
@Override
public boolean tryLock(long timeoutSeconds) {
// 获取线程标识
String threadId = ID_PREFIX + Thread.currentThread().getId();
// 获取锁
Boolean success = stringRedisTemplate.opsForValue()
.setIfAbsent(KEY_PREFIX + name, threadId, timeoutSeconds, TimeUnit.SECONDS);
return Boolean.TRUE.equals(success);
}
/**
* 释放锁
*/
@Override
public void unlock() {
// 获取线程标识
String threadId = ID_PREFIX + Thread.currentThread().getId();
// 获取锁种标识
String id = stringRedisTemplate.opsForValue().get(KEY_PREFIX + name);
// 判断标识是否是当前线程的标识
if (threadId.equals(id)) {
// 释放锁完成
stringRedisTemplate.delete(KEY_PREFIX + name);
}
}
}
7.2.6 分布式锁的原子性问题
【注】：当前依旧存在问题，判断锁标识和释放锁，并不是原子性操作。
1. 如果线程1当判断锁成功后，在释放锁之前阻塞，然后锁超时释放了。
2. 这个时候，别的线程获取到锁，当前的线程1阻塞结束，进行释放锁， 依旧会存在锁误删的问题
7.2.7 Lua脚本解决多条命令的原子性问题
Redis提供了Lua脚本功能，在一个脚本中编写多条redis命令，确保多条命令执行时的原子性。
Lua是一种编程语言，它的语法可以参考: https://www.runoob.com/lua/lua-tutorial.html
- 这里介绍Redis提供的调用函数，语法如下:
-- 执行redis命令
redis.call('命令名称', 'key', '其他参数', ...)
例如:
-- 执行 set name jack
redis.class('set', 'name', 'jack')
例如: 先执行 set name Rose，再执行 get name，则脚本如下:
-- 先执行 set name jack
redis.call('set', 'name', 'jack')
-- 再执行 get name
local name = redis.call('get', 'name')
-- 返回
return name
写好脚本之后，需要使用Redis命令来调用脚本，调用脚本的常见命令如下:
例如，我们要执行 redis.call('set', 'name', 'jack')这个脚本，语法如下:
# 调用脚本 ""当中为脚本内容 0为脚本需要的key类型的参数个数
EVAL "return redis.call('set', 'name', 'jack')" 0
如果脚本中的key、value不想写死，可以作为参数传递。key类型参数会放入KEYS数组，其他参数会放入ARGV数组，在脚本中可以从KEYS和ARGV数组获取这些参数
# 调用脚本 KEYS[1] => name ARGV[1] => Rose 1为脚本需要的key类型的参数个数
EVAL "return redis.call('set', KEYS[1], ARGV[1])" 1 name Rose
7.2.7.1 基于Redis的分布式锁的Lua脚本
-- 比较线程标识与锁中的标识是否一致
if(redis.call('get', KEYS[1]) == ARGV[1]) then
-- 释放锁 del key
return redis.call('del', KEYS[1])
end
return 0
7.2.8 Java调用Lua脚本改造分布式锁
提示:RedisTemplate调用Lua脚本的API如下:
修改释放锁的实现
脚本内容在resource目录下新建unlock.lua文件:
-- 比较线程标识与锁中的标识是否一致
if(redis.call('get', KEYS[1]) == ARGV[1]) then
-- 释放锁 del key
return redis.call('del', KEYS[1])
end
return 0
java代码:
package com.hmdp.utils;
import cn.hutool.core.lang.UUID;
import org.springframework.core.io.ClassPathResource;
import org.springframework.data.redis.core.RedisCallback;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.script.DefaultRedisScript;
import org.springframework.data.redis.core.script.RedisScript;
import java.util.Collections;
import java.util.concurrent.TimeUnit;
/**
* @Author: tl
* @Description:
* @Date: 2022/5/8
*/
public class SimpleRedisLock implements ILock{
/**
* 锁的key名字
*/
private String name;
private StringRedisTemplate stringRedisTemplate;
/**
* 锁的前缀
*/
public static final String KEY_PREFIX = "lock:";
/**
* 锁的内容前缀
*/
public static final String ID_PREFIX = UUID.randomUUID().toString(true) + "-";
/**
* 加载Lua脚本
*/
public static final DefaultRedisScript<Long> UNLOCK_SCRIPT;
static {
UNLOCK_SCRIPT = new DefaultRedisScript<>();
// 脚本文件位置
UNLOCK_SCRIPT.setLocation(new ClassPathResource("unlock.lua"));
// 脚本返回值
UNLOCK_SCRIPT.setResultType(Long.class);
}
public SimpleRedisLock(String name, StringRedisTemplate stringRedisTemplate) {
this.name = name;
this.stringRedisTemplate = stringRedisTemplate;
}
/**
* 尝试获取锁
* @param timeoutSeconds 锁持有的超时时间，过期后自动释放锁
* @return true代表获取锁成功，false代表获取锁失败
*/
@Override
public boolean tryLock(long timeoutSeconds) {
// 获取线程标识
String threadId = ID_PREFIX + Thread.currentThread().getId();
// 获取锁
Boolean success = stringRedisTemplate.opsForValue()
.setIfAbsent(KEY_PREFIX + name, threadId, timeoutSeconds, TimeUnit.SECONDS);
return Boolean.TRUE.equals(success);
}
/**
* 释放锁
*/
@Override
public void unlock() {
// 调用 Lua 脚本释放锁
stringRedisTemplate.execute(
UNLOCK_SCRIPT,
Collections.singletonList(KEY_PREFIX + name),
ID_PREFIX + Thread.currentThread().getId()
);
}
}
7.2.9 总结
基于redis的分布式锁实现思路
1. 利用set nx ex 获取锁，并设置过期时间，保存线程标识
2. 释放锁先判断线程标识是否与自己一致，一致则删除锁
特性
1. 利用 set nx 满足互斥性
2. 利用 set ex 保证故障时锁依然能释放，避免死锁，提高安全性
3. 利用redis集群保证高可用和高并发特性
7.3 Redisson实现分布式锁
基于 set nx 实现的分布式锁存在下面的问题:
7.3.1 概述
Redisson是一个在Redis的基础上实现的Java驻内存数据网格（In-Memory data Grid）。它不仅提供了一系列的分布式的java常用对象，还提供了许多分布式服务，其中就包含了各种分布式锁的实现。
官方网址: https://redisson.org/
GitHub地址: https://github.com/redisson/redisson
7.3.2 Redisson快速入门
1.引入依赖
<!-- redisson -->
<dependency>
<groupId>org.redisson</groupId>
<artifactId>redisson</artifactId>
<version>3.14.0</version>
</dependency>
2.配置Redisson客户端
package com.hmdp.config;
import org.redisson.Redisson;
import org.redisson.api.RedissonClient;
import org.redisson.config.Config;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class RedissonConfig {
@Bean
public RedissonClient redissonClient() {
// 配置类
Config config = new Config();
// 添加redis地址，这里添加了单点的地址，也可以使用 config.useClusterServers() 方法添加集群模式的地址
config.useSingleServer().setAddress("redis://127.0.0.1:6379").setPassword("123345");
// 创建RedissonClient对象
return Redisson.create(config);
}
}
3.使用Redisson的分布式锁
package com.hmdp.service.impl;
import com.baomidou.mybatisplus.core.conditions.query.LambdaQueryWrapper;
import com.baomidou.mybatisplus.core.conditions.update.LambdaUpdateWrapper;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.SimpleRedisLock;
import com.hmdp.utils.UserHolder;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.time.LocalDateTime;
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Resource
private ISeckillVoucherService seckillVoucherService;
@Resource
private RedisIdWorker redisIdWorker;
@Resource
private RedissonClient redissonClient;
/**
* 抢购优惠券
*
* @param voucherId
* @return
*/
@Override
public Result seckillVoucher(Long voucherId) {
// 1. 查询优惠券
SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
// 2. 判断秒杀是否开始
if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
// 秒杀未开始
return Result.fail("秒杀尚未开始");
}
// 3. 判断秒杀是否结束
if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
// 秒杀已经结束
return Result.fail("秒杀已经结束");
}
// 4. 判断库存是否充足
if (voucher.getStock() < 1) {
// 库存不足
return Result.fail("库存不足");
}
return createVoucherOrder(voucherId);
}
/**
* 创建订单
* @param voucherId
* @return
*/
@Transactional
public Result createVoucherOrder(Long voucherId) {
// 5. 一人只能抢一份
Long userId = UserHolder.getUser().getId();
// 使用Redisson创建锁对象
RLock redisLock = redissonClient.getLock("lock:order:" + userId);
// 使用Redisson尝试获取锁 参数1: 获取锁的最大等待时间(期间会重试) 参数2: 锁自动释放的事件 参数3：时间单位
boolean isLock = redisLock.tryLock();
// 判断是否获取锁
if (!isLock) {
// 获取锁失败，直接返回失败/重试
return Result.fail("不允许重复抢购!!");
}
try {
// 5.1 查询订单
long count = this.count(new LambdaQueryWrapper<VoucherOrder>()
.eq(VoucherOrder::getUserId, userId)
.eq(VoucherOrder::getVoucherId, voucherId));
// 5.2 判断是否已经抢过
if (count > 0) {
// 用户已经购买过
return Result.fail("用户已经购买过一次");
}
// 6. 扣减库存
boolean success = seckillVoucherService.update(new LambdaUpdateWrapper<SeckillVoucher>()
.eq(SeckillVoucher::getVoucherId, voucherId)
// 利用CAS 解决超卖问题 where id = ? and stock = ?
//.eq(SeckillVoucher::getStock, voucher.getStock())
// 利用CAS 解决超卖问题 where id = ? and stock > 0
.gt(SeckillVoucher::getStock, 0)
.setSql("stock = stock - 1"));
if (!success) {
// 扣减库存失败
return Result.fail("扣减库存失败");
}
// 7. 创建订单
VoucherOrder voucherOrder = new VoucherOrder();
// 7.1 订单id
long orderId = redisIdWorker.nextId("order");
voucherOrder.setId(orderId);
// 7.2 用户id
voucherOrder.setUserId(userId);
// 7.3 优惠券id
voucherOrder.setVoucherId(voucherId);
// 存库
this.save(voucherOrder);
// 8. 返回订单id
return Result.ok(orderId);
} finally {
// 使用Redisson释放锁
redisLock.unlock();
}
}
}
7.3.3 Redisson可重入锁原理
根据重入次数来记录可重入锁
核心: 利用redis的Hash结构，记录获取锁的线程以及记录的次数
package com.hmdp;
import lombok.extern.slf4j.Slf4j;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.springframework.boot.test.context.SpringBootTest;
import javax.annotation.Resource;
@Slf4j
@SpringBootTest
public class RedissonTest {
@Resource
private RedissonClient redissonClient;
private RLock lock;
@BeforeEach
void setUp() {
lock = redissonClient.getLock("order");
}
@Test
void method1() {
// 尝试获取锁
boolean isLock = lock.tryLock();
if (!isLock) {
log.error("获取锁失败 ....1");
return;
}
try {
log.info("获取锁成功 ....1");
// 执行业务代码
method2();
log.info("执行业务代码 ....1");
} finally {
log.warn("准备释放锁 ....1");
// 释放锁
lock.unlock();
}
}
@Test
void method2() {
// 尝试获取锁
boolean isLock = lock.tryLock();
if (!isLock) {
log.error("获取锁失败 ....2");
return;
}
try {
log.info("获取锁成功 ....2");
// 执行业务代码
log.info("执行业务代码 ....2");
} finally {
log.warn("准备释放锁 ....2");
// 释放锁
lock.unlock();
}
}
}
7.3.3.1 Redisson获取锁核心源码
7.3.3.2 Redisson释放锁核心源码
7.3.4 Redisson的锁重试和WatchDog机制
7.3.4.1总结
1. 可重入: 利用hash结构记录线程id和重入次数
2. 可重试: 利用信号量和PubSub功能实现等待、唤醒，获取锁失败的重试机制
3. 超时续约: 利用watchDog，每隔一段时间(releaseTime / 3)，重置超时时间
7.3.5 Redisson解决分布式锁主从一致性问题
使用multiLock 联锁解决分布式锁主从一致性问题
案例:我这里启动了三个redis节点
配置:
package com.hmdp.config;
import org.redisson.Redisson;
import org.redisson.api.RedissonClient;
import org.redisson.config.Config;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
/**
* @Author: tl
* @Description:
* @Date: 2022/5/8
*/
@Configuration
public class RedissonConfig {
@Bean
public RedissonClient redissonClient() {
// 配置类
Config config = new Config();
// 添加redis地址，这里添加了单点的地址，也可以使用 config.useClusterServers() 方法添加集群模式的地址
config.useSingleServer().setAddress("redis://127.0.0.1:6379").setPassword("123345");
// 创建RedissonClient对象
return Redisson.create(config);
}
@Bean
public RedissonClient redissonClient2() {
// 配置类
Config config = new Config();
// 添加redis地址，这里添加了单点的地址，也可以使用 config.useClusterServers() 方法添加集群模式的地址
config.useSingleServer().setAddress("redis://127.0.0.1:6380").setPassword("123345");
// 创建RedissonClient对象
return Redisson.create(config);
}
@Bean
public RedissonClient redissonClient3() {
// 配置类
Config config = new Config();
// 添加redis地址，这里添加了单点的地址，也可以使用 config.useClusterServers() 方法添加集群模式的地址
config.useSingleServer().setAddress("redis://127.0.0.1:6381").setPassword("123345");
// 创建RedissonClient对象
return Redisson.create(config);
}
}
7.3.5.1 总结
1. 不可重入Redis分布式锁:
1.1: 原理: 利用 set nx 的互斥性；利用ex避免死锁；释放锁时判断线程标识
1.2: 缺陷: 不可重入、无法重试、锁超时失效
2. 可重入的Redis分布式锁
1.1: 原理: 利用hash结构，记录线程标识和重入次数；利用watchDog延续锁时间；利用信号量控制锁重试等待
1.2: 缺陷: redis宕机引起锁失效问题
3. Redisson的multiLock
1.1: 原理: 多个独立的Redis节点，必须在所有节点都获取重入锁，才算获取锁成功
1.2: 缺陷: 运维成本高、实现复杂
8. Redis优化秒杀
8.1 改进秒杀业务
提高并发性能:
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
8.1.2 Lua脚本完成秒杀资格判断
resource文件夹下创建
Seckill.lua
-- 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 判断库存是否足够 get stockKey
if(tonumber(redis.call('get', stockKey)) <= 0)then
-- 3.2 库存不足，返回1
return 1
end
-- 3.2 判断用户是否已经下单 SISMEMBER orderKey userId
if(redis.call('sismember', orderKey, userId) == 1)then
-- 3.3 重复下单，返回2
return 2
end
-- 3.4 扣除库存 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
业务代码:
package com.hmdp.service.impl;
import com.baomidou.mybatisplus.core.conditions.query.LambdaQueryWrapper;
import com.baomidou.mybatisplus.core.conditions.update.LambdaUpdateWrapper;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.UserHolder;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.springframework.core.io.ClassPathResource;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.script.DefaultRedisScript;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.Resource;
import java.util.Collections;
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Resource
private ISeckillVoucherService seckillVoucherService;
@Resource
private RedisIdWorker redisIdWorker;
@Resource
private RedissonClient redissonClient;
@Resource
private StringRedisTemplate stringRedisTemplate;
/**
* 加载Lua脚本
*/
public static final DefaultRedisScript<Long> SECKILL_SCRIPT;
static {
SECKILL_SCRIPT = new DefaultRedisScript<>();
// 脚本文件位置
SECKILL_SCRIPT.setLocation(new ClassPathResource("Seckill.lua"));
// 脚本返回值
SECKILL_SCRIPT.setResultType(Long.class);
}
/**
* 抢购优惠券
*
* @param voucherId
* @return
*/
@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()
);
int r = result.intValue();
// 2. 判断结果是否为0
// 2.1 不为0，代表没有购买资格
if (r != 0) {
return Result.fail(r == 1 ? "库存不足" : "不能重复下单");
}
// 2.2 为0，有购买资格，把下单信息保存到阻塞队列中
long orderId = redisIdWorker.nextId("order");
// TODO: 2022/5/9 这里需要保存到阻塞队列
// 3. 返回订单id
return Result.ok(orderId);
}
}
8.1.3 抢购成功，将优惠券id和用户id存入阻塞队列
private BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024);
/**
* 抢购优惠券
*
* @param voucherId
* @return
*/
@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()
);
int r = result.intValue();
// 2. 判断结果是否为0
// 2.1 不为0，代表没有购买资格
if (r != 0) {
return Result.fail(r == 1 ? "库存不足" : "不能重复下单");
}
// 2.2 为0，有购买资格，把下单信息保存到阻塞队列中
VoucherOrder voucherOrder = new VoucherOrder();
// 2.3 订单id
long orderId = redisIdWorker.nextId("order");
voucherOrder.setId(orderId);
// 2.4 用户id
voucherOrder.setUserId(userId);
// 2.5 优惠券id
voucherOrder.setVoucherId(voucherId);
// 2.6 放入阻塞队列
orderTasks.add(voucherOrder);
// 3. 返回订单id
return Result.ok(orderId);
}
8.1.4 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
package com.hmdp.service.impl;
import com.baomidou.mybatisplus.core.conditions.query.LambdaQueryWrapper;
import com.baomidou.mybatisplus.core.conditions.update.LambdaUpdateWrapper;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.UserHolder;
import lombok.extern.slf4j.Slf4j;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.springframework.core.io.ClassPathResource;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.script.DefaultRedisScript;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.PostConstruct;
import javax.annotation.Resource;
import java.util.Collections;
import java.util.concurrent.*;
@Slf4j
@Service
@Transactional(rollbackFor = Exception.class)
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Resource
private ISeckillVoucherService seckillVoucherService;
@Resource
private RedisIdWorker redisIdWorker;
@Resource
private RedissonClient redissonClient;
@Resource
private StringRedisTemplate stringRedisTemplate;
/**
* 加载Lua脚本
*/
public static final DefaultRedisScript<Long> SECKILL_SCRIPT;
static {
SECKILL_SCRIPT = new DefaultRedisScript<>();
// 脚本文件位置
SECKILL_SCRIPT.setLocation(new ClassPathResource("Seckill.lua"));
// 脚本返回值
SECKILL_SCRIPT.setResultType(Long.class);
}
private BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024);
private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();
@PostConstruct
private void init() {
SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderHandler());
}
private class VoucherOrderHandler implements Runnable {
@Override
public void run() {
while (true) {
try {
// 1. 获取队列中的订单信息
VoucherOrder voucherOrder = orderTasks.take();
// 2. 创建订单
createVoucherOrder(voucherOrder);
} catch (InterruptedException e) {
log.error("处理订单异常", e);
}
}
}
}
/**
* 创建订单
* @param voucherOrder
* @return
*/
public void createVoucherOrder(VoucherOrder voucherOrder) {
// 5. 一人只能抢一份
Long userId = voucherOrder.getUserId();
Long voucherId = voucherOrder.getVoucherId();
// 使用Redisson创建锁对象
RLock redisLock = redissonClient.getLock("lock:order:" + userId);
// 使用Redisson尝试获取锁
boolean isLock = redisLock.tryLock();
// 判断是否获取锁
if (!isLock) {
// 获取锁失败，直接返回失败/重试
log.error("不允许重复抢购!!");
return;
}
try {
// 5.1 查询订单
long count = this.count(new LambdaQueryWrapper<VoucherOrder>()
.eq(VoucherOrder::getUserId, userId)
.eq(VoucherOrder::getVoucherId, voucherId));
// 5.2 判断是否已经抢过
if (count > 0) {
// 用户已经购买过
log.error("用户已经购买过!!");
return;
}
// 6. 扣减库存
boolean success = seckillVoucherService.update(new LambdaUpdateWrapper<SeckillVoucher>()
.eq(SeckillVoucher::getVoucherId, voucherId)
.gt(SeckillVoucher::getStock, 0)
.setSql("stock = stock - 1"));
if (!success) {
// 扣减库存失败
log.error("扣减库存失败!!");
return ;
}
// 存库
this.save(voucherOrder);
} finally {
// 使用Redisson释放锁
redisLock.unlock();
}
}
/**
* 抢购优惠券
*
* @param voucherId
* @return
*/
@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()
);
int r = result.intValue();
// 2. 判断结果是否为0
// 2.1 不为0，代表没有购买资格
if (r != 0) {
return Result.fail(r == 1 ? "库存不足" : "不能重复下单");
}
// 2.2 为0，有购买资格，把下单信息保存到阻塞队列中
VoucherOrder voucherOrder = new VoucherOrder();
// 2.3 订单id
long orderId = redisIdWorker.nextId("order");
voucherOrder.setId(orderId);
// 2.4 用户id
voucherOrder.setUserId(userId);
// 2.5 优惠券id
voucherOrder.setVoucherId(voucherId);
// 2.6 放入阻塞队列
orderTasks.add(voucherOrder);
// 3. 返回订单id
return Result.ok(orderId);
}
}
8.1.5 总结
优化思路
- 先利用Redis完成库存余量、一人一单判断，完成抢单业务
- 再讲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
9. Redis消息队列实现异步秒杀
9.1 什么是消息队列
消息队列(Message Queue)，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
9.2 基于List结构模拟消息队列
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，很容以模拟出队列效果。
队列：是入口和出口不在一遍，因此可以利用: LPUSH结合RPOP、或者RPUSH结合LPOP来实现
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。
9.2.1基于list的消息队列的优缺点
9.2.1.1 优点
- 利用redis存储，不受限与JVM内存的上限
- 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
9.2.1.2 缺点
- 无法避免消息丢失
- 只支持单消费者
9.4 基于PubSub的消息队列
PubSub（发布订阅）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，生产者向对应的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
9.4.1 基于PubSub的优缺点
9.4.1.1 优点
- 采用发布订阅模型，支持多生产、多消费
9.4.1.2 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
9.6 基于Stream的消息队列=>(单消费模式)
Stream是Redis5.0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:
读取消息的方式之一 xread:
例如: 使用xread读取第一个消息
9.6.1 Xread阻塞方式，读取消息
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:
9.6.2 Stream类型消息队列的Xread命令特点
- 消息可回溯
- 一条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
9.7 基于Stream的消息队列=>(消费组模式)
消费组（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:
其他常见命令
从消费者组读取消息
9.7.1 消费者监听消息的基本思路
9.7.2 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
9.8 Redis消息队列
9.9 基于Redis的Stream结构作为消息队列，实现异步秒杀下单
需求:
- 创建一个 Stream类型的消息队列命名为
stream.orders- 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- 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
9.9.1 创建stream.orders
9.9.2 修改lua脚本和抢购优惠券的逻辑
-- 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 判断库存是否足够 get stockKey
if(tonumber(redis.call('get', stockKey)) <= 0)then
-- 3.2 库存不足，返回1
return 1
end
-- 3.2 判断用户是否已经下单 SISMEMBER orderKey userId
if(redis.call('sismember', orderKey, userId) == 1)then
-- 3.3 重复下单，返回2
return 2
end
-- 3.4 扣除库存 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 发送消息到队列中， XADD stream.orders * k1 v1 k2 v2 ...
redis.call('xadd', 'stream.orders', '*', 'userId', userId, 'voucherId', voucherId, 'id', orderId)
return 0
/**
* 抢购优惠券
*
* @param voucherId
* @return
*/
@Override
public Result seckillVoucher(Long voucherId) {
Long userId = UserHolder.getUser().getId();
long orderId = redisIdWorker.nextId("order");
// 1. 执行Lua脚本
Long result = stringRedisTemplate.execute(
SECKILL_SCRIPT,
Collections.emptyList(),
voucherId.toString(),
userId.toString(),
String.valueOf(orderId)
);
int r = result.intValue();
// 2. 判断结果是否为0
// 2.1 不为0，代表没有购买资格
if (r != 0) {
return Result.fail(r == 1 ? "库存不足" : "不能重复下单");
}
// 3. 返回订单id
return Result.ok(orderId);
}
9.9.3 获取stream.orders中的消息，完成下单
package com.hmdp.service.impl;
import cn.hutool.core.bean.BeanUtil;
import com.baomidou.mybatisplus.core.conditions.query.LambdaQueryWrapper;
import com.baomidou.mybatisplus.core.conditions.update.LambdaUpdateWrapper;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.UserHolder;
import lombok.extern.slf4j.Slf4j;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.springframework.core.io.ClassPathResource;
import org.springframework.data.redis.connection.stream.*;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.script.DefaultRedisScript;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import javax.annotation.PostConstruct;
import javax.annotation.Resource;
import java.time.Duration;
import java.util.Collections;
import java.util.List;
import java.util.Map;
import java.util.concurrent.*;
@Slf4j
@Service
@Transactional(rollbackFor = Exception.class)
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
@Resource
private ISeckillVoucherService seckillVoucherService;
@Resource
private RedisIdWorker redisIdWorker;
@Resource
private RedissonClient redissonClient;
@Resource
private StringRedisTemplate stringRedisTemplate;
/**
* 加载Lua脚本
*/
public static final DefaultRedisScript<Long> SECKILL_SCRIPT;
static {
SECKILL_SCRIPT = new DefaultRedisScript<>();
// 脚本文件位置
SECKILL_SCRIPT.setLocation(new ClassPathResource("Seckill.lua"));
// 脚本返回值
SECKILL_SCRIPT.setResultType(Long.class);
}
private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();
@PostConstruct
private void init() {
SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderHandler());
}
private class VoucherOrderHandler implements Runnable {
@Override
public void run() {
String queueName = "stream.orders";
while (true) {
try {
// 1. 获取消息队列中的订单信息 XREADGROUP GROUP G1 C1 COUNT 1 BLOCK 2000 STREAMS S1 >
List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(
Consumer.from("g1", "c1"),
StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)),
StreamOffset.create(queueName, ReadOffset.lastConsumed())
);
// 2. 判断订单信息是否为空
if (list == null || list.isEmpty()) {
// 2.1 如果为null，说明没有消息，继续下一次循环
continue;
}
// 2.2 解析消息
MapRecord<String, Object, Object> record = list.get(0);
Map<Object, Object> value = record.getValue();
VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(value, new VoucherOrder(), true);
// 3. 创建订单
createVoucherOrder(voucherOrder);
// 4. 确认消息 XACK s1 g1 id
stringRedisTemplate.opsForStream().acknowledge(queueName, "g1", record.getId());
} catch (Exception e) {
log.error("处理订单异常", e);
hanldependdingList();
}
}
}
private void hanldependdingList() {
String queueName = "stream.orders";
while (true) {
try {
// 1. 获取pending-list中的订单信息 XREADGROUP GROUP G1 C1 COUNT 1 BLOCK 2000 STREAMS S1 >
List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(
Consumer.from("g1", "c1"),
StreamReadOptions.empty().count(1),
StreamOffset.create(queueName, ReadOffset.from("0"))
);
// 2. 判断订单信息是否为空
if (list == null || list.isEmpty()) {
// 2.1 如果为null，说明pendding-list没有异常消息，结束循环
break;
}
// 2.2 解析消息
MapRecord<String, Object, Object> record = list.get(0);
Map<Object, Object> value = record.getValue();
VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(value, new VoucherOrder(), true);
// 3. 创建订单
createVoucherOrder(voucherOrder);
// 4. 确认消息 XACK s1 g1 id
stringRedisTemplate.opsForStream().acknowledge(queueName, "g1", record.getId());
} catch (Exception e) {
log.error("处理pendding订单异常", e);
try {
Thread.sleep(200);
} catch (InterruptedException ex) {
ex.printStackTrace();
}
}
}
}
}
/**
* 创建订单
* @param voucherOrder
* @return
*/
public void createVoucherOrder(VoucherOrder voucherOrder) {
// 5. 一人只能抢一份
Long userId = voucherOrder.getUserId();
Long voucherId = voucherOrder.getVoucherId();
// 使用Redisson创建锁对象
RLock redisLock = redissonClient.getLock("lock:order:" + userId);
// 使用Redisson尝试获取锁
boolean isLock = redisLock.tryLock();
// 判断是否获取锁
if (!isLock) {
// 获取锁失败，直接返回失败/重试
log.error("不允许重复抢购!!");
return;
}
try {
// 5.1 查询订单
long count = this.count(new LambdaQueryWrapper<VoucherOrder>()
.eq(VoucherOrder::getUserId, userId)
.eq(VoucherOrder::getVoucherId, voucherId));
// 5.2 判断是否已经抢过
if (count > 0) {
// 用户已经购买过
log.error("用户已经购买过!!");
return;
}
// 6. 扣减库存
boolean success = seckillVoucherService.update(new LambdaUpdateWrapper<SeckillVoucher>()
.eq(SeckillVoucher::getVoucherId, voucherId)
.gt(SeckillVoucher::getStock, 0)
.setSql("stock = stock - 1"));
if (!success) {
// 扣减库存失败
log.error("扣减库存失败!!");
return ;
}
// 存库
this.save(voucherOrder);
} finally {
// 使用Redisson释放锁
redisLock.unlock();
}
}
/**
* 抢购优惠券
*
* @param voucherId
* @return
*/
@Override
public Result seckillVoucher(Long voucherId) {
Long userId = UserHolder.getUser().getId();
long orderId = redisIdWorker.nextId("order");
// 1. 执行Lua脚本
Long result = stringRedisTemplate.execute(
SECKILL_SCRIPT,
Collections.emptyList(),
voucherId.toString(),
userId.toString(),
String.valueOf(orderId)
);
int r = result.intValue();
// 2. 判断结果是否为0
// 2.1 不为0，代表没有购买资格
if (r != 0) {
return Result.fail(r == 1 ? "库存不足" : "不能重复下单");
}
// 3. 返回订单id
return Result.ok(orderId);
}
}
标签：return,hmdp,Redis,秒杀,key,使用,import,com,id 来源： https://www.cnblogs.com/codertl/p/16266313.html