《Redis实战篇》三、优惠券秒杀

3.1 全局唯一ID

每个店铺都可以发布优惠券：

当用户抢购时，就会生成订单并保存到tb_voucher_order这张表中，而订单表如果使用数据库自增ID就存在一些问题：

• id的规律性太明显
• 受单表数据量的限制

场景分析一：如果我们的id具有太明显的规则，用户或者说商业对手很容易猜测出来我们的一些敏感信息，比如商城在一天时间内，卖出了多少单，这明显不合适。

场景分析二：随着我们商城规模越来越大，Mysql的单表的容量不宜超过500W，数据量过大之后，我们要进行拆库拆表，但拆分表了之后，他们从逻辑上讲他们是同一张表，所以他们的id是不能一样的， 于是乎我们需要保证id的唯一性。

全局ID生成器，是一种在分布式系统下用来生成全局唯一ID的工具，一般要满足下列特性：

为了增加ID的安全性，我们可以不直接使用Redis自增的数值，而是拼接一些其它信息：

ID的组成部分：

符号位：1bit，永远为0

时间戳：31bit，以秒为单位，可以使用69年

序列号：32bit，秒内的计数器，支持每秒产生2^32个不同ID

3.2 Redis实现全局唯一Id

@Componentpublic class RedisIdWorker {        private static final long BEGIN_TIMESTAMP = 1670803200L;        private static final long COUNT_BITS = 32;    private StringRedisTemplate stringRedisTemplate;    public RedisIdWorker(StringRedisTemplate stringRedisTemplate) {        this.stringRedisTemplate = stringRedisTemplate;    }    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 获取当天日期，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;    }}

测试类

@Testpublic void testIdWorker() throws InterruptedException {    CountDownLatch countDownLatch = new CountDownLatch(300);    Runnable task = ()->{        for (int i = 0; i < 100; i++) {            long id = redisIdWorker.nextId("order");            System.out.println("id = "+id);        }        countDownLatch.countDown();    };    long begin = System.currentTimeMillis();    for (int i = 0; i < 300; i++) {        es.submit(task);    }    countDownLatch.await();    long end = System.currentTimeMillis();    System.out.println("time = "+(end - begin));}

知识小贴士：关于countdownlatch

countdownlatch名为信号枪：主要的作用是同步协调在多线程的等待于唤醒问题

我们如果没有CountDownLatch ，那么由于程序是异步的，当异步程序没有执行完时，主线程就已经执行完了，然后我们期望的是分线程全部走完之后，主线程再走，所以我们此时需要使用到CountDownLatch

CountDownLatch 中有两个最重要的方法

countDown

await

await 方法 是阻塞方法，我们担心分线程没有执行完时，main线程就先执行，所以使用await可以让main线程阻塞，那么什么时候main线程不再阻塞呢？当CountDownLatch 内部维护的 变量变为0时，就不再阻塞，直接放行，那么什么时候CountDownLatch 维护的变量变为0 呢，我们只需要调用一次countDown ，内部变量就减少1，我们让分线程和变量绑定， 执行完一个分线程就减少一个变量，当分线程全部走完，CountDownLatch 维护的变量就是0，此时await就不再阻塞，统计出来的时间也就是所有分线程执行完后的时间。

3.3 添加优惠卷

每个店铺都可以发布优惠券，分为平价券和特价券。平价券可以任意购买，而特价券需要秒杀抢购：

tb_voucher：优惠券的基本信息，优惠金额、使用规则等
tb_seckill_voucher：优惠券的库存、开始抢购时间，结束抢购时间。特价优惠券才需要填写这些信息

平价卷由于优惠力度并不是很大，所以是可以任意领取

而代金券由于优惠力度大，所以像第二种卷，就得限制数量，从表结构上也能看出，特价卷除了具有优惠卷的基本信息以外，还具有库存，抢购时间，结束时间等等字段

**新增普通卷代码: ** VoucherController

@PostMappingpublic Result addVoucher(@RequestBody Voucher voucher) {    voucherService.save(voucher);    return Result.ok(voucher.getId());}

新增秒杀卷代码：

VoucherController

@PostMapping("seckill")public Result addSeckillVoucher(@RequestBody Voucher voucher) {    voucherService.addSeckillVoucher(voucher);    return Result.ok(voucher.getId());}

VoucherServiceImpl

@Override@Transactionalpublic 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    stringRedisTemplate.opsForValue().set(SECKILL_STOCK_KEY + voucher.getId(), voucher.getStock().toString());}

3.4 实现秒杀下单

下单核心思路：当我们点击抢购时，会触发右侧的请求，我们只需要编写对应的controller即可

下单时需要判断两点：

• 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
• 库存是否充足，不足则无法下单

下单核心逻辑分析：

当用户开始进行下单，我们应当去查询优惠卷信息，查询到优惠卷信息，判断是否满足秒杀条件

比如时间是否充足，如果时间充足，则进一步判断库存是否足够，如果两者都满足，则扣减库存，创建订单，然后返回订单id，如果有一个条件不满足则直接结束。

VoucherOrderServiceImpl

@Override@Transactionalpublic Result seckillVoucher(Long voucherId) {    // 1.获取优惠券信息    SeckillVoucher voucher = seckillVoucherService.getById(voucherId);    // 2.判断秒杀是否开始    LocalDateTime beginTime = voucher.getBeginTime();    LocalDateTime endTime = voucher.getEndTime();    if(beginTime.isAfter(LocalDateTime.now()) || endTime.isBefore(LocalDateTime.now())){        return Result.fail("不再秒杀时段内！");    }    // 3.判断库存是否充足    if(voucher.getStock() < 1){        //库存不足        return Result.fail("库存不足！");    }    // 4.扣减库存    boolean success = seckillVoucherService.update().setsql("stock = stock - 1").eq("voucher_id", voucherId).update();    //这里二次判断的原因在于：高并发场景下会有时间差A在更新库存的时间内，B把最后一件买走了，就会导致A更新失败！    if(!success){        return Result.fail("库存不足！");    }    // 5.创建订单    VoucherOrder voucherOrder = new VoucherOrder();    // 5.1 订单id    long orderId = redisIdWorker.nextId("order");    voucherOrder.setId(orderId);    // 5.2 用户id    voucherOrder.setUserId(UserHolder.getUser().getId());    // 5.3代金券id    voucherOrder.setVoucherId(voucherId);    this.save(voucherOrder);    return Result.ok(orderId);}

测试：

当我们用两百个线程模拟秒杀的时候，竟然出现了 库存 -9 的情况，很显然出现了超卖问题~

3.5 库存超卖问题分析

有关超卖问题分析：在我们原有代码中是这么写的

 if (voucher.getStock() < 1) {        // 库存不足        return Result.fail("库存不足！");    }    //5，扣减库存    boolean success = seckillVoucherService.update()            .setSql("stock= stock -1")            .eq("voucher_id", voucherId).update();    if (!success) {        //扣减库存        return Result.fail("库存不足！");    }

假设线程1过来查询库存，判断出来库存大于1，正准备去扣减库存，但是还没有来得及去扣减，此时线程2过来，线程2也去查询库存，发现这个数量一定也大于1，那么这两个线程都会去扣减库存，最终多个线程相当于一起去扣减库存，此时就会出现库存的超卖问题。

超卖问题是典型的多线程安全问题，针对这一问题的常见解决方案就是加锁：而对于加锁，我们通常有两种解决方案：见下图：

悲观锁：

悲观锁可以实现对于数据的串行化执行，比如syn，和lock都是悲观锁的代表，同时，悲观锁中又可以再细分为公平锁，非公平锁，可重入锁，等等

乐观锁：

乐观锁：会有一个版本号，每次操作数据会对版本号+1，再提交回数据时，会去校验是否比之前的版本大1 ，如果大1 ，则进行操作成功，这套机制的核心逻辑在于，如果在操作过程中，版本号只比原来大1 ，那么就意味着操作过程中没有人对他进行过修改，他的操作就是安全的，如果不大1，则数据被修改过，当然乐观锁还有一些变种的处理方式比如cas

乐观锁的典型代表：就是cas，利用cas进行无锁化机制加锁，var5 是操作前读取的内存值，while中的var1+var2 是预估值，如果预估值 == 内存值，则代表中间没有被人修改过，此时就将新值去替换 内存值

其中do while 是为了在操作失败时，再次进行自旋操作，即把之前的逻辑再操作一次。

int var5;do {    var5 = this.getIntVolatile(var1, var2);} while(!this.compareAndSwapint(var1, var2, var5, var5 + var4));return var5;

课程中的使用方式：

课程中的使用方式是没有像cas一样带自旋的操作，也没有对version的版本号+1 ，他的操作逻辑是在操作时，对版本号进行+1 操作，然后要求version 如果是1 的情况下，才能操作，那么第一个线程在操作后，数据库中的version变成了2，但是他自己满足version=1 ，所以没有问题，此时线程2执行，线程2 最后也需要加上条件version =1 ，但是现在由于线程1已经操作过了，所以线程2，操作时就不满足version=1 的条件了，所以线程2无法执行成功

3.6 乐观锁解决超卖问题

修改代码方案一、

VoucherOrderServiceImpl 在扣减库存时，改为：

boolean success = seckillVoucherService.update()            .setSql("stock= stock -1") //set stock = stock -1            .eq("voucher_id", voucherId).eq("stock",voucher.getStock()).update(); //where id = ？ and stock = ?

结果：

以上逻辑的核心含义是：只要我扣减库存时的库存和之前我查询到的库存是一样的，就意味着没有人在中间修改过库存，那么此时就是安全的，但是以上这种方式通过测试发现会有很多失败的情况，失败的原因在于：在使用乐观锁过程中假设100个线程同时都拿到了100的库存，然后大家一起去进行扣减，但是100个人中只有1个人能扣减成功，其他的人在处理时，他们在扣减时，库存已经被修改过了，所以此时其他线程都会失败

修改代码方案二、

之前的方式要修改前后都保持一致，但是这样我们分析过，成功的概率太低，所以我们的乐观锁需要变一下，改成stock大于0 即可

boolean success = seckillVoucherService.update()            .setSql("stock= stock -1")            .eq("voucher_id", voucherId).update().gt("stock",0); //where id = ? and stock > 0

知识小扩展：

针对cas中的自旋压力过大，我们可以使用Longaddr这个类去解决

Java8 提供的一个对AtomicLong改进后的一个类，LongAdder

大量线程并发更新一个原子性的时候，天然的问题就是自旋，会导致并发性问题，当然这也比我们直接使用syn来的好

所以利用这么一个类，LongAdder来进行优化

如果获取某个值，则会对cell和base的值进行递增，最后返回一个完整的值

3.7 优惠券秒杀-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

现在的问题在于：

优惠卷是为了引流，但是目前的情况是，一个人可以无限制的抢这个优惠卷，所以我们应当增加一层逻辑，让一个用户只能下一个单，而不是让一个用户下多个单

具体操作逻辑如下：比如时间是否充足，如果时间充足，则进一步判断库存是否足够，然后再根据优惠卷id和用户id查询是否已经下过这个订单，如果下过这个订单，则不再下单，否则进行下单

VoucherOrderServiceImpl

初步代码：增加一人一单逻辑

@Override@Transactionalpublic Result seckillVoucher(Long voucherId) {    // 1.获取优惠券信息    SeckillVoucher voucher = seckillVoucherService.getById(voucherId);    // 2.判断秒杀是否开始    LocalDateTime beginTime = voucher.getBeginTime();    LocalDateTime endTime = voucher.getEndTime();    if(beginTime.isAfter(LocalDateTime.now()) || endTime.isBefore(LocalDateTime.now())){        return Result.fail("不再秒杀时段内！");    }    // 3.判断库存是否充足    if(voucher.getStock() < 1){        //库存不足        return Result.fail("库存不足！");    }    // 4. 一人一单    Long userId = UserHolder.getUser().getId();    // 4.1 查询订单    Integer count = this.query().eq("voucher_id", voucherId).eq("user_id", userId).count();    // 4.2 判断是否存在    if(count > 0){        return Result.fail("用户已经购买过一次了~");    }    // 5.扣减库存    boolean success = seckillVoucherService.update().setSql("stock = stock - 1").        eq("voucher_id", voucherId)        .gt("stock",0)        .update();    //这里二次判断的原因在于：高并发场景下会有时间差A在更新库存的时间内，B把最后一件买走了，就会导致A更新失败！    if(!success){        return Result.fail("库存不足！");    }    // 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    voucherOrder.setUserId(userId);    // 6.3代金券id    voucherOrder.setVoucherId(voucherId);    this.save(voucherOrder);    return Result.ok(orderId);}

**存在问题：**现在的问题还是和之前一样，并发过来，查询数据库，都不存在订单，所以我们还是需要加锁，但是乐观锁比较适合更新数据，而现在是插入数据，所以我们需要使用悲观锁操作

注意： 在这里提到了非常多的问题，我们需要慢慢的来思考，首先我们的初始方案是封装了一个createVoucherOrder方法，同时为了确保他线程安全，在方法上添加了一把synchronized 锁

@Transactionalpublic synchronized Result createVoucherOrder(Long voucherId) {    // 4. 一人一单    Long userId = UserHolder.getUser().getId();    // 4.1 查询订单    Integer count = this.query().eq("voucher_id", voucherId).eq("user_id", userId).count();    // 4.2 判断是否存在    if(count > 0){        return Result.fail("用户已经购买过一次了~");    }    // 5.扣减库存    boolean success = seckillVoucherService.update().setSql("stock = stock - 1").        eq("voucher_id", voucherId)        .gt("stock",0)        .update();    //这里二次判断的原因在于：高并发场景下会有时间差A在更新库存的时间内，B把最后一件买走了，就会导致A更新失败！    if(!success){        return Result.fail("库存不足！");    }    // 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    voucherOrder.setUserId(userId);    // 6.3代金券id    voucherOrder.setVoucherId(voucherId);    this.save(voucherOrder);    return Result.ok(orderId);}

，但是这样添加锁，锁的粒度太粗了，在使用锁过程中，控制锁粒度 是一个非常重要的事情，因为如果锁的粒度太大，会导致每个线程进来都会锁住，所以我们需要去控制锁的粒度，以下这段代码需要修改为：
intern() 这个方法是从常量池中拿到数据，如果我们直接使用userId.toString() 他拿到的对象实际上是不同的对象，new出来的对象，我们使用锁必须保证锁必须是同一把，所以我们需要使用intern()方法

@Transactionalpublic  Result createVoucherOrder(Long voucherId) {    // 4. 一人一单    Long userId = UserHolder.getUser().getId();        synchronized(userId.toString().intern()){        // 4.1 查询订单        Integer count = this.query().eq("voucher_id", voucherId).eq("user_id", userId).count();        // 4.2 判断是否存在        if(count > 0){            return Result.fail("用户已经购买过一次了~");        }        // 5.扣减库存        boolean success = seckillVoucherService.update().setSql("stock = stock - 1").                eq("voucher_id", voucherId)                .gt("stock",0)                .update();        //这里二次判断的原因在于：高并发场景下会有时间差A在更新库存的时间内，B把最后一件买走了，就会导致A更新失败！        if(!success){            return Result.fail("库存不足！");        }        // 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        voucherOrder.setUserId(userId);        // 6.3代金券id        voucherOrder.setVoucherId(voucherId);        this.save(voucherOrder);        return Result.ok(orderId);    }}

但是以上代码还是存在问题，问题的原因在于当前方法被spring的事务控制，如果你在方法内部加锁，可能会导致当前方法事务还没有提交，但是锁已经释放也会导致问题，所以我们选择将当前方法整体包裹起来，确保事务不会出现问题：如下：

在seckillVoucher 方法中，添加以下逻辑，这样就能保证事务的特性，同时也控制了锁的粒度

但是以上做法依然有问题，因为你调用的方法，其实是this.的方式调用的，事务想要生效，还得利用代理来生效，所以这个地方，我们需要获得原始的事务对象， 来操作事务

**注意：**代理需要搭配@EnableAspectJAutoProxy(exposeProxy = true) 和aspectjweaver 依赖

3.8 集群环境下的并发问题

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。

我们将服务启动两份，端口分别为8081和8082：

然后修改Nginx的conf目录下的nginx.conf文件，配置反向代理和负载均衡：

具体操作(略)

我们在Postman中发送两个一模一样的秒杀请求，结果发现请求分别进入了两个服务的synchronized方法内，出现了锁失效的问题~

有关锁失效原因分析

由于现在我们部署了多个Tomcat，每个tomcat都有一个属于自己的JVM，那么假设在服务器A的tomcat内部，有两个线程，这两个线程由于使用的是同一份代码，那么他们的锁对象是同一个，是可以实现互斥的，但是如果现在是服务器B的tomcat内部，又有两个线程，但是他们的锁对象写的虽然和服务器A一样，但是锁对象却不是同一个，所以线程3和线程4可以实现互斥，但是却无法和线程1和线程2实现互斥，这就是 集群环境下，syn锁失效的原因，在这种情况下，我们就需要使用分布式锁来解决这个问题。

来源地址：https://blog.csdn.net/LXYDSF/article/details/128341401