Redis高并发场景下秒杀超卖解决

简介: Redis高并发场景下秒杀超卖解决

1 什么是秒杀

秒杀最直观的定义:在高并发场景下而下单某一个商品,这个过程就叫秒杀

2 为什么要防止超卖

早期的购票,刚被开发出来使用的时候,经常出现 超卖 这种现象,也就是说车票只剩10张了,却被20个人买到了,这种现象就是超卖!


还有在高并发的情况下,如果说没有一定的保护措施,系统会被这种高流量造成严重的损失


库存100件 你卖了1000件 等着亏钱吧!


防止恶意争抢


假如我们网站想下发优惠给群众,但是被不法分子利用技术将下发给群众的利益收入囊中

保证用户体验


高并发场景下,特别卡,别说秒杀了,打都打不开直接就不能用

3 单体架构常规秒杀

3.1 常规减库存代码

/**
 * @Author oldlu
 */
@Service
@Transactional  //控制事务
public class OrderServiceImpl implements OrderService {
    @Autowired
    private StockMapper stockMapper;
    @Autowired
    private OrderMapper orderMapper;
    @Override
    public Integer SaleKill(Integer id) {
    //查询是否有库存
        Stock stock = stockMapper.checkStock(id);
        if(stock.getSale().equals(stock.getCount())){
            throw new RuntimeException("库存不足!");
        }else{
            //扣除库存  (已售数量+1)
            stock.setSale(stock.getSale()+1);
            stockMapper.updateSale(stock);   //更新信息
            //创建订单
            Order order = new Order();
            order.setSid(stock.getId()).setName(stock.getName()).setCreateDate(new Date());
            orderMapper.createOrder(order); 
            return order.getId(); 
        }
    }
}

测试controller

/**
 * @Author oldlu
 */
@RestController
@RequestMapping("/stock")
public class StockController {
    @Autowired
    private OrderService orderService;
    @GetMapping("/kill/{id}")
    public String SaleKill(@PathVariable("id") Integer id){
        try {
            Integer orderId = orderService.SaleKill(id);
            return "秒杀成功,订单ID为:"+String.valueOf(orderId);
        }catch (Exception e){
            e.printStackTrace();
            return e.getMessage();
        }
    }
}

正常情况看不会有什么问题,就是你访问一下库存少一个

3.2 模拟高并发

3.3 超卖现象

3.4 分析原因

线程不安全库存重复去减,方法就是加锁,单机简单加锁即可解决,如果是分布式集群模式搭建那就要考虑分布式锁

4 简单实现悲观乐观锁解决单体架构超卖

4.1 悲观锁

/**
 * @Author oldlu
 */
@RestController
@RequestMapping("/stock")
public class StockController {
    @Autowired
    private OrderService orderService;
    //开发秒杀方法
    @GetMapping("/kill/{id}")
    public String kill(@PathVariable("id") Integer id){
        System.out.println("秒杀商品的ID=====================>"+id);
        try {
            //使用悲观锁
            synchronized (this){
                //根据秒杀商品id调用秒杀业务
                Integer orderId = orderService.kill(id);
                return "秒杀成功,订单ID为:"+String.valueOf(orderId);
            }
        }catch (Exception e){
            e.printStackTrace();
            return e.getMessage();
        }
    }
}

这样效率很差会造成线程阻塞,线程排队问题,对用户的体验不是很好,必须处理完一个才能继续.

4.2 乐观锁

    /**
     * 扣除库存
     * @param stock
     */
    public void updateSale(Stock stock){
        //扣除库存  (已售数量+1)
        stock.setSale(stock.getSale()+1);
        stockMapper.updateSale(stock);   //更新信息
    }
/**
 * 扣除库存
 * @param stock
 */
public void updateSale(Stock stock){
    //在sql层面完成销量+1 和 版本号 +1 并且根据商品id和版本号同时查询更新的商品
    Integer updRows = stockMapper.updateSale(stock);   //更新信息
    if(updRows == 0){   //代表没有拿到版本号
        throw new RuntimeException("抢购失败,请重试!");
    }
}

也就是没更新成功说明已经秒杀完了, 相对悲观锁而言乐观锁保证了一定的效率,而不像悲观锁那样会造成线程阻塞使用乐观锁需要使用版本号,在操作数据的时候要对版本号进行更新

4.3 redis锁setnx

但是上述代码在高并发,可能其他线程会释放别人的锁

4.4 使用Redision

https://github.com/redisson/redisson

5 分布式锁的解决方案

实现分布式锁的解决方案

6 采用缓存队列防止超卖

高并发缓存队列防止溢出解决方案

目录
相关文章
|
10月前
|
关系型数据库 MySQL 分布式数据库
Super MySQL|揭秘PolarDB全异步执行架构,高并发场景性能利器
阿里云瑶池旗下的云原生数据库PolarDB MySQL版设计了基于协程的全异步执行架构,实现鉴权、事务提交、锁等待等核心逻辑的异步化执行,这是业界首个真正意义上实现全异步执行架构的MySQL数据库产品,显著提升了PolarDB MySQL的高并发处理能力,其中通用写入性能提升超过70%,长尾延迟降低60%以上。
|
10月前
|
缓存 NoSQL 算法
高并发秒杀系统实战(Redis+Lua分布式锁防超卖与库存扣减优化)
秒杀系统面临瞬时高并发、资源竞争和数据一致性挑战。传统方案如数据库锁或应用层锁存在性能瓶颈或分布式问题,而基于Redis的分布式锁与Lua脚本原子操作成为高效解决方案。通过Redis的`SETNX`实现分布式锁,结合Lua脚本完成库存扣减,确保操作原子性并大幅提升性能(QPS从120提升至8,200)。此外,分段库存策略、多级限流及服务降级机制进一步优化系统稳定性。最佳实践包括分层防控、黄金扣减法则与容灾设计,强调根据业务特性灵活组合技术手段以应对高并发场景。
2883 7
|
11月前
|
NoSQL 算法 安全
redis分布式锁在高并发场景下的方案设计与性能提升
本文探讨了Redis分布式锁在主从架构下失效的问题及其解决方案。首先通过CAP理论分析,Redis遵循AP原则,导致锁可能失效。针对此问题,提出两种解决方案:Zookeeper分布式锁(追求CP一致性)和Redlock算法(基于多个Redis实例提升可靠性)。文章还讨论了可能遇到的“坑”,如加从节点引发超卖问题、建议Redis节点数为奇数以及持久化策略对锁的影响。最后,从性能优化角度出发,介绍了减少锁粒度和分段锁的策略,并结合实际场景(如下单重复提交、支付与取消订单冲突)展示了分布式锁的应用方法。
888 3
|
11月前
|
存储 NoSQL Java
从扣减库存场景来讲讲redis分布式锁中的那些“坑”
本文从一个简单的库存扣减场景出发,深入分析了高并发下的超卖问题,并逐步优化解决方案。首先通过本地锁解决单机并发问题,但集群环境下失效;接着引入Redis分布式锁,利用SETNX命令实现加锁,但仍存在死锁、锁过期等隐患。文章详细探讨了通过设置唯一标识、续命机制等方法完善锁的可靠性,并最终引出Redisson工具,其内置的锁续命和原子性操作极大简化了分布式锁的实现。最后,作者剖析了Redisson源码,揭示其实现原理,并预告后续关于主从架构下分布式锁的应用与性能优化内容。
501 0
|
缓存 NoSQL 架构师
Redis批量查询的四种技巧,应对高并发场景的利器!
在高并发场景下,巧妙地利用缓存批量查询技巧能够显著提高系统性能。 在笔者看来,熟练掌握细粒度的缓存使用是每位架构师必备的技能。因此,在本文中,我们将深入探讨 Redis 中批量查询的一些技巧,希望能够给你带来一些启发。
Redis批量查询的四种技巧,应对高并发场景的利器!
|
缓存 NoSQL Redis
Redis高并发和高可用
Redis高并发和高可用
210 0
|
监控 NoSQL Redis
怎么保证Redis的高并发高可用
怎么保证Redis的高并发高可用
256 0
|
缓存 监控 NoSQL
|
缓存 监控 NoSQL
关于Redis的几件小事 | 高并发和高可用
关于Redis的几件小事 | 高并发和高可用如果你用redis缓存技术的话,肯定要考虑如何用redis来加多台机器,保证redis是高并发的,还有就是如何让Redis保证自己不是挂掉以后就直接死掉了。
1277 0
|
11月前
|
缓存 NoSQL 关系型数据库
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?