并发扣款,如何保证数据的一致性?

简介: 同一个用户在并发“查询,逻辑计算,扣款”的情况下,余额可能出现不一致,请问有什么优化方法么?

继续解答星球水友提问。
===
沈老师,我们有个业务,同一个用户在并发“查询,逻辑计算,扣款”的情况下,余额可能出现不一致,请问有什么优化方法么?
===

扣款的业务场景是怎样的?用户购买商品的过程中,要对余额进行查询与修改,大致的业务流程如下:第一步,从数据库查询用户现有余额:
SELECT money FROM t_yue WHERE uid=$uid;
不妨设查询出来的$old_money=100元。


第二步 ,业务层实施 业务逻辑计算 ,比如:
(1)先查询购买商品的价格,例如是80元;
(2)再查询产品是否有活动,以及活动折扣,例如是9折;
(3)比对余额是否足够,足够时才往下走;

if($old_money> 80*0.9){
    $new_money=$old_money-80*0.9=28
} else {
    return "Not enough minerals";
}


第三步 ,将数据库中的余额进行 修改
UPDATE t_yue SET money=$new_money WHERE uid=$uid;


在并发量低的情况下,这个流程没有任何问题,原有金额100元,购买了80元的九折商品(72元),剩余28元。


同一个用户,并发扣款可能出现什么问题?
在分布式环境中,如果并发量很大,这种“查询+修改”的业务有一定概率出现数据不一致。

极限情况下,可能出现这样的异常流程:
步骤一 ,业务1和业务2并发查询余额,是100元。
image.png

画外音:这些并发查询,是在不同的站点实例/服务实例上完成的,进程内互斥锁肯定解决不了。


步骤二,业务1和业务2并发进行逻辑计算,算出各自业务的余额,假设业务1算出的余额是28元,业务2算出的余额是38元。
image.png

步骤三

,业务1对数据库中的余额先进行修改,设置成28元。 业务2对数据库中的余额后进行修改,设置成38元。
image.png

此时异常出现了,原有金额100元,业务1扣除了72元,业务2扣除了62元,最后剩余38元。

画外音:假设业务1先写回余额,业务2再写回余额。


常见的解决方案? 对于此案例,同一个用户,并发扣款时,有小概率会出现异常,可以对每一个用户进行 分布式锁互斥 ,例如:在redis/zk里抢到一个key才能继续操作,否则禁止操作。

这种悲观锁方案确实可行,但要引入额外的组件(redis/zk),并且会降低吞吐量。

对于小概率的不一致,有没有乐观锁的方案呢?


对并发扣款进行进一步的分析发现:
(1)业务1写回时,旧余额100,这是一个 初始状态 ;新余额28,这是一个 结束状态 。理论上只有在旧余额为100时,新余额才应该写回成功。

而业务1并发写回时,旧余额确实是100,理应写回成功。

(2)业务2写回时,旧余额100,这是一个 初始状态 ;新余额28,这是一个 结束状态 。理论上只有在旧余额为100时,新余额才应该写回成功。

可实际上,这个时候数据库中的金额已经变为28了,所以业务2的并发写回,不应该成功。


如何低成本实施乐观锁? 在set写回的时候,加上初始状态的条件compare,只有初始状态不变时,才允许set写回成功, Compare And Set (CAS),是一种常见的降低读写锁冲突,保证数据一致性的方法。


此时业务要怎么改? 使用CAS解决高并发时数据一致性问题,只需要在进行set操作时,compare初始值,如果初始值变换,不允许set成功。

具体到这个case,只需要将:
UPDATE t_yue SET money=$new_money WHERE uid=$uid;
升级为:
UPDATE t_yue SET money=$new_money WHERE uid=$uid AND money=$old_money ;
即可。

并发操作发生时:
业务1执行:
UPDATE t_yue SET money=28 WHERE uid=$uid AND money=100;
业务2执行:
UPDATE t_yue SET money=38 WHERE uid=$uid AND money=100; 这两个操作同时进行时,只可能有一个执行成功。


怎么判断哪个并发执行成功,哪个并发执行失败呢? set操作,其实无所谓成功或者失败,业务能 通过affect rows来判断
  • 写回成功的,affect rows为1

  • 写回失败的,affect rows为0


总结 高并发“查询并修改”的场景,可以用CAS (Compare and Set) 的方式解决数据一致性问题。对应到业务,即在set的时候,加上初始条件的比对即可。

优化不难,只改了半行SQL,但确实能解决问题。
但希望大家有收获,思路比结论重要。

本文转自“架构师之路”公众号,58沈剑提供。

目录
相关文章
|
SQL 消息中间件 缓存
库存扣减问题
库存扣减问题
库存扣减问题
|
消息中间件 缓存 监控
缓存与数据库一致性问题的解决策略
本文系统探讨了缓存与数据库一致性问题的根源及解决方案,涵盖Cache-Aside、Read/Write-Through等主流策略,结合分布式锁、消息队列、布隆过滤器等技术应对缓存穿透、击穿与雪崩,并提出版本控制、事件驱动等高级保障机制,辅以监控告警与最佳实践,助力构建高性能、高一致性的分布式系统。
597 0
|
缓存 NoSQL Java
谷粒商城笔记+踩坑(12)——缓存与分布式锁,Redisson+缓存数据一致性
缓存与分布式锁、Redisson分布式锁、缓存数据一致性【必须满足最终一致性】
1127 16
谷粒商城笔记+踩坑(12)——缓存与分布式锁,Redisson+缓存数据一致性
|
SQL Oracle 关系型数据库
Oracle 使用 PL/SQL Developer 生成 AWR 报告
Oracle AWR报告是用来分析数据库故障和性能的重要指标报告!
Oracle 使用 PL/SQL Developer 生成 AWR 报告
|
存储 SQL 算法
搞定了 6 种分布式ID,分库分表哪个适合做主键?
在《ShardingSphere5.x分库分表原理与实战》系列的第七篇文章中,作者探讨了分布式ID在分库分表中的重要性,以及如何利用`ShardingSphere-jdbc`的多种主键生成策略。文章介绍了`UUID`、`NanoID`、自定义雪花算法和`CosId`等策略的优缺点,并警告不要在SQL中手动拼接主键字段。此外,文章还展示了如何配置这些策略,并提醒读者`CosId`在5.2.0版本可能不可用。最后,文章讨论了如何自定义分布式主键生成算法,并强调选择策略时要考虑全局唯一性、性能和易用性。
1760 122
|
Go API 数据库
[go 面试] 分布式事务框架选择与实践
[go 面试] 分布式事务框架选择与实践
|
JSON 前端开发 安全
【潜意识java】前后端跨域问题及解决方案
本文深入探讨了跨域问题及其解决方案。跨域是指浏览器出于安全考虑,限制从一个域加载的网页请求另一个域的资源。
4637 0
|
存储 API C语言
当创建一个 Python 对象时,背后都经历了哪些过程?
当创建一个 Python 对象时,背后都经历了哪些过程?
346 3
|
监控 安全 Shell
清除阿里云服务器挖矿病毒总结
监控发现`top`命令显示`xmrig`进程占满CPU,确认服务器遭挖矿病毒感染。通过`thistory`追溯到病毒执行步骤,包括下载恶意脚本、设置定时任务等。处理方案包括:清理异常定时任务并修复权限;查找并删除挖矿相关文件;识别并终止可疑`sh`进程;加强SSH安全,如修改端口、清除密钥、限制IP访问等,以彻底清除病毒并加固系统安全。
3188 2
|
SQL Java 数据库连接
Hibernate 批量操作来袭!掌握最佳实践,轻松应对数据洪流,开启高效开发新时代
【9月更文挑战第3天】在软件开发中,高效数据操作至关重要。作为流行的Java持久化框架,Hibernate提供了强大的数据库操作功能。本文探讨了Hibernate批量操作,包括批量插入、更新和删除的最佳实践,通过使用原生SQL和`Session`的`createNativeQuery()`方法,结合`addBatch()`及`executeBatch()`方法实现高效批量操作。合理设置批量大小、事务管理和性能测试是优化的关键。在实际开发中,应根据业务需求和性能要求选择合适的方法,以提升程序性能和可维护性。
1138 3