【redis】从高并发场景下超卖问题到redis分布式锁

喜欢ヅ旅行 2024-04-01 08:32 69阅读 0赞

#### 文章目录 ####

*  代码分析并解决超卖问题
 *  主从锁失效问题如何解决
 *  加锁后如何提升效率
 *  缓存、数据库双写不一致问题如何解决
 *  补充：数据库的校验

案例是从诸葛老师那边看来的，感觉这些分析的过程，让人受益良多，特此总结并加上一些自己的理解，做篇记录。

这是段从redis获取库存数量，当库存数量大于0时，库存减1 并将新的库存值设置回redis的代码

## 代码分析并解决超卖问题 ##

Q1: 这段代码有问题吗？  
![在这里插入图片描述][cd36f4dce6444c2bb7b652ed6280ca83.png]  
A1: 在高并发的场景下会有问题。

这里有个概念，我们都知道堆是线程共享的，而栈是线程不共享的，我们说栈是线程安全的，但是这个安全是怎么理解呢？我们先来看看下列一段简单的代码：

@Slf4j
    @RestController
    @RequestMapping("/stack")
    public class StackController {
        
    
        @GetMapping
        public void test() {
        
            int a = 0;
            for (int i = 0; i < 10; i++) {
        
                a = i;
                // 记录a的输出值
                log.error(String.valueOf(a));
            }
        }
    }

在这段代码中，我们知道日志中记录从0到9次数都是相等的，一个线程执行下来 那就是各记录一次，根据我们日常开发经验 ，也从不会去怀疑这种写法有什么问题，这就是因为栈内是安全的，带给我们足够的安全感。

接着我们使用jmeter模拟高并发场景:

0秒内访问200次  
![在这里插入图片描述][6d5bcecdef6b40d2b6c3615908430c09.png]  
我们将日志结果复制到notepad++中，便于观察：

这个有个notepad++使用的小细节，我们日志格式输出是这样的  
（当然 你去修改日志格式也可以）  
![在这里插入图片描述][1a6769a13c884db2b4c2d3138e67871e.png]  
我们可以在notepad++中使用正则表达式，例如我使用的是

// 第一个 'r'之前的字符 
    ^([^s]*)r

![在这里插入图片描述][e010a8990fca4f7cb400e7ae85cc6c21.png]  
这样就没有多余的其它数字干扰我们

我们从0到9分别计数，发现数量都为200（不一 一截图了 感兴趣可以去自己操作一遍）  
![在这里插入图片描述][c004e3e4ae05410dbcafe3b56606c0f6.jpeg]  
假设线程不是安全的，那么次数就可能出现不等。

我们知道 堆内存是线程共享，不安全的，如果我们将代码改成如下：

@Slf4j
    @RestController
    @RequestMapping("/stack")
    public class StackController {
        
    	// 成员变量 位于堆内存
        int a = 0;
        
        @GetMapping
        public void test() {
        
          
            for (int i = 0; i < 10; i++) {
        
                a = i;
                log.error(String.valueOf(a));
            }
        }
    }

此时计数就出现了不相等的情况,出现了线程安全问题。

![在这里插入图片描述][e1bd927d0a7f4f16add8a11ee931a636.jpeg]  
回到一开始的问题，线程安全怎么理解？thread1读到了thread2修改后的值，和我们要的结果产生了偏差。那我们Q1中的代码片段，明明在栈内存中，为什么会有问题呢？ 这就只可意会 ， 不可言传了~

咳咳，正经分析：

![在这里插入图片描述][cd36f4dce6444c2bb7b652ed6280ca83.png]

我们假设thread1 和 thread2 同时查询redis，stock都为200，那么realStock都为199， 那么将数据set回redis的时候，明明是2个线程减库存了，值正确应该是198，而不是199。在这个过程中，严格来说是并发安全问题，和上面我们举例的线程安全问题还是有那么点区别的，每个线程它计算的199有错吗？没有错。对它自己来说，结果是正确的，问题就出现在并发场景下，两个结果都没错的线程 set回redis的数值 也是每个线程的库存-1的结果，可惜的是redis需要的正确结果应该是各个线程一共减去了多少库存。  
（这个其实很好理解，但是相信同学们都会有这种体验，很容易有的时候陷入误区拔不出来 俗称脑袋转不过弯 就比如 明明是栈 明明说栈是安全的 为什么又不安全了 这是因为涉及到了外部共享资源 恰是因为栈是安全的 导致了外部资源的不安全）

那么我们该怎么解决呢？首先最容易想到的 应该就是加锁了

Q2: 这段代码会有问题吗？ (除性能问题外)  
![在这里插入图片描述][8d606cf6096c4429a09ec0a50df26f48.png]  
A2: 在跨进程中会有问题（分布式场景下），上面代码只能锁同一个jvm。

在分布式环境中，处理跨进程的任务 我们一般都需要借助第三方工具，例如分布式事务中，我们使用seata，seata起到一个调度的功能；例如集群环境中，我们可以使用注册中心 作为一个容器 从而对每次客户端的访问进行分发请求。 同样的，我们要实现分布式锁，那同样的需要借助外部的力量。  
redis自带一个命令： setnx （set if not exist）,如果存在则不再插入; 区别于set命令插入并替换。

接着将代码稍作修改 如下：

Q3: 这段代码有什么问题？  
![在这里插入图片描述][0e1b5182b5144f8299fa97076c12f0be.jpeg]  
A3：可能出现锁无法释放的问题，在delete执行前，出现了异常，那这个锁就无法删除了。

这个时候，我们或许能想起 在IO流中，我们close方法一定要写在finally中， 这里锁释放也是一样的，我们再将代码修改一下

Q4: 这段代码有什么问题  
![在这里插入图片描述][db17331b346747929827e57d04b5f3d4.jpeg]

A4: 仍然可能出现锁释放的问题，例如在极端环境下，执行到finally突然服务挂了，那锁就没有成功释放

这个时候我们或许能想到设置超时时间， 这就和java中的 ReenttrantLock 锁，有点类似。如果熟悉阿里规范的同学，或许知道 写ReenttrantLock锁时，规定加锁的业务代码必须写在try catch里面， 锁释放写在finally里面。

Q5: 这段代码有问题吗  
![在这里插入图片描述][a3a53127e01544a0a5359730ba946b8f.jpeg]  
A5: 当代码执行完set，并即将设置过期时间时，如果这时服务挂了，那过期时间就设置失败，和Q4是一样的问题，根本原因在于set和expire不是原子执行的。

那么我们将set和expire原子执行一下，redisTemplate也提供了这个方法，把代码再改造一下

Q6: 这段代码有什么问题？  
![在这里插入图片描述][030a7840253c4a00b260f5226557783c.png]  
A6: 可能会删除其它线程的锁。

例如thread1 总共需要执行15s， 而锁在10s就过期了；假设在第10s时thread2执行进来，加锁成功，接着thread1就把thread2加的锁给删除了。那有同学可能就会说，把时间设置长一些，可即使是时间设置长，也只是减小概率，并没有完全解决问题，在高并发场景下，数据库资源紧张、Full Gc 等各种原因 都可能导致暂时卡顿，请求时间延长。

既然删掉了别人的锁，那么带上自己的id ，删除的时候 把自己id对应的锁删除 是不是就解决了呢？

Q7: 这段代码有什么问题？  
![在这里插入图片描述][cf53d9d83df54649ba83907f98039e18.jpeg]  
A7 ：这里虽然加上了UUID（不考虑UUID重复），但如果执行完equlas判断，突然卡顿，准备执行delete方法时 超时时间过了，一样会删除别的线程的锁， equals和delete也需要原子执行。

当然 到这里为止，应对并发量不高的情况，那已经够了。

如果继续优化，这时候我们就可以引入redisson了，三行代码完成我们上述逻辑，并解决超时问题。

getLock 获取锁，lock 加锁，unlock 释放锁。

最终代码：  
![在这里插入图片描述][be1a131d2a20486eb618ab36a61921bb.png]  
redisson是如何实现分布式锁的？

第一步： 加锁时使用lua脚本，lua脚本是原子执行的 ，带上当前线程id  
设置过期时间（默认是30s，可以修改）  
![在这里插入图片描述][b5063d373b8d4f6cb9fb819b4418bf12.png]  
第二步： 开启一个新的线程（定时器），在过期时间的1/3 （10s）检查主线程是否还持有锁，如果持有，将过期时间重新设置为30s，实现锁续命。  
![在这里插入图片描述][347d7ff0bc004bba9c5abc10a61ee57b.png]

那最终代码有没有问题呢？但问题仍然存在，我们知道分布式环境中，redis会有主从节点，当主节点加锁成功，会马上返回结果，这时还没将key同步到从节点，如果这个瞬间 主节点挂了，那就会出现 **主从锁失效** 问题。

## 主从锁失效问题如何解决 ##

这里我们引入一个概念：CAP原则

CAP原则，指的是在一个分布式系统中，一致性（Consistency）、可用性（Availability）、分区容错性（Partition tolerance）。CAP 原则指的是，这三个要素最多只能同时实现两点，不可能三者兼顾。

很显然 redisson满足的是AP原则， 如果要完全保证一致性，我们可以使用zookeeper,  
zk满足CP原则，zk需要同步至少半数以上节点同步成功，才会返回结果。

那如果我们即想用redisson 又想解决主从锁丢失问题，该怎么办呢？  
我们可以引入 **redlock** ，实现思想和zk类似， 不过redlock的redis都是对等节点，不是主从节点。根据诸葛老师的话，虽然可以解决 但是不推荐，redlock还有些待商榷的问题。

## 加锁后如何提升效率 ##

现在问题解决了，那么性能问题如何优化呢？

我们可以采用分段锁的思想，在库存初始化的时候，就进行分段，例如200的库存，分成10份20的库存，分别进行加锁。

分段锁的几个重点：拆库存，随机扣减（单个库存够的情况），合并扣减（单个库存不够的情况）

## 缓存、数据库双写不一致问题如何解决 ##

场景还原1：  
例如 thread1 执行两步操作：写数据库stock = 10 , 更新缓存 stock = 10；  
thread2 执行两步操作： stock = 6 ,更新缓存 stock = 6;  
thread1 执行完写数据库后，发生了卡顿，这时thread2执行完了，实际库存应该是6，但接着thread1恢复执行，将缓存修改为10。

![在这里插入图片描述][2145c5e3328c4256b5263ba27ae95fa8.png]

场景还原2：

基于上述方式的改进，

既然写入时 缓存会有问题 那写入时就把缓存删除，读时再缓存，那么这种方式会有什么问题呢?

thread1 写数据库stock = 10 ，删除缓存，

thread2 写数据库 stock=6 ,删除缓存

thread3查缓存（空），查数据库 stock = 10 ,更新缓存

如果thread2 在thread3 查数据库和更新缓存过程中执行完毕，那一样出现了不一致的问题。

![在这里插入图片描述][a05a07e9f0d745c1ba4a2dc4f4d44f19.jpeg]

解决方案：  
1.延迟双删 （同样可能会有问题 就像上文提到的超时问题，时间是不可控的）  
2. 内存队列 针对同一个key的操作 串行化运行 （但有性能问题）  
3. 分布式锁 和内存队列类似，也有性能问题

## 补充：数据库的校验 ##

在mysql8中，可以使用check对字段校验，例如我们store字段必须大于等于0

建表sql示例如下：

CREATE TABLE s_store(
      id INT PRIMARY KEY,
      store INT CHECK (store  >= 0)
    );

[cd36f4dce6444c2bb7b652ed6280ca83.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/5e14d4fc8c324c7d8783d24945370781.png
[6d5bcecdef6b40d2b6c3615908430c09.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/4c0e3da4ccb0426783ee1f61c3f139c3.png
[1a6769a13c884db2b4c2d3138e67871e.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/e57a18b306f549e1836a9a49a12304ca.png
[e010a8990fca4f7cb400e7ae85cc6c21.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/8343d3321b0f4249822eb858939c8cc3.png
[c004e3e4ae05410dbcafe3b56606c0f6.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/cdefd270a25749a78da4d6c1f7828eaf.jpeg
[e1bd927d0a7f4f16add8a11ee931a636.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/f16ac919a1524354905b45ee9be2d2ba.jpeg
[8d606cf6096c4429a09ec0a50df26f48.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/43b6ed2c25464164a6b6cab8a64d190b.png
[0e1b5182b5144f8299fa97076c12f0be.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/8cdd36bf38554ad5b9c9a035338c57e3.jpeg
[db17331b346747929827e57d04b5f3d4.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/0020db478bde45e9b19d434527887884.jpeg
[a3a53127e01544a0a5359730ba946b8f.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/980a04b2256e470a85451d1b438a1c40.jpeg
[030a7840253c4a00b260f5226557783c.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/b13d18775a184b1697e7d267e54c5313.png
[cf53d9d83df54649ba83907f98039e18.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/5217c67a20904a5891bc7c0e1916c0f9.jpeg
[be1a131d2a20486eb618ab36a61921bb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/cd3545ca85984df2a6c5c9b6ab0b1f84.png
[b5063d373b8d4f6cb9fb819b4418bf12.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/85cad00683054d6c9b4f2a09ec0dd631.png
[347d7ff0bc004bba9c5abc10a61ee57b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/e268bb3a63de4e73801e6a4a7ecdd8d0.png
[2145c5e3328c4256b5263ba27ae95fa8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/84e1001d8a24407cb36f509768f3d121.png
[a05a07e9f0d745c1ba4a2dc4f4d44f19.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/01/c3582f204378485dbc7f29343085bcbe.jpeg