Springboot分别使用乐观锁和分布式锁（基于redisson）完成高并发防超卖

亦凉 2022-02-03 12:37 376阅读 0赞

在电商中经常会有防超卖的需求，本质上是对一条数据的多线程并发情况下的数据安全性进行控制。

譬如一个商品goods，库存是100，在多线程都去读取修改的情况下，会产生数据错乱。

### 不加锁的情况 ###

我们来看一个简单的例子，有个goods表，里面有个int型字段amount。我们用多线程来频繁修改amount的值，看看结果。

@Transactional(rollbackFor = Exception.class)
        public void mult(Long goodsId) {
            PtGoods ptGoods = ptGoodsManager.find(goodsId);
            System.out.println(ptGoods.getAmount());
    
            ptGoods.setAmount(ptGoods.getAmount() + 1);
            ptGoodsManager.update(ptGoods);
        }

这是操作修改amount字段的类GoodsService的代码，就是每次调用给amount的值加1.

下面是测试类，用100个线程来模拟同时操作该商品的数量：

for (int i = 0; i < 100; i++) {
                new Thread(() -> {
                    goodsService.mult(1L);
                }
                ).start();
    
            }

运行后，我们去查看amount的最终的值，发现是10（每次调用都不一样）。正常情况下，被100次调用后应该是100才对，说明在并发下，出现了数据错误，原因大家都懂不细说。

### 解决方案 ###

我们为了不让商品出现超卖，必然需要对上面的情况进行处理，方式也有很多种，基本都是锁。

来简单探讨一下几种情况下的处理。

1 最简单的是单体应用，也就是你的程序只部署了一份，不是分布式负载均衡部署的，也没有其他程序来修改你的数据。那么在天真的同学，可能会想到在修改数据的地方加个synchronized。锁住整个方法，线程自然老实排队通过该方法。

![20190509172213209.png][]

这样会有效吗？答案当然是否定的，可以看到，方法中大量重复读取了修改前的数据库值，即便线程是一个一个执行的，但是db依然返回了修改前的值。原因也很简单，jpa在执行save方法后，方法已经走完，就会进入下一个线程的逻辑，但此时，数据库并没有更新成功。jpa操作db，也是通过线程池连接的，执行了save，修改了表的值，save走完了，db未必瞬时更新，这是要时间的。与此同时，另一个查询请求早已到来，可能因为jpa的二级缓存、或者就是查询时，db的值还未修改成功。无论哪种都会导致读取到脏数据。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly90aWFueWFsZWkuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70][]

2 既然线程锁不能起到有效的作用，大家可能意识到问题点在于数据库的读写不一致。这就诞生了另外一套方案，即数据库上的锁——悲观锁和乐观锁。

悲观锁可以做到我读取时，就把该条数据锁住，其他人不允许读写，我做完我的事务后，别人才可以读写。

乐观锁可以做到，在我写入时，会再次查询最新的值，之后对比一下我读取时的版本，倘若最新的版本和我读取的不一致，那我就不写入，并抛异常。

jpa做悲观锁很简单，在Repository的方法上，加上Lock注解，PESSIMISTIC\_READ，PESSIMISTIC\_WRITE比较常用。具体的不细谈，因为我在做微服务时，不赞同用任何数据库级别的方式，尤其是悲观锁，使用不当易造成表锁，会严重影响其他业务的读写。

乐观锁也很简单，只需在model类里加上@Version注解的一个字段即可。譬如我在Goods类上加个

@Version  
    private Long version;即可实现乐观锁。倘若该表的读多写少，发生冲突的概率不高，那么避免并发读写错误可以选择比较简单的乐观锁。后面会来看一下乐观锁的应用。

3 分布式锁，就是借助于redis或者zookeeper来完成的在分布式环境下的锁，能够使用于分布式环境和单实例环境，而无需对数据库做任何要求，无需关心使用的是mysql还是MongoDB等任何数据库。也就是完全基于应用层面的对并发读写进行的控制，也是比较推荐的实现方式。

### 乐观锁 ###

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly90aWFueWFsZWkuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70 1][]

乐观锁就是在修改时，带上version版本号。这样如果试图修改已被别人修改过的数据时，会抛出异常。在一定程度上，也可以作为防超卖的一种处理方法。我们来看一下。

我们在Goods的entity类上，加上这个字段。

@Version
        private Long version;

@Transactional
        public synchronized void mult(Long goodsId) {
            PtGoods ptGoods = ptGoodsManager.find(goodsId);
            logger.info("----amount:" + ptGoods.getAmount());
    
            ptGoods.setAmount(ptGoods.getAmount() + 1);
            ptGoodsManager.update(ptGoods);
    
        }

测试一下：

for (int i = 0; i < 100; i++) {
                new Thread(() -> {
                    goodsService.mult(1L);
                }
                ).start();
    
            }

可以发现，抛出了很多异常，这就是乐观锁的异常。可想而知，当高并发购买同一个商品时，会出现大量的购买失败，而不会出现超卖的情况，因为他限制了并发的访问修改。![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly90aWFueWFsZWkuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70 2][]

这样其实显而易见，也是大有问题的，只适应于读多写少的情况，否则大量的失败也是有损用户体验，明明有货，却不卖出。

那怎么解决呢，有人提出了重试策略。托若出现了上面的异常，就去重试执行该方法，直到成功。我们来看看能不能有用。

定义个自定义注解

定义个切面，注意把order设置的小一点，让该切面优先于Transactional注解，这样才能优先被捕捉乐观锁异常。

@Aspect
    @Component
    @Order(1)
    public class RetryAspect {
        public static final int MAX_RETRY_TIMES = 10;//max retry times
        private Logger log = LoggerFactory.getLogger(getClass());
    
    
        @Around("@annotation(retryOnFailure)")
        public Object doConcurrentOperation(ProceedingJoinPoint pjp, RetryOnFailure retryOnFailure) throws Throwable {
            int attempts = 0;
    
            do {
                attempts++;
                try {
                    pjp.proceed();
                } catch (Exception e) {
                    if (e instanceof ObjectOptimisticLockingFailureException ||
                            e instanceof StaleObjectStateException) {
                        log.info("retrying....times:{}", attempts);
                        if (attempts > MAX_RETRY_TIMES) {
                            log.info("retry excceed the max times..");
                            throw e;
                        }
                    }
    
                }
            } while (attempts < MAX_RETRY_TIMES);
            return null;
        }
    }

![20190510115517480.png][]

从结果上看，进行了大量的重试，最终原本该加到100的amount字段，值已经到200多了。出现了严重的并发修改值错误。原因我也没细想，因为根本没打算采用这种方式。首先重试策略肯定是比较差的方式，因为非常不可控。其次，靠借助于数据库的锁来抛异常然后做处理，也是不太好的方式，应当尽量将问题控制在DB以外，由业务代码来控制。

### 分布式锁 ###

通过上面的一系列操作，我们可以看到，通过单体应用自身的代码是控制不住这种情况的。此时就需要借助于一个第三方框架，能够提供无论是多线程或者分布式环境下的具备原子性的组件。比较常用的就是redis和zookeeper了。

以redis为例，这里选用功能比较丰富强大的redis客户端redisson来完成，[https://github.com/redisson/redisson][https_github.com_redisson_redisson]。

redisson具体的可以去上GitHub看他文档，我这里直接来讲怎么用了。

pom里加入依赖

<dependency>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-starter-data-redis</artifactId>
            </dependency>
            <dependency>
                <groupId>org.redisson</groupId>
                <artifactId>redisson-spring-boot-starter</artifactId>
                <version>3.10.6</version>
            </dependency>

redisson支持单点、集群等模式，这里选择单点的。application.yml配置好redis的连接：

spring:  
        redis:
            host: ${REDIS_HOST:127.0.0.1}
            port: ${REDIS_PORT:6379}
            password: ${REDIS_PASSWORD:}

配置redisson的客户端bean

@Configuration
    public class RedisConfig {
        @Value("${spring.redis.host}")
        private String host;
    
        @Bean(name = {"redisTemplate", "stringRedisTemplate"})
        public StringRedisTemplate stringRedisTemplate(RedisConnectionFactory factory) {
            StringRedisTemplate redisTemplate = new StringRedisTemplate();
            redisTemplate.setConnectionFactory(factory);
            return redisTemplate;
        }
    
        @Bean
        public Redisson redisson() {
            Config config = new Config();
            config.useSingleServer().setAddress("redis://" + host + ":6379");
            return (Redisson) Redisson.create(config);
        }
    
    }

至于使用redisson的功能也很少，其实就是对并发访问的方法加个锁即可，方法执行完后释放锁。这样下一个请求才能进入到该方法。

我们创建一个redis锁的注解

import java.lang.annotation.ElementType;
    import java.lang.annotation.Retention;
    import java.lang.annotation.RetentionPolicy;
    import java.lang.annotation.Target;
    
    /**
     * @author wuweifeng wrote on 2019/5/8.
     */
    @Target(ElementType.METHOD)
    @Retention(RetentionPolicy.RUNTIME)
    public @interface RedissonLock {
        /**
         * 要锁哪个参数
         */
        int lockIndex() default -1;
    
        /**
         * 锁多久后自动释放（单位：秒）
         */
        int leaseTime() default 10;
    }

切面类：

import com.tianyalei.giftmall.global.annotation.RedissonLock;
    import org.aspectj.lang.ProceedingJoinPoint;
    import org.aspectj.lang.annotation.Around;
    import org.aspectj.lang.annotation.Aspect;
    import org.redisson.Redisson;
    import org.redisson.api.RLock;
    import org.slf4j.Logger;
    import org.slf4j.LoggerFactory;
    import org.springframework.core.annotation.Order;
    import org.springframework.stereotype.Component;
    
    import javax.annotation.Resource;
    import java.util.concurrent.TimeUnit;
    
    /**
     * 分布式锁
     * @author wuweifeng wrote on 2019/5/8.
     */
    @Aspect
    @Component
    @Order(1) //该order必须设置，很关键
    public class RedissonLockAspect {
        private Logger log = LoggerFactory.getLogger(getClass());
        @Resource
        private Redisson redisson;
    
        @Around("@annotation(redissonLock)")
        public Object around(ProceedingJoinPoint joinPoint, RedissonLock redissonLock) throws Throwable {
            Object obj = null;
    
            //方法内的所有参数
            Object[] params = joinPoint.getArgs();
    
            int lockIndex = redissonLock.lockIndex();
            //取得方法名
            String key = joinPoint.getSignature().getDeclaringTypeName() + "." + joinPoint
                    .getSignature().getName();
            //-1代表锁整个方法，而非具体锁哪条数据
            if (lockIndex != -1) {
                key += params[lockIndex];
            }
    
            //多久会自动释放，默认10秒
            int leaseTime = redissonLock.leaseTime();
            int waitTime = 5;
    
            RLock rLock = redisson.getLock(key);
            boolean res = rLock.tryLock(waitTime, leaseTime, TimeUnit.SECONDS);
            if (res) {
                log.info("取到锁");
                obj = joinPoint.proceed();
                rLock.unlock();
                log.info("释放锁");
            } else {
                log.info("----------nono----------");
                throw new RuntimeException("没有获得锁");
            }
    
            return obj;
        }
    }

这里解释一下，防超卖，其实是对某一个商品在被修改时进行加锁，而这个时候其他的商品是不受影响的。所以不能去锁整个方法，而应该是锁某个商品。所以我设置了一个lockIndex的参数，来指明你要锁的是方法的哪个属性，这里就是锁goodsId，如果不写，则是锁整个方法。

![20190510150326435.png][]

在切面里里面RLock.tryLock，则是最多等待5秒，托若还没取到锁就走失败，取到了则进入方法走逻辑。第二个参数是自动释放锁的时间，以避免自己刚取到锁，就挂掉了，导致锁无法释放。

测试类：

package com.tianyalei.giftmall;
    
    import com.tianyalei.giftmall.core.goods.GoodsService;
    import org.junit.Test;
    import org.junit.runner.RunWith;
    import org.springframework.boot.test.context.SpringBootTest;
    import org.springframework.test.context.junit4.SpringRunner;
    
    import javax.annotation.Resource;
    import java.util.concurrent.BrokenBarrierException;
    import java.util.concurrent.CyclicBarrier;
    
    @RunWith(SpringRunner.class)
    @SpringBootTest
    public class GiftmallApplicationTests {
        @Resource
        private GoodsService goodsService;
    
        private CyclicBarrier cyclicBarrier = new CyclicBarrier(100);
        private CyclicBarrier cyclicBarrier1 = new CyclicBarrier(100);
    
        @Test
        public void contextLoads() {
            for (int i = 0; i < 100; i++) {
                new Thread(() -> {
                    try {
                        cyclicBarrier.await();
    
                        goodsService.multi(1L);
                    } catch (InterruptedException | BrokenBarrierException e) {
                        e.printStackTrace();
                    }
                }
                ).start();
                new Thread(() -> {
                    try {
                        cyclicBarrier1.await();
    
                        goodsService.multi(2L);
                    } catch (InterruptedException | BrokenBarrierException e) {
                        e.printStackTrace();
                    }
                }
                ).start();
            }
    
            try {
                Thread.sleep(6000);
            } catch (InterruptedException e) {
                e.printStackTrace();
            }
        }
    
    }

这里用100并发，同时操作2个商品。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly90aWFueWFsZWkuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70 3][]

可以看到，这两个商品在各自更新各自的，互不影响。最终在5秒后，有的超时了。调大等待时间，则能保证每个都是100.

通过这种方式，即完成了分布式锁，简单也便捷。当然这里只是举例，在实际项目中，倘若要做防止超卖，以追求最大性能的话，也可以考虑使用redis来存储amount，借助于redis的increase来做数量的增减，能迅速的给出客户端是否抢到了商品的判断，之后再通过消息队列去生成订单之类的耗时操作。

[20190509172213209.png]: /images/20220203/9eb379236e424f6d829ebf596dd62bdf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly90aWFueWFsZWkuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70]: /images/20220203/468a2b78a22c49268d85ddcb10d61679.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly90aWFueWFsZWkuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70 1]: /images/20220203/bd198dfd582e4071a9b3ddaea9097fb6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly90aWFueWFsZWkuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70 2]: /images/20220203/985ca08559f046ef859060d57daf0d84.png
[20190510115517480.png]: /images/20220203/79759241291f46c89e5026919bcd41c9.png
[https_github.com_redisson_redisson]: https://github.com/redisson/redisson
[20190510150326435.png]: /images/20220203/5039e4c176234978a02825a56ad2f6d2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly90aWFueWFsZWkuYmxvZy5jc2RuLm5ldA_size_16_color_FFFFFF_t_70 3]: /images/20220203/0942c897cbb64cf98d2bbf9b42f8e076.png