秒杀场景下的业务梳理——Redis分布式锁的优化

妖狐艹你老母 2023-09-23 23:14 115阅读 0赞

![format_png][]

## 秒杀场景下的业务梳理——Redis分布式锁的优化 ##

随着互联网的快速发展，商品秒杀的场景我们并不少见；秒杀是一种供不应求的，高并发的场景，它里面包含了很多技术点，掌握了其中的技术点，虽不一定能让你面试立马成功，但那也必是一个闪耀的点！

### 前言 ###

假设我们现在有一个商城系统，里面上线了一个商品秒杀的模块，那么这个模块我们要怎么设计呢？

秒杀模块又会有哪些不同的需求呢？

### 全局唯一 ID ###

商品秒杀本质上其实还是商品购买，所以我们需要准备一张订单表来记录对应的秒杀订单。

这里就涉及到了一个订单 id 的问题了，我们是否可以像其他表一样使用数据库自身的自增 id 呢？

#### 数据库自增 id 的缺点 ####

订单表如果使用数据库自增 id ，则会存在一些问题：

> 1.  **id 的规律太明显了** 因为我们的订单 id 是需要回显给用户查看的，如果是 id 规律太明显的话，会暴露一些信息，比如第一天下单的 id = 10 ， 第二天下单的 id = 11，这就说明这两单之间根本没有其他用户下单
> 2.  **受单表数据量的限制** 在高并发场景下，产生上百万个订单都是有可能的，而我们都知道 MySQL 的单张表根本不可能容纳这么多数据（性能等原因的限制）；如果是将单表拆成多表，还是用数据库自增 id 的话，就存在了订单 id 重复的情况了，很显然这是业务不允许的。

基于以上两个问题，我们可以知道订单表的 id 需要是一个全局唯一的 ID，而且还不能存在明显的规律。

#### 全局 ID 生成器 ####

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：

![format_png 1][]

这里我们思考一下是否可以用 Redis 中的自增计数来作为全局 id 生成器呢？

能不能主要是看它是否满足上述 5 个条件：

1.  唯一性，每个订单都是来 Redis 这里生成订单 id 的，所以唯一性可以保证
2.  高可用，Redis 可以由主从、集群等模式保证可用性
3.  高性能，Redis 是基于内存的，本来就是以性能自称的
4.  递增性，increment 本来就是递增的
5.  安全性。。。这个就麻烦了点了，因为 Redis 的 increment 也是递增的，规律太明显了。。。

综上，Redis 的 increment 并不能满足安全性，所以我们不能单纯使用它来做全局 id 生成器。

但是——

我们可以使用它，再和其他东西拼接起来~

**举个栗子：**

![format_png 2][]

ID的组成部分：

1.  符号位：1bit，永远为0
2.  时间戳：31bit，以秒为单位，可以使用69年
3.  序列号：32bit，秒内的计数器，支持每秒产生2^32个不同ID

*上面的时间戳就是用来增加复杂性的*

下面给出代码样例：

public class RedisIdWorker {
        /**
         * 开始时间戳
         */
        private static final long BEGIN_TIMESTAMP = 1640995200L;
        /**
         * 序列号的位数
         */
        private static final int 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.获取当前日期，精确到天
            String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
            // 2.2.自增长
            // 每天一个key
            long count = stringRedisTemplate.opsForValue()
                                            .increment("icr:" + keyPrefix + ":" + date);
    
            // 3.拼接并返回
            return timestamp << COUNT_BITS | count;
        }
    }
    复制代码

**Redis自增ID策略：**

> 1.  每天一个key，方便统计订单量
> 2.  ID构造是 时间戳 + 计数器

#### 扩展 ####

**全局唯一ID生成策略：**

1.  UUID
2.  `Redis自增`（需要额外拼接）
3.  `snowflake算法`
4.  数据库自增

### 超卖问题的产生 ###

![format_png 3][]

#### 解决方案 ####

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：

锁有两种：

**一，悲观锁：** 认为线程安全问题一定会发生，因此在操作数据之前先获取锁，确保线程串行执行。例如Synchronized、Lock都属于悲观锁；

**二，乐观锁：** 认为线程安全问题不一定会发生，因此不加锁，只是在更新数据时去判断有没有其它线程对数据做了修改。

如果没有修改则认为是安全的，自己才更新数据。 如果已经被其它线程修改说明发生了安全问题，此时可以重试或异常。

#### 乐观锁的两种实现 ####

下面介绍乐观锁的两种实现：

**第一种，添加版本号：**

每扣减一次就更改一下版本号，每次进行扣减之前需要查询一下版本号，只有在扣减时的版本号和之前的版本号相同时，才进行扣减。

![format_png 4][]

**第二种，CAS法**

因为每扣减一次，库存量都会发生改变的，所以我们完全可以用库存量来做标志，标志当前库存量是否被其他线程更改过（在这种情况下，库存量的功能和版本号类似）

![format_png 5][]

下面给出 CAS 法扣除库存时，针对超卖问题的解决方案：

// 扣减库存
       boolean success = seckillVoucherService.update()
                        .setSql("stock = stock - 1") // set stock = stock - 1
                        .eq("voucher_id", voucherId).gt("stock", 0) // where id = ? and stock > 0
                        .update();
    复制代码

请注意上述的 CAS 判断有所优化了的，并不是判断刚查询的库存和扣除时的库存是否相等，而是判断当前库存是否大于 0。

因为 `判断刚查询的库存和扣除时的库存是否相等`会出现问题：假如多个线程都判断到不相等了，那它们都停止了扣减，这时候就会出现没办法买完了。

而 `判断当前库存是否大于 0`，则可以很好地解决上述问题！

### 一人一单的需求 ###

一般来说秒杀的商品都是优惠力度很大的，所以可能存在一种需求——平台只允许一个用户购买一个商品。

对于秒杀场景下的这种需求，我们应该怎么去设计呢？

很明显，我们需要在执行扣除库存的操作之前，先去查查数据库是否已经有了该用户的订单了；如果有了，说明该用户已经下单过了，不能再购买；如果没有，则执行扣除操作并生成订单。

// 查询订单
    int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
    // 判断是否存在
    if (count > 0) {
        // 用户已经购买过了
        return Result.fail("用户已经购买过一次！");
    }
    
    // 扣减库存
    boolean success = seckillVoucherService.update()
            .setSql("stock = stock - 1") // set stock = stock - 1
            .eq("voucher_id", voucherId).gt("stock", 0) // where id = ? and stock > 0
            .update();
    复制代码

#### 并发安全问题 ####

因为上述的实现是分成两步的：

> 1.  判断当前用户在数据库中并没有订单
> 2.  执行扣除操作，并生成订单

**也正因为是分成了两步，所以才引发了线程安全问题：** 可以是同一个用户的多个请求线程都同时判断没有订单，后续则大家都执行了扣除操作。

要解决这个问题，也很简单，只要让这两步串行执行即可，也就是加锁！

在方法头上加 synchronized

很显然这种会锁住整个方法，锁的范围太大了，而且会对所有请求线程作出限制；而我们的需求只是同一个用户的请求线程串行就可以了；**显然有些大材小用了~**

@Transactional
    public synchronized Result createVoucherOrder(Long voucherId) {
        // 一人一单
        Long userId = UserHolder.getUser().getId
         // 查询订单
         int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
         // 判断是否存在
         if (count > 0) {
             // 用户已经购买过了
             return Result.fail("用户已经购买过一次！");
       
         // 扣减库存
         boolean success = seckillVoucherService.update()
                 .setSql("stock = stock - 1") // set stock = stock - 1
                 .eq("voucher_id", voucherId).gt("stock", 0) // where id = ? and stock > 0
                 .update();
         if (!success) {
             // 扣减失败
             return Result.fail("库存不足！");
       
         // 创建订单
         VoucherOrder voucherOrder = new VoucherOrder();
         .....
         return Result.ok(orderId);
    }
    复制代码

锁住同一用户 id 的 String 对象

@Transactional
    public Result createVoucherOrder(Long voucherId) {
        // 一人一单
        Long userId = UserHolder.getUser().getId
        
        // 锁住同一用户 id 的 String 对象
        synchronized (userId.toString().intern()) {
            // 查询订单
            int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
            // 判断是否存在
            ......
                
            // 扣减库存
            ......
        
            // 创建订单
            ......
         }
         return Result.ok(orderId);
    }
    复制代码

上述方法开启了事务，但是`synchronized (userId.toString().intern())`锁住的却不是整个方法（先释放锁，再提交事务，写入订单），那就存在一个问题——假如一个线程的事务还没提交（也就是还没写入订单），这时候其他线程来了却可以获得锁，它判断数据库中订单为0 ，又可以再次创建订单。。。。

为了解决这个问题，我们需要先提交事务，再释放锁：

// 锁住同一用户 id 的 String 对象
     synchronized (userId.toString().intern()) {
         ......
        createVoucherOrder(voucherId);
         ......
     }
    
    @Transactional
    public Result createVoucherOrder(Long voucherId) {
        // 一人一单
        Long userId = UserHolder.getUser().getId
        
       
            // 查询订单
            int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
            // 判断是否存在
            ......
                
            // 扣减库存
            ......
        
            // 创建订单
            ......
         
         return Result.ok(orderId);
    }
    复制代码

#### 集群模式下的并发安全问题 ####

刚刚讨论的那些都默认是单机结点的，可是现在如果放在了集群模式下的话就会出现一下问题。

刚刚的加锁已经解决了单机节点下的线程安全问题，但是却不能解决集群下多节点的线程安全问题：

> 因为 synchronized 锁的是对应 JVM 内的锁监视器，可是不同的结点有不同的 JVM，不同的 JVM 又有不同的锁监视器，所以刚刚的设计在集群模式下锁住的其实还是不同的对象，即无法解决线程安全问题。

![format_png 6][]

知道问题产生的原因，我们应该很快就想到了解决办法了：

既然是因为集群导致了锁不同，那我们就重新设计一下，让他们都使用同一把锁即可！

![format_png 7][]

### 分布式锁 ###

分布式锁：满足分布式系统或集群模式下多进程可见并且互斥的锁。

![format_png 8][]

#### 分布式锁的实现 ####

分布式锁的核心是实现多进程之间互斥，而满足这一点的方式有很多，常见的有三种：

<table> 
 <thead> 
  <tr> 
   <th></th> 
   <th><strong>MySQL</strong></th> 
   <th><strong>Redis</strong></th> 
   <th><strong>Zookeeper</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td><strong>互斥</strong></td> 
   <td>利用mysql本身的互斥锁机制</td> 
   <td>利用setnx这样的互斥命令</td> 
   <td>利用节点的唯一性和有序性实现互斥</td> 
  </tr> 
  <tr> 
   <td><strong>高可用</strong></td> 
   <td>好</td> 
   <td>好</td> 
   <td>好</td> 
  </tr> 
  <tr> 
   <td><strong>高性能</strong></td> 
   <td>一般</td> 
   <td>好</td> 
   <td>一般</td> 
  </tr> 
  <tr> 
   <td><strong>安全性</strong></td> 
   <td>断开连接，自动释放锁</td> 
   <td>利用锁超时时间，到期释放</td> 
   <td>临时节点，断开连接自动释放</td> 
  </tr> 
 </tbody> 
</table>

#### 基于 Redis 的分布式锁 ####

用 Redis 实现分布式锁，主要应用到的是 `SETNX key value`命令（如果不存在，则设置）

主要要实现两个功能：

1.  获取锁（设置一个 key）
2.  释放锁 （删除 key）

基本思想是执行了 `SETNX`命令的线程获得锁，在完成操作后，需要删除 key，释放锁。

**加锁：**

@Override
    public boolean tryLock(long timeoutSec) {
        // 获取线程标示
        String threadId = ID_PREFIX + Thread.currentThread().getId();
        // 获取锁
        Boolean success = stringRedisTemplate.opsForValue()
                .setIfAbsent(KEY_PREFIX + name, threadId, timeoutSec, TimeUnit.SECONDS);
        return Boolean.TRUE.equals(success);
    }
    复制代码

**释放锁：**

@Override
    public void unlock() {
        // 获取线程标示
        String threadId = ID_PREFIX + Thread.currentThread().getId();
        // 获取锁中的标示
        String id = stringRedisTemplate.opsForValue().get(KEY_PREFIX + name);
        // 释放锁
        stringRedisTemplate.delete(KEY_PREFIX + name);
    }
    复制代码

可是这里会存在一个隐患——假设该线程发生阻塞（或者其他问题），一直不释放锁（删除 key）这可怎么办？

为了解决这个问题，我们需要为 key 设计一个超时时间，让它超时失效；但是这个超时时间的长短却不好确定：

> 1.  设置过短，会导致其他线程提前获得锁，引发线程安全问题
> 2.  设置过长，线程需要额外等待

锁的误删

![format_png 9][]

超时时间是一个非常不好把握的东西，因为业务线程的阻塞时间是不可预估的，在极端情况下，它总能阻塞到 lock 超时失效，正如上图中的线程1，锁超时释放了，导致线程2也进来了，这时候 lock 是 线程2的锁了（key 相同，value不同，value一般是线程唯一标识）；假设这时候，线程1突然不阻塞了，它要释放锁，如果按照刚刚的代码逻辑的话，它会释放掉线程2的锁；线程2的锁被释放掉之后，又会导致其他线程进来（线程3），如此往复。。。

为了解决这个问题，需要在释放锁时多加一个判断，每个线程只释放自己的锁，不能释放别人的锁！

**释放锁**

@Override
    public void unlock() {
        // 获取线程标示
        String threadId = ID_PREFIX + Thread.currentThread().getId();
        // 获取锁中的标示
        String id = stringRedisTemplate.opsForValue().get(KEY_PREFIX + name);
        
        // 判断标示是否一致
        if(threadId.equals(id)) {
            // 释放锁
            stringRedisTemplate.delete(KEY_PREFIX + name);
        }
    }
    复制代码

#### 原子性问题 ####

刚刚我们谈论的释放锁的逻辑：

> 1.  判断当前锁是当前线程的锁
> 2.  当前线程释放锁

可以看到释放锁是分两步完成的，如果你是对并发比较有感觉的话，应该一下子就知道这里会存在问题了。

**分步执行，并发问题！**

![format_png 10][]

假设 线程1 已经判断当前锁是它的锁了，正准备释放锁，可偏偏这时候它阻塞了（可能是 FULL GC 引起的），锁超时失效，线程2来加锁，这时候锁是线程2的了；可是如果线程1这时候醒过来，因为它已经执行了步骤1了的，所以这时候它会直接直接步骤2，释放锁（可是此时的锁不是线程1的了）

**其实这就是一个原子性的问题，刚刚释放锁的两步应该是原子的，不可分的！**

要使得其满足原子性，则需要在 Redis 中使用 Lua 脚本了。

#### 引入 Lua 脚本保持原子性 ####

lua 脚本：

-- 比较线程标示与锁中的标示是否一致
    if(redis.call('get', KEYS[1]) ==  ARGV[1]) then
        -- 释放锁 del key
        return redis.call('del', KEYS[1])
    end
    return 0
    复制代码

Java 中调用执行：

public class SimpleRedisLock implements ILock {
    
        private String name;
        private StringRedisTemplate stringRedisTemplate;
    
        public SimpleRedisLock(String name, StringRedisTemplate stringRedisTemplate) {
            this.name = name;
            this.stringRedisTemplate = stringRedisTemplate;
        }
    
        private static final String KEY_PREFIX = "lock:";
        private static final String ID_PREFIX = UUID.randomUUID().toString(true) + "-";
        private static final DefaultRedisScript<Long> UNLOCK_SCRIPT;
        static {
            UNLOCK_SCRIPT = new DefaultRedisScript<>();
            UNLOCK_SCRIPT.setLocation(new ClassPathResource("unlock.lua"));
            UNLOCK_SCRIPT.setResultType(Long.class);
        }
    
        @Override
        public boolean tryLock(long timeoutSec) {
            // 获取线程标示
            String threadId = ID_PREFIX + Thread.currentThread().getId();
            // 获取锁
            Boolean success = stringRedisTemplate.opsForValue()
                    .setIfAbsent(KEY_PREFIX + name, threadId, timeoutSec, TimeUnit.SECONDS);
            return Boolean.TRUE.equals(success);
        }
    
        @Override
        public void unlock() {
            // 调用lua脚本
            stringRedisTemplate.execute(
                    UNLOCK_SCRIPT,
                    Collections.singletonList(KEY_PREFIX + name),
                    ID_PREFIX + Thread.currentThread().getId());
        }
    }
    
    复制代码

到了目前为止，我们设计的 Redis 分布式锁已经是生产可用的，相对完善的分布式锁了。

[format_png]: https://img-blog.csdnimg.cn/img_convert/5046386fcb7da1c3ffc268ebf45cb559.webp?x-oss-process=image/format,png
[format_png 1]: https://img-blog.csdnimg.cn/img_convert/747c0f1f930aebdc67079e506628f2ac.webp?x-oss-process=image/format,png
[format_png 2]: https://img-blog.csdnimg.cn/img_convert/d968449fd72345a2a714711c4794756a.webp?x-oss-process=image/format,png
[format_png 3]: https://img-blog.csdnimg.cn/img_convert/0039a525707ca46da6b705fab61a8ae1.webp?x-oss-process=image/format,png
[format_png 4]: https://img-blog.csdnimg.cn/img_convert/6f0ff19282a0af49c9ba42f7a8930f09.webp?x-oss-process=image/format,png
[format_png 5]: https://img-blog.csdnimg.cn/img_convert/6cf856e8077995f293144f1eeeb42709.webp?x-oss-process=image/format,png
[format_png 6]: https://img-blog.csdnimg.cn/img_convert/2f82b88dc8a8fbbf3e56042b540f5a0c.webp?x-oss-process=image/format,png
[format_png 7]: https://img-blog.csdnimg.cn/img_convert/21343fb6fa37b6f5bd9168c2ab51292f.webp?x-oss-process=image/format,png
[format_png 8]: https://img-blog.csdnimg.cn/img_convert/ea75cdc9fc2dabf16dc7fe366b594796.webp?x-oss-process=image/format,png
[format_png 9]: https://img-blog.csdnimg.cn/img_convert/415a240b1c32955cb502d31e9a3a4b80.webp?x-oss-process=image/format,png
[format_png 10]: https://img-blog.csdnimg.cn/img_convert/93feed2bcf364ec8c9b2eb32fdf5262d.webp?x-oss-process=image/format,png