用 IDEA 基于SpringBoot2+ mybatis+Redis实现一个秒杀系统

桃扇骨 2023-10-01 23:19 6阅读 0赞

实现一个秒杀系统，采用spring boot 2.x + mybatis+ redis + swagger2 + lombok实现。

先说说基本流程，就是提供一个秒杀接口，然后针对秒杀接口进行限流，限流的方式目前我实现了两种，上次实现的是累计计数方式，这次还有这个功能，并且我增加了令牌桶方式的lua脚本进行限流。

然后不被限流的数据进来之后，加一把分布式锁，获取分布式锁之后就可以对数据库进行操作了。直接操作数据库的方式可以，但是速度会比较慢，咱们直接通过一个初始化接口，将库存数据放到缓存中，然后对缓存中的数据进行操作。

写库的操作采用异步方式，实现的方式就是将操作好的数据放入到队列中，然后由另一个线程对队列进行消费。当然，也可以将数据直接写入mq中，由另一个线程进行消费，这样也更稳妥。

好了，看一下项目的基本结构：

![c7cc8afe757830275b005b0e1f249f23.jpeg][]

看一下入口controller类，入口类有两个方法，一个是初始化订单的方法，即秒杀开始的时候，秒杀接口才会有效，这个方法可以采用定时任务自动实现也可以。

初始化后就可以调用placeOrder的方法了。在placeOrder上面有个自定义的注解DistriLimitAnno，这个是我在上篇文章写的，用作限流使用。

采用的方式目前有两种，一种是使用计数方式限流，一种方式是令牌桶，上次使用了计数，咱们这次采用令牌桶方式实现。

package com.hqs.flashsales.controller;
    
    import com.hqs.flashsales.annotation.DistriLimitAnno;
    import com.hqs.flashsales.aspect.LimitAspect;
    import com.hqs.flashsales.lock.DistributedLock;
    import com.hqs.flashsales.limit.DistributedLimit;
    import com.hqs.flashsales.service.OrderService;
    import lombok.extern.slf4j.Slf4j;
    import org.springframework.beans.factory.annotation.Autowired;
    import org.springframework.data.redis.core.RedisTemplate;
    import org.springframework.data.redis.core.script.RedisScript;
    import org.springframework.stereotype.Controller;
    import org.springframework.web.bind.annotation.GetMapping;
    import org.springframework.web.bind.annotation.PostMapping;
    import org.springframework.web.bind.annotation.ResponseBody;
    
    import javax.annotation.Resource;
    import java.util.Collections;
    
    
    /**
     * @author huangqingshi
     * @Date 2019-01-23
     */
    @Slf4j
    @Controller
    public class FlashSaleController {
    
        @Autowired
        OrderService orderService;
        @Autowired
        DistributedLock distributedLock;
        @Autowired
        LimitAspect limitAspect;
        //注意RedisTemplate用的String,String，后续所有用到的key和value都是String的
        @Autowired
        RedisTemplate<String, String> redisTemplate;
    
        private static final String LOCK_PRE = "LOCK_ORDER";
    
        @PostMapping("/initCatalog")
        @ResponseBody
        public String initCatalog()  {
            try {
                orderService.initCatalog();
            } catch (Exception e) {
                log.error("error", e);
            }
    
            return "init is ok";
        }
    
        @PostMapping("/placeOrder")
        @ResponseBody
        @DistriLimitAnno(limitKey = "limit", limit = 100, seconds = "1")
        public Long placeOrder(Long orderId) {
            Long saleOrderId = 0L;
            boolean locked = false;
            String key = LOCK_PRE + orderId;
            String uuid = String.valueOf(orderId);
            try {
                locked = distributedLock.distributedLock(key, uuid,
                        "10" );
                if(locked) {
                    //直接操作数据库
    //                saleOrderId = orderService.placeOrder(orderId);
                    //操作缓存 异步操作数据库
                    saleOrderId = orderService.placeOrderWithQueue(orderId);
                }
                log.info("saleOrderId:{}", saleOrderId);
            } catch (Exception e) {
                log.error(e.getMessage());
            } finally {
                if(locked) {
                    distributedLock.distributedUnlock(key, uuid);
                }
            }
            return saleOrderId;
        }
    
    }

令牌桶的方式比直接计数更加平滑，直接计数可能会瞬间达到最高值，令牌桶则把最高峰给削掉了，令牌桶的基本原理就是有一个桶装着令牌，然后又一队人排队领取令牌，领到令牌的人就可以去做做自己想做的事情了，没有领到令牌的人直接就走了（也可以重新排队）。

发令牌是按照一定的速度发放的，所以这样在多人等令牌的时候，很多人是拿不到的。当桶里边的令牌在一定时间内领完后，则没有令牌可领，都直接走了。如果过了一定的时间之后可以再次把令牌桶装满供排队的人领。

基本原理是这样的，看一下脚本简单了解一下，里边有一个key和四个参数，第一个参数是获取一个令牌桶的时间间隔，第二个参数是重新填装令牌的时间（精确到毫秒），第三个是令牌桶的数量限制，第四个是隔多长时间重新填装令牌桶。

-- bucket name
    local key = KEYS[1]
    -- token generate interval
    local intervalPerPermit = tonumber(ARGV[1])
    -- grant timestamp
    local refillTime = tonumber(ARGV[2])
    -- limit token count
    local limit = tonumber(ARGV[3])
    -- ratelimit time period
    local interval = tonumber(ARGV[4])
    
    local counter = redis.call('hgetall', key)
    
    if table.getn(counter) == 0 then
        -- first check if bucket not exists, if yes, create a new one with full capacity, then grant access
        redis.call('hmset', key, 'lastRefillTime', refillTime, 'tokensRemaining', limit - 1)
        -- expire will save memory
        redis.call('expire', key, interval)
        return 1
    elseif table.getn(counter) == 4 then
        -- if bucket exists, first we try to refill the token bucket
        local lastRefillTime, tokensRemaining = tonumber(counter[2]), tonumber(counter[4])
        local currentTokens
        if refillTime > lastRefillTime then
            -- check if refillTime larger than lastRefillTime.
            -- if not, it means some other operation later than this call made the call first.
            -- there is no need to refill the tokens.
            local intervalSinceLast = refillTime - lastRefillTime
            if intervalSinceLast > interval then
                currentTokens = limit
                redis.call('hset', key, 'lastRefillTime', refillTime)
            else
                local grantedTokens = math.floor(intervalSinceLast / intervalPerPermit)
                if grantedTokens > 0 then
                    -- ajust lastRefillTime, we want shift left the refill time.
                    local padMillis = math.fmod(intervalSinceLast, intervalPerPermit)
                    redis.call('hset', key, 'lastRefillTime', refillTime - padMillis)
                end
                currentTokens = math.min(grantedTokens + tokensRemaining, limit)
            end
        else
            -- if not, it means some other operation later than this call made the call first.
            -- there is no need to refill the tokens.
            currentTokens = tokensRemaining
        end
    
        assert(currentTokens >= 0)
    
        if currentTokens == 0 then
            -- we didn't consume any keys
            redis.call('hset', key, 'tokensRemaining', currentTokens)
            return 0
        else
            -- we take 1 token from the bucket
            redis.call('hset', key, 'tokensRemaining', currentTokens - 1)
            return 1
        end
    else
        error("Size of counter is " .. table.getn(counter) .. ", Should Be 0 or 4.")
    end

看一下调用令牌桶lua的JAVA代码，也比较简单：

public Boolean distributedRateLimit(String key, String limit, String seconds) {
            Long id = 0L;
            long intervalInMills = Long.valueOf(seconds) * 1000;
            long limitInLong = Long.valueOf(limit);
            long intervalPerPermit = intervalInMills / limitInLong;
    //        Long refillTime = System.currentTimeMillis();
    //        log.info("调用redis执行lua脚本, {} {} {} {} {}", "ratelimit", intervalPerPermit, refillTime,
    //                limit, intervalInMills);
            try {
                 id = redisTemplate.execute(rateLimitScript, Collections.singletonList(key),
                        String.valueOf(intervalPerPermit), String.valueOf(System.currentTimeMillis()),
                        String.valueOf(limitInLong), String.valueOf(intervalInMills));
            } catch (Exception e) {
                log.error("error", e);
            }
    
            if(id == 0L) {
                return false;
            } else {
                return true;
            }
        }

创建两张简单表，一个库存表，一个是销售订单表：

CREATE TABLE `catalog` (
      `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
      `name` varchar(50) NOT NULL DEFAULT '' COMMENT '名称',
      `total` int(11) NOT NULL COMMENT '库存',
      `sold` int(11) NOT NULL COMMENT '已售',
      `version` int(11) NULL COMMENT '乐观锁，版本号',
      PRIMARY KEY (`id`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
    
    CREATE TABLE `sales_order` (
      `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
      `cid` int(11) NOT NULL COMMENT '库存ID',
      `name` varchar(30) NOT NULL DEFAULT '' COMMENT '商品名称',
      `create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '创建时间',
      PRIMARY KEY (`id`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8;

基本已经准备完毕，然后启动程序，打开swagger（http://localhost:8080/swagger-ui.html\#），执行初始化方法initCatalog：

日志里边会输出初始化的记录内容，初始化库存为1000：

初始化执行的方法，十分简单，写到缓存中。

@Override
        public void initCatalog() {
            Catalog catalog = new Catalog();
            catalog.setName("mac");
            catalog.setTotal(1000L);
            catalog.setSold(0L);
            catalogMapper.insertCatalog(catalog);
            log.info("catalog:{}", catalog);
            redisTemplate.opsForValue().set(CATALOG_TOTAL + catalog.getId(), catalog.getTotal().toString());
            redisTemplate.opsForValue().set(CATALOG_SOLD + catalog.getId(), catalog.getSold().toString());
            log.info("redis value:{}", redisTemplate.opsForValue().get(CATALOG_TOTAL + catalog.getId()));
            handleCatalog();
        }

我写了一个测试类，启动3000个线程，然后去进行下单请求：

package com.hqs.flashsales;
    
    import lombok.extern.slf4j.Slf4j;
    import org.junit.Test;
    import org.junit.runner.RunWith;
    import org.springframework.beans.factory.annotation.Autowired;
    import org.springframework.boot.test.context.SpringBootTest;
    import org.springframework.boot.test.web.client.TestRestTemplate;
    import org.springframework.test.context.junit4.SpringRunner;
    import org.springframework.util.LinkedMultiValueMap;
    import org.springframework.util.MultiValueMap;
    
    import java.util.concurrent.TimeUnit;
    
    @Slf4j
    @RunWith(SpringRunner.class)
    @SpringBootTest(classes = FlashsalesApplication.class, webEnvironment = SpringBootTest.WebEnvironment.RANDOM_PORT)
    public class FlashSalesApplicationTests {
    
        @Autowired
        private TestRestTemplate testRestTemplate;
    
        @Test
        public void flashsaleTest() {
            String url = "http://localhost:8080/placeOrder";
            for(int i = 0; i < 3000; i++) {
                try {
                    TimeUnit.MILLISECONDS.sleep(20);
                    new Thread(() -> {
                        MultiValueMap<String, String> params = new LinkedMultiValueMap<>();
                        params.add("orderId", "1");
                        Long result = testRestTemplate.postForObject(url, params, Long.class);
                        if(result != 0) {
                            System.out.println("-------------" + result);
                        }
                    }
                    ).start();
                } catch (Exception e) {
                    log.info("error:{}", e.getMessage());
                }
    
            }
        }
    
        @Test
        public void contextLoads() {
        }
    
    }

然后开始运行测试代码，查看一下测试日志和程序日志，均显示卖了1000后直接显示SOLD OUT了。分别看一下日志和数据库:

![9277be956547fe78ac3a9e2f16d43c85.jpeg][]

![96b5af0dada59fa093eb03a86db80792.jpeg][]

商品库存catalog表和订单明细表sales\_order表，都是1000条，没有问题。

![05b9e62511cadb3d59fae88714c5d8aa.jpeg][]

总结：

通过采用分布式锁和分布式限流，即可实现秒杀流程，当然分布式限流也可以用到很多地方，比如限制某些IP在多久时间访问接口多少次，都可以的。

令牌桶的限流方式使得请求可以得到更加平滑的处理，不至于瞬间把系统达到最高负载。在这其中其实还有一个小细节，就是Redis的锁，单机情况下没有任何问题，如果是集群的话需要注意，一个key被hash到同一个slot的时候没有问题，如果说扩容或者缩容的话，如果key被hash到不同的slot，程序可能会出问题。

在写代码的过程中还出现了一个小问题，就是写controller的方法的时候，方法一定要声明成public的，否则自定义的注解用不了，其他service的注解直接变为空，这个问题也是找了很久才找到。

![173c5403c71c46018e46c60c4828308d.jpeg][]

[c7cc8afe757830275b005b0e1f249f23.jpeg]: https://img-blog.csdnimg.cn/img_convert/c7cc8afe757830275b005b0e1f249f23.jpeg
[9277be956547fe78ac3a9e2f16d43c85.jpeg]: https://img-blog.csdnimg.cn/img_convert/9277be956547fe78ac3a9e2f16d43c85.jpeg
[96b5af0dada59fa093eb03a86db80792.jpeg]: https://img-blog.csdnimg.cn/img_convert/96b5af0dada59fa093eb03a86db80792.jpeg
[05b9e62511cadb3d59fae88714c5d8aa.jpeg]: https://img-blog.csdnimg.cn/img_convert/05b9e62511cadb3d59fae88714c5d8aa.jpeg
[173c5403c71c46018e46c60c4828308d.jpeg]: https://img-blog.csdnimg.cn/173c5403c71c46018e46c60c4828308d.jpeg