写一段简单正常的超卖逻辑代码,多个用户同时操作同一段数据,探究出现的问题。
Redis有库存数量为100;如果大于0,则扣减1,重新存储Redis中;
运行代码测试
/**
* Redis数据库操作,超卖问题模拟
* @author
*
*/
@RestController
public class RedisController {
// 引入String类型redis操作模板
@Autowired
private StringRedisTemplate stringRedisTemplate;
//设置库存
@RequestMapping("/setStock")
public String setStock() {
stringRedisTemplate.opsForValue().set("stock", "100");
return "ok";
}
//模拟商品超卖代码
@RequestMapping("/deductStock")
public Map deductStock() {
Map map = new HashMap<>();
map.put("code",200);
// 获取Redis数据库中的商品数量
Integer stock = Integer.parseInt(stringRedisTemplate.opsForValue().get("stock"));
// 减库存
if(stock > 0) {
int realStock = stock -1;
stringRedisTemplate.opsForValue().set("stock", String.valueOf(realStock));
System.out.println("商品扣减成功,剩余商品:"+realStock);
}else {
System.out.println("库存不足.....");
}
return map;
}
}
在单应用模式下,使用Apifox
压测,并发线程数20个
测试结果:
每个请求相当于一个线程,当几个线程同时拿到数据时,线程A拿到库存为84,这个时候线程B也进入程序,并且抢占了CPU,访问库存为84,最后两个线程都对库存减一,导致最后修改为83,实际上多卖出去了一件
这里多个线程处理一个变量导致了并发问题,我们使用synchronized进行处理
依旧还是先测试单服务器
// 使用 synchronized同步锁,处理单体应用的并发
@RequestMapping("/deductStock2")
public Map deductStock2() {
synchronized (this) {
Map map = new HashMap<>();
// 获取Redis数据库中的商品数量
Integer stock = Integer.parseInt(stringRedisTemplate.opsForValue().get("stock"));
// 减库存
if(stock > 0) {
int realStock = stock -1;
stringRedisTemplate.opsForValue().set("stock", String.valueOf(realStock));
System.out.println("商品扣减成功,剩余商品:"+realStock);
}else {
System.out.println("库存不足.....");
}
map.put("code",200);
return map;
}
}
库存100
重新压测,得到的日志信息如下所示:
可以看到,按顺序扣减成功
在单机模式下,添加synchronized关键字,的确能够避免商品的超卖现象!
但是在分布式微服务中,针对该服务设置了集群,synchronized依旧还能保证数据的正确性吗?
假设多个请求,被注册中心负载均衡,每个微服务中的该处理接口,都添加有synchronized,
依然会出现类似的超卖
问题:
synchronized
只是针对单一服务器
的JVM
进行加锁
,但是分布式是很多个不同的服务器,导致两个线程或多个在不同服务器上共同对商品数量信息做了操作!
我们复制刚才的应用并设置两个端口8000、8001。然后开两个Apifox并设置并发数20,分别点击进行模拟分布式并发
可以看到40次请求,正确扣减后的库存应为60,但最后库存为77,少扣了17个
我们引入Redission分布式锁,并改造一下代码
// 使用 Redisson分布式锁,处理分布式多应用的并发
@RequestMapping("/deductStock3")
public Map deductStock3() throws InterruptedException {
Map map = new HashMap<>();
RLock keyDeductStock = redissonClient.getLock("key:deductStock");
//尝试获取分布式锁20秒,获取失败则返回
boolean b = keyDeductStock.tryLock(20, TimeUnit.SECONDS);
map.put("code",300);
if (!b){
return map;
}
try{
// 获取Redis数据库中的商品数量
Integer stock = Integer.parseInt(stringRedisTemplate.opsForValue().get("stock"));
// 减库存
if(stock > 0) {
int realStock = stock -1;
stringRedisTemplate.opsForValue().set("stock", String.valueOf(realStock));
System.out.println("商品扣减成功,剩余商品:"+realStock);
}else {
System.out.println("库存不足.....");
}
map.put("code",200);
return map;
}catch (Exception e){
e.printStackTrace();
}finally {
keyDeductStock.unlock();
}
return map;
}
所有应用在访问扣减库存接口的时候,必须先获取Redission分布式锁, 尝试获取时间设置为20秒,如果20秒之内没获取,则直接返回获取失败,如果线程成功获取锁,则执行业务逻辑,锁的超时时间默认30s,看门狗默认10s会进行续期,将超时时间重置为30s,当业务执行完,则释放锁
开始分布式压力测试:
可以看到40个请求都成功。我们看看数据是否正常
可以看到,库存成功扣减。