Redis高并發(fā)場(chǎng)景防止庫存數(shù)量超賣少賣
簡(jiǎn)介
商品超賣現(xiàn)象,即銷售數(shù)量超過了實(shí)際庫存量,通常是由于未能正確判斷庫存狀況而發(fā)生的。在常規(guī)的庫存管理系統(tǒng)中,我們會(huì)在扣減庫存之前進(jìn)行庫存充足性檢驗(yàn):僅當(dāng)庫存數(shù)量大于零時(shí),系統(tǒng)才會(huì)執(zhí)行扣減動(dòng)作;若庫存不足,則即時(shí)返回錯(cuò)誤提示。然而,在高并發(fā)的銷售場(chǎng)景下,傳統(tǒng)的處理方法往往難以確保庫存扣減的準(zhǔn)確性。為了解決這一問題,我們可以采用線程加鎖機(jī)制或利用Redis等內(nèi)存數(shù)據(jù)結(jié)構(gòu)來同步庫存狀態(tài),從而保證即使在大量同時(shí)交易的情況下,庫存扣減也能保持準(zhǔn)確無誤。
數(shù)據(jù)庫校驗(yàn)
商品類
/** * @description 商品類 * @author yiridancan * @date 2024/3/23 9:06 */ public class Goods { private int id; /** * 商品名稱 */ private String name; /** * 庫存數(shù)量 */ private int inventoryCount; public int getId() { return id; } public void setId(int id) { this.id = id; } public String getName() { return name; } public void setName(String name) { this.name = name; } public int getInventoryCount() { return inventoryCount; } public void setInventoryCount(int inventoryCount) { this.inventoryCount = inventoryCount; } }
實(shí)現(xiàn)類
import com.yiridancan.reduceInventory.entity.Goods; import com.yiridancan.reduceInventory.mapper.GoodsMapper; import com.yiridancan.reduceInventory.service.IGoodsService; import lombok.extern.slf4j.Slf4j; import org.springframework.beans.factory.annotation.Autowired; import org.springframework.stereotype.Service; import java.util.Objects; /** * 商品實(shí)現(xiàn)類 * @author yiridancan * @date 2024/3/23 18:35 */ @Slf4j @Service public class GoodsServiceImpl implements IGoodsService { @Autowired private GoodsMapper goodsMapper; /** * 扣減庫存 * @param goodsId 商品id * @author yiridancan * @date 2024/3/23 18:33 */ @Override public void reduceInventory(int goodsId) { //1.根據(jù)商品id獲取商品庫存數(shù)量 Goods goods = goodsMapper.findGoodsInventory(goodsId); if(Objects.isNull(goods)){ log.error("未獲取到商品信息"); return; } //2.如果庫存數(shù)量大于0則扣減庫存,如果等于0代表沒有貨物打印錯(cuò)誤信息 if(goods.getInventoryCount() > 0 ){ //默認(rèn)扣減庫存1 goods.setInventoryCount(goods.getInventoryCount()-1); goodsMapper.updateGoodsInventory(goods); log.info("{}扣減庫存成功,扣減后庫存為:{}",goods.getName(),goods.getInventoryCount()); }else { log.error("{}庫存為0",goods.getName()); } } }
首先,我們需要根據(jù)商品ID獲取商品數(shù)據(jù)。如果無法獲取到數(shù)據(jù),則打印異常并終止執(zhí)行。接著,通過查詢庫存數(shù)量進(jìn)行校驗(yàn)判斷:若庫存大于0,則扣減庫存;反之,若庫存為0,則打印異常信息。
數(shù)據(jù)庫
測(cè)試代碼
@Test void contextLoads() { //商品id int goodsId = 1; //創(chuàng)建固定數(shù)量的線程池 int num = 20; ExecutorService executorService = Executors.newFixedThreadPool(num); //模擬20個(gè)并發(fā)同時(shí)請(qǐng)求接口 for (int i = 0; i < num; i++) { executorService.submit(() -> { goodsService.reduceInventory(goodsId); }); } executorService.shutdown(); try { executorService.awaitTermination(1, TimeUnit.MINUTES); } catch (InterruptedException e) { throw new RuntimeException(e); } //獲取商品最終庫存數(shù)量 Goods goodsInventory = goodsMapper.findGoodsInventory(goodsId); if(Objects.isNull(goodsInventory)){ return; } log.info("{}商品最終庫存為:{}",goodsInventory.getName(),goodsInventory.getInventoryCount()); }
運(yùn)行結(jié)果
測(cè)試中,系統(tǒng)面臨了20個(gè)同時(shí)發(fā)出的請(qǐng)求,而可用庫存量?jī)H為10個(gè)。理論上,這意味著應(yīng)當(dāng)有10個(gè)請(qǐng)求能夠成功完成庫存扣減,而另外10個(gè)請(qǐng)求則需被妥善拒絕。為解決此并發(fā)操作導(dǎo)致的數(shù)據(jù)不一致性問題,我們可以通過引入鎖機(jī)制來確保數(shù)據(jù)訪問的同步性,從而保障系統(tǒng)的正確性和穩(wěn)定性。
悲觀鎖
可以通過synchronized、ReentrantLock等悲觀鎖來保證原子性和一致性
我們發(fā)現(xiàn),在20次并發(fā)請(qǐng)求的測(cè)試場(chǎng)景中,僅有10次能夠成功減少庫存量,而另外10次則遭到拒絕。這種機(jī)制確保了數(shù)據(jù)一致性的嚴(yán)密守護(hù)。然而,若我們選擇采用悲觀鎖的策略,雖然可以強(qiáng)化數(shù)據(jù)完整性,但卻可能導(dǎo)致大量請(qǐng)求進(jìn)入阻塞隊(duì)列,尤其是在高并發(fā)的環(huán)境下,這種重量級(jí)的同步處理可能會(huì)對(duì)服務(wù)性能和數(shù)據(jù)庫響應(yīng)能力造成顯著負(fù)擔(dān),甚至有可能引發(fā)系統(tǒng)瓶頸。因此,在設(shè)計(jì)高并發(fā)系統(tǒng)時(shí),我們需要權(quán)衡鎖機(jī)制的選擇,以優(yōu)化系統(tǒng)性能,保證服務(wù)的高效流暢。
樂觀鎖
樂觀鎖采用了一種比較寬松的并發(fā)控制策略。它允許多個(gè)線程同時(shí)讀取和修改共享數(shù)據(jù),但在數(shù)據(jù)提交時(shí)會(huì)檢查是否有其他線程在此期間修改過相同的數(shù)據(jù)。如果檢測(cè)到?jīng)_突,通常需要重新嘗試操作,直到成功為止。樂觀鎖的核心在于它認(rèn)為沖突不太可能發(fā)生,或者沖突發(fā)生的概率較低,因此不一開始就對(duì)數(shù)據(jù)加鎖,從而避免了鎖機(jī)制可能帶來的性能開銷。一般通過數(shù)據(jù)庫版本號(hào)或者時(shí)間戳來進(jìn)行實(shí)現(xiàn)
定義一個(gè)抽象接口:
/** * 通過樂觀鎖實(shí)現(xiàn)扣減庫存 * @author yiridancan * @date 2024/3/25 22:33 * @param goodsId 商品id */ void casReduceInventory(int goodsId);
實(shí)現(xiàn)類:
/** * 通過樂觀鎖實(shí)現(xiàn)扣減庫存 * @param goodsId 商品id * @author yiridancan * @date 2024/3/25 22:33 */ @Override public void casReduceInventory(int goodsId) { int retryCount = 0; //重試次數(shù)設(shè)置為3,避免無休止的重試占用紫鳶 while (retryCount <=3){ //1.根據(jù)商品id獲取商品信息 Goods goods = goodsMapper.findGoodsInventory(goodsId); if(Objects.isNull(goods) || goods.getInventoryCount() == 0){ log.error("未獲取到商品信息或庫存數(shù)量不足"); return; } //默認(rèn)扣減庫存1 goods.setInventoryCount(goods.getInventoryCount()-1); int updateRow = goodsMapper.updateGoodsInventoryByCAS(goods); //如果修改條數(shù)大于0代表扣減庫存成功 if(updateRow > 0 ){ log.info("{}扣減庫存成功,扣減后庫存為:{}",goods.getName(),goods.getInventoryCount()); return; } retryCount++; log.error("{}商品被修改過,進(jìn)行重試??!版本號(hào):{}",goods.getName(),goods.getDataVersion()); } }
首先會(huì)先定義一個(gè)重試次數(shù),避免一直重試占用資源。然后獲取到具體的商品信息,默認(rèn)扣減庫存為1(實(shí)際可以根據(jù)用戶設(shè)置的數(shù)量進(jìn)行扣減),然后根據(jù)查詢出來的版本號(hào)和id去數(shù)據(jù)庫中更新數(shù)據(jù),如果返回更新數(shù)量代表扣減庫存成功,則打印相關(guān)打印進(jìn)行結(jié)束,否則進(jìn)行重試,直到庫存數(shù)量不足或扣減庫存成功才結(jié)束
<update id="updateGoodsInventoryByCAS"> update goods set inventory_count=#{inventoryCount},data_version=data_version+1 where id=#{id} and data_version=#{dataVersion} </update>
Redis
借助Redis單線程的特性,再加上lua腳本執(zhí)行過程原子性的保障。我們可以在Redis中通過lua腳本進(jìn)行庫存扣減操作
因?yàn)閘ua腳本在執(zhí)行過程中,可以避免被打斷,并且redis執(zhí)行的過程也是單線程的,所以在腳本中進(jìn)行判斷,再扣減,這個(gè)過程是可以避免并發(fā)的。所以也就可以實(shí)現(xiàn)前面我們說的原子性+有序性了。
并且Redis是一個(gè)高性能的分布式緩存,使用Lua腳本扣減庫存的方案也非常的高效
首先將商品庫存初始化到Redis中,然后后續(xù)對(duì)Redis進(jìn)行庫存扣減
local key = KEYS[1] -- 商品的鍵名 local amount = tonumber(ARGV[1]) -- 扣減的數(shù)量 -- 獲取商品當(dāng)前的庫存量 local stock = tonumber(redis.call('get', key)) -- 如果庫存足夠,則減少庫存并返回新的庫存量 if stock >= amount then redis.call('decrby', key, amount) return redis.call('get', key) else return "INSUFFICIENT STOCK" end
編寫Lua腳本,通常是單獨(dú)放在一個(gè)文件中。這里偷了一個(gè)懶直接聲明成字符串了
/** * 通過Redis扣減庫存 * * @param goodsId 商品id * @author yiridancan * @date 2024/3/27 15:48 */ @Override public void redisReduceInventory(int goodsId) { String prefix = "goodsInventory:"; //將商品數(shù)據(jù)緩存到Redis中,key是商品id,value是商品庫存數(shù)量 goodsMapper.findGoodsAll().forEach(goods -> { stringRedisTemplate.opsForValue().set(prefix+goods.getId(),String.valueOf(goods.getInventoryCount())); }); //lua腳本,一般放在文件中 String script = "local key = KEYS[1] -- 商品的鍵名\n" + "local amount = tonumber(ARGV[1]) -- 扣減的數(shù)量\n" + "\n" + "-- 獲取商品當(dāng)前的庫存量\n" + "local stock = tonumber(redis.call('get', key))\n" + "\n" + "-- 如果庫存足夠,則減少庫存并返回新的庫存量\n" + "if stock >= amount then\n" + " redis.call('decrby', key, amount)\n" + " return redis.call('get', key)\n" + "else\n" + " return \"INSUFFICIENT STOCK\"\n" + "end\n"; DefaultRedisScript<String> redisScript = new DefaultRedisScript<>(script, String.class); // 創(chuàng)建一個(gè)包含庫存key的列表 List<String> keys = Collections.singletonList(prefix + goodsId); // 創(chuàng)建一個(gè)包含扣減數(shù)量的參數(shù)列表 List<String> args = Collections.singletonList(Integer.toString(1)); // 執(zhí)行Lua腳本,傳入鍵列表和參數(shù)列表 String result = stringRedisTemplate.execute(redisScript, keys, args.toArray(new String[0])); //如果不是庫存不足代表扣減成功 if(!result.equals("INSUFFICIENT STOCK")){ log.info("扣減庫存成功,庫存數(shù)量:{}",result); }else { log.error("庫存數(shù)量不足"); } }
首先把商品數(shù)據(jù)統(tǒng)一緩存到Redis中,然后編寫一段Lua腳本交給DefaultRedisScript,DefaultRedisScript可以自定義數(shù)據(jù)返回類型
創(chuàng)建兩個(gè)集合,分別存放key和參數(shù),通過StringRedisTemplate.execute執(zhí)行Lua腳本,如果返回的值是INSUFFICIENT STOCK代表庫存不足,打印錯(cuò)誤日志,否則扣減庫存成功
最后在任務(wù)執(zhí)行完成后定時(shí)將Redis中的庫存同步到數(shù)據(jù)庫中做持久化即可
其他方案
- Redis+MQ+數(shù)據(jù)庫:利用Redis來扛高并發(fā)流量。先在Redis扣減庫存,然后發(fā)送一個(gè)MQ消息,消費(fèi)者在接收到消息后做數(shù)據(jù)庫庫存的真正扣減和業(yè)務(wù)邏輯
把修改轉(zhuǎn)換成新增,直接插入一次占用記錄,然后異步統(tǒng)計(jì)剩余庫存,或者通過SQL統(tǒng)計(jì)流水方式計(jì)算剩余庫存
通過Redisson進(jìn)行加鎖處理
..............
總結(jié)
綜合來說,實(shí)踐中往往會(huì)根據(jù)業(yè)務(wù)需求和現(xiàn)有技術(shù)棧選擇合適的方法,Redis因其高性能和原子操作特性,在很多場(chǎng)景下成為首選方案之一。而具體實(shí)施時(shí),可能還需要結(jié)合多種手段以及負(fù)載均衡、熔斷、降級(jí)等策略來應(yīng)對(duì)復(fù)雜的高并發(fā)挑戰(zhàn)。
到此這篇關(guān)于Redis高并發(fā)場(chǎng)景防止庫存數(shù)量超賣少賣的文章就介紹到這了,更多相關(guān)Redis防止超賣少賣內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
java實(shí)現(xiàn)二維碼生成的幾個(gè)方法(推薦)
本篇文章主要介紹了java實(shí)現(xiàn)二維碼生成的幾個(gè)方法(推薦),具有一定的參考價(jià)值,有興趣的可以了解一下。2016-12-12mybatis不加@Parm注解報(bào)錯(cuò)的解決方案
這篇文章主要介紹了mybatis不加@Parm注解報(bào)錯(cuò)的解決方案,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-11-11Java如何獲取一個(gè)隨機(jī)數(shù) Java猜數(shù)字小游戲
這篇文章主要為大家詳細(xì)介紹了Java如何獲取一個(gè)隨機(jī)數(shù),類似猜數(shù)字小游戲,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2020-03-03Java 8 對(duì) HashSet 元素進(jìn)行排序的操作方法
Java 中HashSet是一個(gè)不保證元素順序的集合類,其內(nèi)部是基于 HashMap 實(shí)現(xiàn)的,HashSet不支持排序,我們?cè)谛枰獙?duì)HashSet 排序時(shí),必須將其轉(zhuǎn)換為支持排序的集合或數(shù)據(jù)結(jié)構(gòu),如 List,本文將詳細(xì)介紹在 Java 8 中如何對(duì) HashSet 中的元素進(jìn)行排序,感興趣的朋友一起看看吧2024-11-11SpringBoot整合JWT的實(shí)現(xiàn)示例
JWT是目前比較流行的跨域認(rèn)證解決方案,本文主要介紹了SpringBoot整合JWT的實(shí)現(xiàn)示例,文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2022-01-01