Redis分布式锁+预减库存：解决优惠券秒杀难题

Redis优惠券秒杀问题怎么解决

1 实现优惠券秒杀功能

下单时需要判断两点：1.秒杀是否开始或者结束2.库存是否充足

所以，我们的业务逻辑如下

1. 通过优惠券id获取优惠券信息

2.判断秒杀是否开始，如果未返回错误信息

3.判断秒杀是否结束，如果已经结束返回错误信息

4.如果在秒杀时间内，判断库存是否充足

5.如果充足，扣减库存

6.创建订单信息，并保存到优惠券订单表中

6.1 保存订单id

6.2保存用户id

6.3保存优惠券id

7.返回订单id

代码实现：（Service层实现类）

package com.hmdp.service.impl;

import com.hmdp.dto.Result;

import com.hmdp.entity.SeckillVoucher;

import com.hmdp.entity.VoucherOrder;

import com.hmdp.mapper.VoucherOrderMapper;

import com.hmdp.service.ISeckillVoucherService;

import com.hmdp.service.IVoucherOrderService;

import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;

import com.hmdp.utils.RedisIdWorker;

import com.hmdp.utils.UserHolder;

import org.springframework.stereotype.Service;

import javax.annotation.Resource;

import java.time.LocalDateTime;

/**
* <
p>

* 服务实现类
* <
/p>

*
* @author 虎哥
* @since 2021-12-22
*/
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<
VoucherOrderMapper, VoucherOrder>
implements IVoucherOrderService {
@Resource
private ISeckillVoucherService iSeckillVoucherService;

@Resource
private RedisIdWorker redisIdWorker;

@Override
public Result seckillVoucher(Long voucherId) {
//1.获取优惠券信息
SeckillVoucher voucher = iSeckillVoucherService.getById(voucherId);

//2.判断是否已经开始
if (voucher.getBeginTime().isAfter(LocalDateTime.now())){
Result.fail("
秒杀尚未开始!"
);

}
//3.判断是否已经结束
if (voucher.getEndTime().isBefore(LocalDateTime.now())){
Result.fail("
秒杀已经结束了!"
);

}
//4.判断库存是否充足
if (voucher.getStock() <
1) {
Result.fail("
库存不充足!"
);

}
//5.扣减库存
boolean success = iSeckillVoucherService.update()
.setSql("
stock = stock-1"
).eq("
voucher_id"
,voucherId)
.update();

if (!success){
Result.fail("
库存不充足!"
);

}
//6. 创建订单
VoucherOrder voucherOrder = new VoucherOrder();

//6.1添加订单id
Long orderId = redisIdWorker.nextId("
order"
);

voucherOrder.setId(orderId);

//6.2添加用户id
Long userId = UserHolder.getUser().getId();

voucherOrder.setUserId(userId);

//6.3添加优惠券id
voucherOrder.setVoucherId(voucherId);

save(voucherOrder);

//7.返回订单id
return Result.ok(orderId);

}
} 2 超卖问题（重点）

我们先尝试在高并发的情况下运行上述代码。（使用jmx工具）

下图是创建了两百个线程，在一瞬间发出优惠券请求

但是我们看聚合报告，发现异常值只有45.5%，按道理来说应该是50%（因为库存有100个，这里发出了200个请求）

一看库存数，好家伙，是-9

订单也是添加了109个，这显然发生了超卖的问题。

那么，为什么会发生这种问题呢？

看图说话：

按照我们正常的流程来走，就是线程1线查询完库存，然后扣减库存，这个时候线程2再来查询库存，扣减库存，这样是没问题的。

超卖的问题就出在，在订单1查询库存后，发现是1，但还没去扣减的时候，线程2也来查询库存，发现也是1，也进行了扣减（高并发的场景下）

这就导致了超卖的问题。

对于这种高并发的问题，最常见的解决方法就是：上锁~

但锁又包括悲观锁和乐观锁。

悲观锁简单的讲就是：觉得线程一定会发生，然后在操作之前每个人先拿锁，你执行完后，在轮到下一个来执行（串行执行）

乐观锁 :就是乐观（认为线程安全一定不会发生），只要在每次对数据修改之前，判断其他线程是否对数据进行的修改来保证线程安全。

悲观锁较为简单，这里实现乐观锁。

乐观锁的关键是判断之前查询得到的数据是否有被修改过，常见的方式有两种

温馨提示：左边表格的数据都是线程1执行后的数据哦~

1.版本号法

就是在查询库存的步骤上加上一个版本号，每次修改完数据后给版本号＋1并在后面加上where条件判断版本号是否和修改前的一致

这样就可以做到线程安全啦~

2.CAS法

这个就是不用版本号了，直接在修改数据库后加上where条件判断库存是否是修改前的库存

解决超卖问题代码实现：

说到底就是在我们扣减库存的时候加上一个where条件判断库存是否大于0

//5.1扣减库存
boolean success = iSeckillVoucherService.update()
.setSql("
stock = stock-1"
).eq("
voucher_id"
, voucherId).gt("
stock"
,0)
.update();
package com.hmdp.service.impl;

import com.hmdp.dto.Result;

import com.hmdp.entity.SeckillVoucher;

import com.hmdp.entity.VoucherOrder;

import com.hmdp.mapper.VoucherOrderMapper;

import com.hmdp.service.ISeckillVoucherService;

import com.hmdp.service.IVoucherOrderService;

import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;

import com.hmdp.utils.RedisIdWorker;

import com.hmdp.utils.UserHolder;

import org.springframework.stereotype.Service;

import javax.annotation.Resource;

import java.time.LocalDateTime;

/**
* <
p>

* 服务实现类
* <
/p>

*/
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<
VoucherOrderMapper, VoucherOrder>
implements IVoucherOrderService {
@Resource
private ISeckillVoucherService iSeckillVoucherService;

@Resource
private RedisIdWorker redisIdWorker;

@Override
public Result seckillVoucher(Long voucherId) {
//1.获取优惠券信息
SeckillVoucher voucher = iSeckillVoucherService.getById(voucherId);

//2.判断是否已经开始
if (voucher.getBeginTime().isAfter(LocalDateTime.now())){
Result.fail("
秒杀尚未开始!"
);

}
//3.判断是否已经结束
if (voucher.getEndTime().isBefore(LocalDateTime.now())){
Result.fail("
秒杀已经结束了!"
);

}
//4.判断库存是否充足
if (voucher.getStock() <
1) {
Result.fail("
库存不充足!"
);

}
//5.扣减库存
boolean success = iSeckillVoucherService.update()
.setSql("
stock = stock-1"
).eq("
voucher_id"
,voucherId).gt("
stock"
,0)
.update();

if (!success){
Result.fail("
库存不充足!"
);

}
//6. 创建订单
VoucherOrder voucherOrder = new VoucherOrder();

//6.1添加订单id
Long orderId = redisIdWorker.nextId("
order"
);

voucherOrder.setId(orderId);

//6.2添加用户id
Long userId = UserHolder.getUser().getId();

voucherOrder.setUserId(userId);

//6.3添加优惠券id
voucherOrder.setVoucherId(voucherId);

save(voucherOrder);

//7.返回订单id
return Result.ok(orderId);

}
}

优惠券秒杀活动一般都会在短时间内吸引大量的用户参与，而这种高并发场景常常引发出现双重扣减、下单超时等问题，给用户和商家带来极大的困扰。使用Redis解决以上问题的方法如下。
1. 基于Redis的分布式锁技术
秒杀活动需要对资源进行并发控制，防止用户在活动时间内重复抢购。这时候就需要使用分布式锁，将出现并发问题的代码块锁定，确保只有一个线程可以访问该资源。
2. 预减库存
如果在高并发的场景下，每次请求都去操作数据库，会严重影响系统性能，很可能导致系统崩溃。这时候就需要使用预减库存技术，将库存信息存储在Redis中，并对其进行预减操作。只有当库存数量大于0时，才可以进行正式的下单操作。
3. 利用Redis的原子性操作
Redis提供了诸如INCR、DECR等原子性操作指令，可以确保数据的一致性和可靠性。在秒杀场景中，可以利用Redis的原子性操作来进行扣减库存、更新订单状态等操作，避免出现双重扣减等问题。
4. 启动多个服务节点
在高并发的场景下，单节点的Redis服务可能会出现性能瓶颈。这时候就需要启动多个服务节点，利用Redis Cluster集群实现数据分片和负载均衡，进一步提高系统的并发处理能力和稳定性。
总之，使用Redis优化优惠券秒杀活动，可以在保证系统高并发的同时，有效解决抢购难、扣减超等问题，提升用户体验和商家利润。