乐观锁+Redis缓存实现商品下单减库存【SpringCloud系列17】

SpringCloud 大型系列课程正在制作中，欢迎大家关注与提意见。

本文章是系列文章中的一篇

• 1、SpringCloud 项目基础工程搭建 【SpringCloud系列1】
• 2、SpringCloud 集成Nacos注册中心 【SpringCloud系列2】
• 3、SpringCloud Feign远程调用 【SpringCloud系列3】
• 4、SpringCloud Feign远程调用公共类抽取 【SpringCloud系列4】
• 5、SpringCloud 整合Gateway服务网关 【SpringCloud系列5】
• 6、SpringCloud 整合 Spring Security 认证鉴权【SpringCloud系列6】
• SpringCloud网关Gateway认证鉴权【SpringCloud系列7】
• SpringCloud Gateway 通过redis实现限流【SpringCloud系列8】
• SpringCloud Gateway 整合阿里 Sentinel网关流控、熔断、降级【SpringCloud系列9】
• SpringCloud Gateway 整合RSA对请求参数解密、响应结果加密【SpringCloud系列10】
• SpringCloud 业务管理后台 通过FeignClient来调用oauth/token接口【SpringCloud系列11】
• Spring Security OAuth2.0 多点登录与单点登录【SpringCloud系列12】
• SpringCloud 微信小程序登录 方案一【SpringCloud系列13】
• SpringCloud 微信小程序 获取手机号一键登录 【SpringCloud系列14】
• SpringCloud 微信小程序 获取用户信息一键登录 【SpringCloud系列15】
• SpringCloud 网关实现线程池异步批量保存请求日志 【SpringCloud系列16】

1 下单减库存 V1 无锁

并发情况下，库存一塌糊涂

     /**
     * 创建订单
     *
     * @param goodsId 商品ID
     * @param userId  用户ID
     * @return
     * @throws Exception
     */
    @Override
    @Transactional
    public OrderInfo createWrongOrder(Long goodsId, Long userId) throws Exception {
    
    

        OrderInfo orderInfo = null;
        // 数据库校验库存
        GoodsInfo goodsInfo = checkStock(goodsId);
        // 扣库存(无锁)
        boolean b = saleStock(goodsInfo);
        if (!b) {
    
    
            throw new RuntimeException("库存不足 减库存失败");
        }
        log.info("扣库存完成");
        // 生成订单
        orderInfo = createOrder(goodsInfo, userId);
        log.info("下单完成");
        
        return orderInfo;
    }

    private GoodsInfo checkStock(Long sid) throws Exception {
    
    
        //查询商品详情
        GoodsInfo goodsInfo = goodsInfoService.getGoodsInfoById(sid);
        log.info("当前库存 {}", goodsInfo.getGoodsStock());
        if (goodsInfo.getGoodsStock() < 1) {
    
    
            throw new RuntimeException("库存不足");
        }
        return goodsInfo;
    }

    /**
     * 更新库存
     *
     * @param goodsInfo
     * @return
     */
    private boolean saleStock(GoodsInfo goodsInfo) {
    
    
        goodsInfo.setGoodsSale(goodsInfo.getGoodsSale() + 1);
        goodsInfo.setGoodsStock(goodsInfo.getGoodsStock() - 1);
        return goodsInfoService.updateStockById(goodsInfo);
    }

10个商品库存，1秒100个并发下单测试，结果是库存正常减为0，订单创建了88个，严重超卖。

如下图是JMeter压测

其中更新库存的实现如下

@Mapper
public interface GoodsInfoMapper extends BaseMapper<GoodsInfo> {
    
    
    // 扣库存 Mapper 文件
    @Update("UPDATE tb_goods SET goods_stock = #{goodsStock, jdbcType = INTEGER},  goods_sale = #{goodsSale,jdbcType = INTEGER} WHERE id = #{id, jdbcType = INTEGER}")
    boolean updateStockById(GoodsInfo goodsInfo);
}

1.1 synchronized(同步锁) 悲观锁

   @Override
    @Transactional
    public synchronized OrderInfo createWrongOrder(Long goodsId, Long userId) throws Exception {
    
    

        OrderInfo orderInfo = null;
        // 数据库校验库存
        GoodsInfo goodsInfo = checkStock(goodsId);
        // 扣库存(无锁)
        boolean b = saleStock(goodsInfo);
        if (!b) {
    
    
            throw new RuntimeException("库存不足 减库存失败");
        }
        log.info("扣库存完成");
        // 生成订单
        orderInfo = createOrder(goodsInfo, userId);
        log.info("下单完成");

        return orderInfo;
    }

10个商品库存，1秒100个并发下单测试，结果是库存正常减为0，订单创建了13个，出现超卖。

1.2 MySql 乐观锁实现

直接在减库存的时候来判断

@Mapper
public interface GoodsInfoMapper extends BaseMapper<GoodsInfo> {
    
    
    // 扣库存 Mapper 文件
    @Update("UPDATE tb_goods SET goods_stock =goods_stock-1,goods_sale=goods_sale+1, version = version+1 WHERE id = #{id, jdbcType = INTEGER} AND version = #{version, jdbcType = INTEGER}")
    boolean updateStockById(GoodsInfo goodsInfo);
}

每执行一次更新，version就会+1，库存更新成功后，才会继续创建订单。

压测如下：
10个商品库存，1秒100个并发下单测试，结果是库存正常减为0，订单创建了10个，正常，中间并发的请求会下单失败，

启动订单服务两个负载来压测，也可以正常下单，正常减库存

2. Redis 计数限流

在上述的压力测试中，1个商品10 个库存，有 1000 个并发秒杀请求，最终只有 10 个订单会成功创建，也就是说有 990 的请求是无效的，这些无效的请求也会给数据库带来压力，因此可以在在请求落到数据库之前就将无效的请求过滤掉，将并发控制在一个可控的范围，这样落到数据库的压力就小很多。

所以对下单接口可以出现的大量请求常常是在秒杀场景中，所以可以针对这个接口进行一下限流：

• 阿里 Sentinel网关流控、熔断、降级
• Gateway 通过redis实现限流

对于每个没有被过滤掉的请求，都会去数据库查询库存来判断库存是否充足，对于这个查询可以放在缓存 Redis 中，Redis 的数据是存放在内存中的，速度快很多。

对于普通商品来说，在创建商品以及修改商品时，就可以将商品信息以及库存同步到Redis中。

对于秒杀商品来说，在秒杀前几分钟，通过定时任务将秒杀商品以及库存同步到Redis中。

3 乐观锁+Redis 实现下单减库存

缓存和数据一致性 ，缓存和 数据库（DB） 的一致性是一个讨论很多的问题

3.1 先更新数据库，再更新缓存策略

假设 A、B 两个线程，A 成功更新数据，在要更新缓存时，A 的时间片用完了，B 更新了数据库接着更新了缓存，这是 CPU 再分配给 A，则 A 又更新了缓存，这种情况下缓存中就是脏数据，具体逻辑如下图所示：

解决方法就是：缓存不做更新，仅做删除，先更新数据库再删除缓存。
A 更新了数据库，还没来得及删除缓存，B 又更新了数据库，接着删除了缓存，然后 A 删除了缓存，这样只有下次缓存未命中时，才会从数据库中重建缓存，避免了脏数据。

这种方式，由于每次都删除缓存，因此导致多次缓存都不能命中，能命中缓存的次数很少，因此删除这种方案并不可取，效率也并不是很高。

实际可以使用的是 先更新数据库再更新缓存，更新数据库使用乐观锁，更新Redis缓存结合Redis事务。

2 商品信息添加到 Redis 中

我这里是测试使用，所以专门写了一个接口来将商品信息以及库存信息加载到Redis中，常量Key定义如下：

public class Constant {
    
    
    public static final String GOOOD_STOCK = "STOCK_COUNT:";//库存
    public static final String GOOOD_SALE= "STOCK_SALE:";//销量
    public static final String GOOOD_VERSION = "STOCK_VERSION:";//版本
    public static final String GOODS_NAME = "GOODS_NAME:";//商品名称
    public static final String GOODS_INFO ="GOODS_INFO:";//商品
}

接下来就是商品信息对应的数据库的数据的基本操作，大家可以查看文章底部的源码。

• GoodsInfo 是商品信息
• GoodsInfoMapper 是商品信息操作Mapper

@Service
@Slf4j
public class GoodsInfoServiceImple extends ServiceImpl<GoodsInfoMapper, GoodsInfo> implements GoodsInfoService {
    
    

    @Resource
    GoodsInfoMapper goodsInfoMapper;
    @Resource
    RedisService redisService;

    /**
     * 测试使用将商品数据加载到redis中
     *
     * @param sid
     */
    @Override
    public void testRedisLoadGoods(Long sid) {
    
    
        GoodsInfo goodsInfo = this.getById(sid);
        if (goodsInfo == null) {
    
    
            return;
        }
        Long goodsId = goodsInfo.getId();
        redisService.set(Constant.GOOOD_STOCK + goodsId, goodsInfo.getGoodsStock());
        redisService.set(Constant.GOOOD_SALE + goodsId, goodsInfo.getGoodsSale());
        redisService.set(Constant.GOOOD_VERSION + goodsId, goodsInfo.getVersion());
        redisService.set(Constant.GOODS_NAME + goodsId, goodsInfo.getGoodsName());
        redisService.set(Constant.GOODS_INFO + goodsId, goodsInfo);
    }

}

保存在Redis中的数据如下（这里使用的RDM工具连接的Redis服务）

然后就是实现下单的逻辑

• 第一步 校验库存，从 Redis 中获取
• 第二步 乐观锁更新 MySql 库存
• 第三步 Redis事务更新Redis缓存
• 第四步 创建订单

@Service
@Slf4j
public class OrderServiceImpl extends ServiceImpl<OrderMapper, OrderInfo> implements OrderService {
    
    

    @Autowired
    SnowFlakeCompone snowFlakeCompone;

    /**
     * redis 分布式事务
     */
    @Resource
    RedisService redisService;

    /**
     * 乐观锁更新库存和Redis
     * @param goodsId 商品ID
     * @param userId 用户ID
     * @return
     * @throws Exception
     */
    @Override
    public OrderInfo createOrderWithLimitAndRedis(Long goodsId, Long userId) throws Exception {
    
    
        // 校验库存，从 Redis 中获取
        GoodsInfo goodsInfo = checkStockWithRedis(goodsId);
        // 乐观锁更新库存和Redis
        saleStockOptimsticWithRedis(goodsInfo);
        // 创建订单
        OrderInfo res = createOrder(goodsInfo, userId);
        return res;
    }

    // Redis 中校验库存
    private GoodsInfo checkStockWithRedis(Long goodsId) throws Exception {
    
    
        int count = Integer.parseInt(redisService.get(Constant.GOOOD_STOCK + goodsId).toString());
        int sale = Integer.parseInt(redisService.get(Constant.GOOOD_SALE + goodsId).toString());
        int version = Integer.parseInt(redisService.get(Constant.GOOOD_VERSION + goodsId).toString());
        String goodsName = redisService.get(Constant.GOODS_NAME + goodsId).toString();
        if (count < 1) {
    
    
            log.info("库存不足");
            throw new RuntimeException("库存不足 Redis currentCount: " + sale);
        }
        GoodsInfo stock = new GoodsInfo();
        stock.setId(goodsId);
        stock.setGoodsStock(count);
        stock.setGoodsSale(sale);
        stock.setVersion(version);
        stock.setGoodsName(goodsName);

        return stock;
    }


    // 更新 DB 和 Redis
    private void saleStockOptimsticWithRedis(GoodsInfo goodsInfo) throws Exception {
    
    
        boolean res = goodsInfoService.updateStockByOptimistic(goodsInfo);
        if (!res) {
    
    
            throw new RuntimeException("并发更新库存失败");
        }
        // 更新 Redis
        redisService.updateStockWithRedis(goodsInfo);
    }

}

Jemter 测试，1秒2000个并发，订单服务两个负载：


18秒处理完这2000个请求，对于用户量小、普通下单来讲的开发这样是可以的，秒杀也可以，只不过是在此基础上添加上限流、Redis校验用户是否秒杀过就可以。

商品乐观锁更新库存的核心代码如下：

@Mapper
public interface GoodsInfoMapper extends BaseMapper<GoodsInfo> {
    
    

    //乐观锁更新数据库
    @Update("UPDATE tb_goods SET goods_stock =goods_stock-1,goods_sale=goods_sale+1, version = version+1 WHERE id = #{id, jdbcType = INTEGER} AND version = #{version, jdbcType = INTEGER}")
    boolean updateStockByOptimistic(GoodsInfo goodsInfo);
}

分布式锁更新Redis缓存核心代码如下：

/**
 * Redis操作Service实现类
 */
@Service
@Slf4j
public class RedisServiceImpl implements RedisService {
    
    
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    ...其他方法
    
    //Redis - Jedis连接池
    @Autowired
    private JedisPool jedisPool;
    @Override
    public void updateStockWithRedis(GoodsInfo goodsInfo) {
    
    
        // Redis 多个写入操作的事务
        Jedis jedis = null;
        try {
    
    
            jedis = jedisPool.getResource();
            // 开始事务
            Transaction transaction = jedis.multi();
            // 事务操作
            this.decr(Constant.GOOOD_STOCK+ goodsInfo.getId(),1);
            this.incr(Constant.GOOOD_SALE + goodsInfo.getId(),1);
            this.incr(Constant.GOOOD_VERSION+ goodsInfo.getId(),1);
            // 结束事务
            List<Object> list = transaction.exec();
        } catch (Exception e) {
    
    
            log.error("updateStock 获取 Jedis 实例失败：", e);
        } finally {
    
    
            if (jedis != null) {
    
    
                jedis.close();
            }

        }
    }
}

最后就是源码了：
本项目 SpringCloud 源码 https://gitee.com/android.long/spring-cloud-biglead/tree/master/biglead-api-11-admin
本项目 管理后台web 源码https://gitee.com/android.long/spring-cloud-biglead/tree/master/mall-admin-web-master
本项目 小程序 源码https://gitee.com/android.long/spring-cloud-biglead/tree/master/mall-app-web-master
如果有兴趣可以关注一下公众号 biglead ,每周都会有 java、Flutter、小程序、js 、英语相关的内容分享