在拼夕夕面试中，面试官问了一连串经典的问题：“优惠券库存是怎么扣减的？开发为了解决超发优惠券问题而设计的方案，你了解过吗？你又是如何测试的呢？”
当时听到这些问题还挺懵的，没遇到过超发问题啊？开发设计的方案我怎么知道？现在想起来还挺幼稚的，其实现在想想电商中有很多类似的问题，比如商品超卖，归根究底，就是一个问题，那就是并发安全问题。
问题引入
就拿领取优惠券的问题来说，
需求描述：A 优惠券一共发行 100张，每一个用户最多可以领取5张。
当一个用户领取优惠券成功的时候，把领取的记录写入另外一个表中（这张表我们暂且称为表 B）。
在领取优惠券的过程中，优惠券库存的扣减过程，一般操作如下：
1、select查询优惠券的库存。
2、计算优惠券库存是否足够，如果优惠券存库不足则抛出库存不足的异常，如果优惠券库存足够，则判断是否在领取时间、判断用户领取数量是否超过个人最高领取限制。
3、如果2成立，则减去扣除的库存得到最新的库存剩余值。
4、set设置最新的优惠券库存剩余值
伪代码如下：
扣减优惠券sql如下：
update coupon set stock = stock - 1 where id = #{coupon_id}
并发量比较低的时候，几乎看不出来有问题，可是当我们开启多线程，去请求这个抢优惠券的接口时，问题出现了，id为19的这个优惠券库存为负数。多发了一个，什么原因呢？
深入解读并发安全问题
为啥并发量高的时候会出现优惠券库存多发的问题呢？原因如下截图：
上图中出现问题的环节其实是判断优惠券库存那个步骤，重点来了：
高并发情况下，如果同时来了两个线程线程 A和线程 B（可以理解成是两个请求），比如先来的那个线程A请求通过了检查，这时线程 A 还没有扣减库存，这时经过一番操作，线程B也通过了这个检查优惠券是否可领取的方法，然后线程 A 和线程 B 依次扣减库存或者是同时扣减库存。所以就出现了刚刚数据库出现的现象，优惠券库存为-1个，就像下图。
怎么解决并发安全问题？
Java 代码加锁
synchronized (this){
LoginUser loginUser = LoginInterceptor.threadLocal.get();
CouponDO couponDO = couponMapper.selectOne(new QueryWrapper()
.eq("id", couponId)
.eq("category", categoryEnum.name()));
if(couponDO == null){
throw new BizException(BizCodeEnum.COUPON_NO_EXITS);
}
this.checkCoupon(couponDO,loginUser.getId());
//构建领券记录
CouponRecordDO couponRecordDO = new CouponRecordDO();
BeanUtils.copyProperties(couponDO,couponRecordDO);
couponRecordDO.setCreateTime(new Date());
couponRecordDO.setUseState(CouponStateEnum.NEW.name());
couponRecordDO.setUserId(loginUser.getId());
couponRecordDO.setUserName(loginUser.getName());
couponRecordDO.setCouponId(couponDO.getId());
couponRecordDO.setId(null);
int row = couponMapper.reduceStock(couponId);
if(row == 1){
couponRecordMapper.insert(couponRecordDO);
}else{
log.info("发送优惠券失败:{},用户:{}",couponDO,loginUser);
}
}加个synchronized关键字，这样每个请求都得排队执行这个扣减库存操作，可以一定程度解决并发安全问题，但由于synchronized关键字基于jvm级别加锁，当集群环境下，有多个jvm进程,所以这种方法仅适用于单机节点。
Sql版本号
update product set stock=stock-1 where stock=#{上一次的库存} and id = #{id} and stock>0这种方法有个ABA的问题，我们可以加个version字段，每次修改数据的时候这个字段会加 1，这样就可以避免 ABA 问题。但是这种依靠数据库进行并发安全保障，会消耗数据库的资源，一定请求量内（需经过严格测试）可使用。
update product set stock=stock-1,versioin = version+1 where #{id} and stock>0 and version=#{上一次的版本号}Redis分布式锁
引入 Redis 后，当领取优惠券时会先去 Redis 里面去获取锁，当锁获取成功后才可以对数据库进行操作。
在分布式锁中我们应该考虑如下：
- 排他性，在分布式集群中，同一个方法，在同一个时间只能被某一台机器上的一个线程执行；
- 容错性，当一个线程上锁后，如果机器突然的宕机，如果不释放锁，此时这条数据将会被锁死；
- 还要注意锁的粒度，锁的开销；
- 满足高可用，高性能，可重入。
伪代码如下：
@RestController
public class IndexController {
public static final String REDIS_LOCK = "coupon_lock";
@Autowired
StringRedisTemplate template;
@RequestMapping("/getCoupon")
public String getCoupon(){
// 每个人进来先要进行加锁，key值为"good_lock"
String value = UUID.randomUUID().toString().replace("-","");
try{
// 为key加一个过期时间
Boolean flag = template.opsForValue().setIfAbsent(REDIS_LOCK, value,10L,TimeUnit.SECONDS);
// 加锁失败
if(!flag){
return "抢锁失败！";
}
System.out.println( value+ " 抢锁成功");
String result = template.opsForValue().get("coupon:001");
int total = result == null ? 0 : Integer.parseInt(result);
if (total > 0) {
// 在此处需要处理抢购优惠券业务，处理时间较长。。。
int realTotal = total - 1;
template.opsForValue().set("coupon:001", String.valueOf(realTotal));
System.out.println("获取优惠券成功，库存还剩：" + realTotal + "件， 服务端口为8001");
return "获取优惠券成功，库存还剩：" + realTotal + "件， 服务端口为8001";
} else {
System.out.println("获取优惠券失败，服务端口为8001");
}
return "获取优惠券失败，服务端口为8001";
}finally {
// 谁加的锁，谁才能删除，使用Lua脚本，进行锁的删除
Jedis jedis = null;
try{
jedis = RedisUtils.getJedis();
String script = "if redis.call('get',KEYS[1]) == ARGV[1] " +
"then " +
"return redis.call('del',KEYS[1]) " +
"else " +
" return 0 " +
"end";
Object eval = jedis.eval(script, Collections.singletonList(REDIS_LOCK), Collections.singletonList(value));
if("1".equals(eval.toString())){
System.out.println("-----del redis lock ok....");
}else{
System.out.println("-----del redis lock error ....");
}
}catch (Exception e){
}finally {
if(null != jedis){
jedis.close();
}
}
}
}
}Redission 红锁
Redission红锁其实是上述redis分布式锁的升级版，主要是框架已经封装好了我们需要的方法，实际过程中只要引入相应的jar包，使用对应的api即可。
Maven引入：
org.redisson
redisson
3.17.4伪代码如下：
public JsonData getCoupon(long couponId, CouponCategoryEnum categoryEnum) {
String key = "lock:coupon:" + couponId;
RLock rLock = redisson.getLock(key);
LoginUser loginUser = LoginInterceptor.threadLocal.get();
rLock.lock();
try{
//业务逻辑
}finally {
rLock.unlock();
}
return JsonData.buildSuccess();
}使用这种方式也无需关心 key 过期时间续期的问题，因为在 Redisson 一旦加锁成功，就会启动一个 watch dog，你可以将它理解成一个守护线程，它默认会每隔 30 秒(可灵活配置)检查一下，如果当前客户端还占有这把锁，它会自动对这个锁的过期时间进行延长。
Zookeeper分布式锁
Zookeeper分布式锁应用了临时顺序节点。具体如何实现呢？让我们来看一看详细步骤：
获取锁：
首先，在Zookeeper当中创建一个持久节点ParentLock。当第一个客户端（Client1）想要获得锁时，需要在ParentLock这个节点下面创建一个临时顺序节点 Lock1。
之后，Client1查找ParentLock下面所有的临时顺序节点并排序，判断自己所创建的节点Lock1是不是顺序最靠前的一个。如果是第一个节点，则成功获得锁。
这时候，如果再有一个客户端 Client2 前来获取锁，则在ParentLock下载再创建一个临时顺序节点Lock2。
Client2查找ParentLock下面所有的临时顺序节点并排序，判断自己所创建的节点Lock2是不是顺序最靠前的一个，结果发现节点Lock2并不是最小的。
于是，Client2向排序仅比它靠前的节点Lock1注册Watcher，用于监听Lock1节点是否存在。这意味着Client2抢锁失败，进入了等待状态。
这时候，如果又有一个客户端Client3前来获取锁，则在ParentLock下载再创建一个临时顺序节点Lock3。
Client3查找ParentLock下面所有的临时顺序节点并排序，判断自己所创建的节点Lock3是不是顺序最靠前的一个，结果同样发现节点Lock3并不是最靠前的。
于是，Client3向排序仅比它靠前的节点Lock2注册Watcher，用于监听Lock2节点是否存在。这意味着Client3同样抢锁失败，进入了等待状态。
这样一来，Client1得到了锁，Client2监听了Lock1，Client3监听了Lock2。这恰恰形成了一个等待队列，很像是Java当中ReentrantLock所依赖的AQS。
怎么测试并发安全问题？
首先我们要保证测试环境的项目是分布式、集群部署，其次可以根据线上获取优惠券接口的实际QPS，在测试环境使用工具jmeter并发请求优惠券接口，运行一段时间后，再去看下数据库相应的数据，譬如优惠券库存信息，抢购优惠券信息等等，反复多次运行看下效果。
总结
本篇文章主要分享了电商项目中一种常见的并发安全问题，以及相应的解决方案，如果从性能的角度去考虑应该是Redis > zookeeper > 数据库。从可靠性（安全）性角度：zookeeper > Redis > 数据库。
实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
如果对你有帮助的话，点个赞收个藏，给作者一个鼓励。也方便你下次能够快速查找。
如有不懂还要咨询下方小卡片，博主也希望和志同道合的测试人员一起学习进步
在适当的年龄，选择适当的岗位，尽量去发挥好自己的优势。
我的自动化测试开发之路，一路走来都离不每个阶段的计划，因为自己喜欢规划和总结，
测试开发视频教程、学习笔记领取传送门！！！