自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

Java高手進(jìn)階:秒殺場景下的庫存一致性解決方案

數(shù)據(jù)庫 其他數(shù)據(jù)庫
悲觀鎖機(jī)制通過鎖定數(shù)據(jù)庫中的某行數(shù)據(jù),確保在高并發(fā)情況下只有一個(gè)用戶可以修改庫存。在用戶請求秒殺時(shí),數(shù)據(jù)庫會鎖定庫存行,直到操作完成后才釋放鎖。

秒殺活動作為電商平臺的重要營銷手段,對庫存管理的精確性提出了極高要求。防止超賣,即確保商品在秒殺過程中庫存不會被過度消耗,是秒殺功能實(shí)現(xiàn)的關(guān)鍵。本文將探討幾種防止超賣的經(jīng)典方案。

1.悲觀鎖機(jī)制

悲觀鎖機(jī)制通過鎖定數(shù)據(jù)庫中的某行數(shù)據(jù),確保在高并發(fā)情況下只有一個(gè)用戶可以修改庫存。在用戶請求秒殺時(shí),數(shù)據(jù)庫會鎖定庫存行,直到操作完成后才釋放鎖。

優(yōu)缺點(diǎn)

  • 優(yōu)點(diǎn):強(qiáng)一致性保障,確保在高并發(fā)下不會出現(xiàn)超賣問題。
  • 缺點(diǎn):鎖的開銷較大,容易導(dǎo)致數(shù)據(jù)庫性能瓶頸。在高并發(fā)場景下,過多的悲觀鎖可能導(dǎo)致鎖等待和死鎖問題。

使用場景適用于對一致性要求極高,但并發(fā)量相對較小的場景。

Demo

@Mapper
public interface ProductMapper {
    @Select("SELECT stock FROM products WHERE product_id = #{productId} FOR UPDATE")
    Integer selectStockForUpdate(@Param("productId") int productId);
    @Update("UPDATE products SET stock = stock - 1 WHERE product_id = #{productId}")
    int updateStock(@Param("productId") int productId);
}
@Service
public class ProductService {
    @Autowired
    private ProductMapper productMapper;
    @Transactional
    public boolean seckill(int productId) {
        Integer stock = productMapper.selectStockForUpdate(productId);
        if (stock != null && stock > 0) {
            productMapper.updateStock(productId);
            return true; // 秒殺成功
        } else {
            return false; // 庫存不足
        }
    }
}

2.樂觀鎖機(jī)制

樂觀鎖通常通過“版本號”機(jī)制來實(shí)現(xiàn)。在庫存表中增加一個(gè)version字段,每次更新庫存時(shí),檢查version是否與上次讀取的一致,如果一致則更新庫存和version,如果不一致則說明庫存已經(jīng)被其他用戶修改過,需要重新嘗試。

優(yōu)缺點(diǎn)

  • 優(yōu)點(diǎn):無需鎖表,對數(shù)據(jù)庫性能影響較小,適合中小規(guī)模并發(fā)。
  • 缺點(diǎn):并發(fā)過高時(shí)可能導(dǎo)致更新失敗頻繁,用戶體驗(yàn)下降。在高并發(fā)場景下,樂觀鎖可能導(dǎo)致大量重試,增加系統(tǒng)負(fù)擔(dān)。

使用場景適合于高并發(fā)但沖突不頻繁的場景。

Demo

// 假設(shè)有一個(gè)Product實(shí)體類,包含stock和version字段
// 在Service層進(jìn)行庫存更新操作
@Service
public class ProductService {
    @Autowired
    private ProductMapper productMapper;
    @Transactional
    public boolean updateStock(int productId, int version) {
        Product product = productMapper.selectByPrimaryKey(productId);
        if (product.getVersion() != version) {
            return false; // 版本不匹配,更新失敗
        }
        product.setStock(product.getStock() - 1);
        product.setVersion(product.getVersion() + 1);
        productMapper.updateByPrimaryKey(product);
        return true; // 更新成功
    }
}

3.分布式鎖

分布式鎖可以確保在多臺服務(wù)器上并發(fā)處理庫存時(shí)不會導(dǎo)致超賣。常用Redis來實(shí)現(xiàn)分布式鎖。當(dāng)用戶請求秒殺時(shí),先嘗試通過Redis獲得鎖,如果獲得鎖則執(zhí)行扣減庫存操作,并釋放鎖;如果未獲得鎖則等待或重試。

優(yōu)缺點(diǎn)

  • 優(yōu)點(diǎn):適合大規(guī)模并發(fā)場景,鎖機(jī)制能夠確保多臺服務(wù)器在并發(fā)情況下安全修改庫存。
  • 缺點(diǎn):如果Redis出現(xiàn)故障,可能會影響鎖的管理和庫存的正確性。鎖的粒度要控制好,鎖的過大可能影響性能。在高并發(fā)場景下,分布式鎖可能導(dǎo)致網(wǎng)絡(luò)延遲和鎖競爭問題。

使用場景適用于高并發(fā)場景,特別是多臺服務(wù)器分布式部署時(shí),對一致性要求較高。

Demo

@Service
public class SeckillService {
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;
    public boolean seckill(int productId) {
        String lockKey = "lock:product:" + productId;
        boolean lock = redisTemplate.opsForValue().setIfAbsent(lockKey, "locked", 5, TimeUnit.SECONDS);
        if (lock) {
            try {
                String stockKey = "stock:" + productId;
                Integer stock = (Integer) redisTemplate.opsForValue().get(stockKey);
                if (stock != null && stock > 0) {
                    redisTemplate.opsForValue().decrement(stockKey);
                    return true; // 秒殺成功
                } else {
                    return false; // 庫存不足
                }
            } finally {
                redisTemplate.delete(lockKey); // 釋放鎖
            }
        } else {
            return false; // 秒殺失敗,未獲得鎖
        }
    }
}

4.庫存預(yù)減+異步處理

在用戶請求秒殺時(shí),使用緩存進(jìn)行庫存預(yù)減(即在用戶下單前就先減少庫存),然后通過異步隊(duì)列(如Kafka或RabbitMQ)將訂單請求發(fā)往后端進(jìn)行異步處理。商品秒殺開始前,將商品庫存預(yù)先加載到Redis。當(dāng)用戶請求秒殺時(shí),先從Redis中預(yù)減庫存,將請求通過消息隊(duì)列發(fā)送到后端進(jìn)行訂單處理和庫存的最終確認(rèn)。如果訂單處理失敗(如支付失敗等),則通過異步任務(wù)將Redis中的庫存回補(bǔ)。

優(yōu)缺點(diǎn)

  • 優(yōu)點(diǎn):使用緩存大幅減少數(shù)據(jù)庫壓力,適合大規(guī)模并發(fā)場景。削峰填谷,利用消息隊(duì)列將訂單處理異步化,緩解高并發(fā)對數(shù)據(jù)庫的沖擊。
  • 缺點(diǎn):需要處理訂單失敗后的庫存回補(bǔ),增加了系統(tǒng)復(fù)雜性。在極端情況下可能出現(xiàn)Redis庫存與數(shù)據(jù)庫庫存不一致的問題,需要通過補(bǔ)償機(jī)制來解決。同時(shí),對緩存的可靠性和一致性要求較高。

使用場景適用于高并發(fā)場景,特別是需要減輕數(shù)據(jù)庫壓力時(shí),對性能要求較高,但對一致性要求可以容忍一定延遲的場景。

Demo(僅展示庫存預(yù)減部分,異步處理部分需結(jié)合消息隊(duì)列實(shí)現(xiàn)):

@Service
public class SeckillService {
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;
    public boolean preDecreaseStock(int productId) {
        String stockKey = "stock:" + productId;
        Integer stock = (Integer) redisTemplate.opsForValue().get(stockKey);
        if (stock != null && stock > 0) {
            redisTemplate.opsForValue().decrement(stockKey);
            return true; // 庫存預(yù)減成功
        } else {
            return false; // 庫存不足
        }
    }
}

5.小結(jié)

以上四種方案各有優(yōu)劣,選擇合適的方法取決于業(yè)務(wù)需求和技術(shù)棧。在實(shí)際應(yīng)用中,可以根據(jù)并發(fā)量、系統(tǒng)性能要求、一致性需求等因素綜合考慮選擇合適的方案。

責(zé)任編輯:武曉燕 來源: JAVA充電
相關(guān)推薦

2023-05-09 10:59:33

緩存技術(shù)派MySQL

2021-06-06 12:45:41

分布式CAPBASE

2010-05-24 11:35:11

WCDMA

2023-06-29 08:00:59

redis數(shù)據(jù)MySQL

2024-10-08 10:10:00

削峰高并發(fā)流量

2023-06-07 08:10:29

2021-01-21 07:34:16

分布式系統(tǒng)場景

2017-07-25 14:38:56

數(shù)據(jù)庫一致性非鎖定讀一致性鎖定讀

2023-11-01 10:11:00

Java分布式

2020-11-02 07:09:24

緩存服務(wù)器異構(gòu)

2022-08-29 08:38:00

事務(wù)一致性

2022-12-14 08:23:30

2025-03-27 03:00:00

2021-02-05 08:00:48

哈希算法?機(jī)器

2023-08-01 07:42:33

Redis數(shù)據(jù)項(xiàng)目

2021-02-02 12:40:50

哈希算法數(shù)據(jù)

2022-03-11 21:35:57

Java程序線程

2019-11-21 10:19:45

數(shù)據(jù)應(yīng)用場景系統(tǒng)

2021-02-04 06:30:26

Python編程語言

2016-12-19 18:41:09

哈希算法Java數(shù)據(jù)
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號