通过异步使用消息队列优化秒杀
通过异步使用消息队列优化秒杀
- 同步秒杀流程
- 异步优化秒杀
- 异步秒杀流程
- 基于lua脚本保证Redis操作原子性
- 代码实现
- 阻塞队列的缺点
同步秒杀流程
public Result seckillVoucher(Long voucherId) throws InterruptedException {SeckillVoucher seckillVoucher = iSeckillVoucherService.getById(voucherId);LocalDateTime beginTime = seckillVoucher.getBeginTime();if (LocalDateTime.now().isBefore(beginTime)) {return Result.fail("秒杀还未开始");}LocalDateTime endTime = seckillVoucher.getEndTime();if (LocalDateTime.now().isAfter(endTime)) {return Result.fail("秒杀已经结束");}
// 查看库存Integer stock = seckillVoucher.getStock();if (stock < 1) {return Result.fail("库存不足");}Long userId = UserHolder.getUser().getId();
// redis集群实现RLock lock = redissonClient.getLock("order:" + userId);boolean isLock = lock.tryLock(1L, TimeUnit.SECONDS);if (!isLock) {return Result.fail("你已经购买优惠卷");}try {IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();return proxy.createVoucherOrder(voucherId, userId);} finally {
// redisLock.releaseLock();lock.unlock();}}@Transactionalpublic Result createVoucherOrder(Long voucherId, Long userId) {Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();if (count > 0) {return Result.fail("已经购买优惠卷");}
// 基于乐观锁避免超卖问题，在乐观锁的基础上做出了改进，当要修改库存时判断库存是否大于0，但是也给数据库带来了巨大的压力boolean success = iSeckillVoucherService.update().setSql("stock=stock-1").eq("voucher_id", voucherId).gt("stock", 0).update();if (!success) {return Result.fail("库存不足");}VoucherOrder voucherOrder = new VoucherOrder();long orderId = redisWorker.getGlobalId("order");voucherOrder.setId(orderId);voucherOrder.setVoucherId(voucherId);voucherOrder.setUserId(userId);save(voucherOrder);return Result.ok(orderId);}
以上是我们同步秒杀的流程，首先会从数据库中查询优惠卷，检查库存和是否在秒杀阶段，然后使用redisson基于Redis实现分布式锁解决一人一单问题，如果都通过后就会修改库存并且生成订单，整体的流程如下：
在这个流程中，我们发现整个步骤都是同步，都是交给主线程来执行，负责检验库存保证一人一单然后来修改数据库数据，我们是否可以再请一个人来优化这个流程呢？比如A来负责检验，检验成功后交给B来完成数据库的修改，这样是不是能够优化秒杀的业务
异步优化秒杀
我们可以这样做，让主线程来负责判断这个人能不能抢杀，如果抢杀成功交给另一个人来负责修改数据库，主线程直接返回订单id。
那怎样让主线程快速的库存和一人一单的判断呢？Redis
我们可以将库存保存在Redis的字符串类型中，Redis的性能高于直接查询数据库的性能，而一人一单的校验我们可以使用Redis的set集合，校验是否一人一单就看Redis的set集合中是否含有用户id，而当主线程通过校验后让Redis中的库存-1并且将用户id添加到set集合中。
而我们怎样让修改数据库的任务交给另一个人来处理呢？使用阻塞队列或者消息队列，为了实现简单，暂且使用阻塞队列，我们将要修改数据库的任务放入阻塞队列中，创建一个线程池，让线程池来负责执行修改数据库的任务。
异步秒杀流程
从流程中看出我们主线程只负责进行库存校验和确保一人一单后，生成订单添加到阻塞队列或消息队列中就直接返回，大大提高了业务的性能。
基于lua脚本保证Redis操作原子性
如果我们使用以上的操作来实现代码，会发生并发安全问题，因为校验Redis操作和更新Redis操作不具有原子性，就可能发生问题，例如一个线程通过校验Redis库存等还没有进行修改，另一个线程直接进入比较没有修改的库存，就发生了线程安全问题，我们需要保证这些操作具有原子性
代码实现
lua脚本：
--优惠卷id
local voucherId = ARGV[1];
--用户id
local userId = ARGV[2];
--库存键
local stockKey = "voucher:stock:" + voucherId;
--下过订单的用户键
local orderKey = "voucher:order:" + voucherId;
--查看卷库存是否足够
if (tonumber(redis.call("get", stockKey)) <= 0) then
return 1;
end
if (redis.call("sismember",orderKey,userId)==1) then
return 2
end
--扣库存
redis.call("incrby",stockKey,-1);
--添加用户id
redis.call("sadd",orderKey,userId)
return 0
/*** 异步秒杀*/@Overridepublic Result seckillVoucher(Long voucherId) throws InterruptedException {Long userId = UserHolder.getUser().getId();Long result = redisTemplate.execute(SECkILL_SCRIPT, Collections.emptyList(), voucherId.toString(), userId.toString());int re = result.intValue();if (re != 0) {return re == 1 ? Result.fail("库存不足") : Result.fail("不能重复下单");}long orderId = redisWorker.getGlobalId("voucher:order");VoucherOrder voucherOrder = new VoucherOrder();voucherOrder.setVoucherId(voucherId);voucherOrder.setId(orderId);voucherOrder.setUserId(userId);VOUCHER_PROXY = (IVoucherOrderService) AopContext.currentProxy();BLOCKING_QUEUE.add(voucherOrder);return Result.ok(orderId);}// 初始化lua脚本环境private static final DefaultRedisScript<Long> SECkILL_SCRIPT;static {SECkILL_SCRIPT = new DefaultRedisScript<>();SECkILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));SECkILL_SCRIPT.setResultType(Long.class);}// 在类初始化完之后执行@PostConstructprivate void init() {EXECUTOR_SERVICE.execute(new VoucherHandler());}
// 阻塞队列获取任务处理private class VoucherHandler implements Runnable {@Overridepublic void run() {while (true){try {
// 从阻塞队列中获取订单信息VoucherOrder voucherOrder = BLOCKING_QUEUE.take();
// 更新数据库库存以及创建优惠卷订单VOUCHER_PROXY.createVoucherOrder(voucherOrder.getVoucherId(), voucherOrder.getUserId());} catch (InterruptedException e) {e.printStackTrace();}}}}@Transactionalpublic Result createVoucherOrder(Long voucherId, Long userId) {Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();if (count > 0) {return Result.fail("已经购买优惠卷");}
// 基于乐观锁避免超卖问题，在乐观锁的基础上做出了改进，当要修改库存时判断库存是否大于0，但是也给数据库带来了巨大的压力boolean success = iSeckillVoucherService.update().setSql("stock=stock-1").eq("voucher_id", voucherId).gt("stock", 0).update();if (!success) {return Result.fail("库存不足");}VoucherOrder voucherOrder = new VoucherOrder();long orderId = redisWorker.getGlobalId("order");voucherOrder.setId(orderId);voucherOrder.setVoucherId(voucherId);voucherOrder.setUserId(userId);save(voucherOrder);return Result.ok(orderId);}
阻塞队列的缺点
在我们进行数据库的修改任务时我们使用了阻塞队列来实现，在实际的业务中，我们需要使用一些消息队列来代替阻塞队列，阻塞队列使用的是JVM中的内存，当消息过多时会造成JVM内存爆满，并且功能不够强大，我们可以使用Redis的Stream或者MQ来实现消息队列来代替阻塞队列