【连载】redis库存操作,分布式锁的四种实现方式…
2018-12-20 09:33:50来源:博客园 阅读 ()
一、redis的事务介绍
1、 Redis保证一个事务中的所有命令要么都执行,要么都不执行。如果在发送EXEC命令前客户端断线了,则Redis会清空事务队列,事务中的所有命令都不会执行。而一旦客户端发送了EXEC命令,所有的命令就都会被执行,即使此后客户端断线也没关系,因为Redis中已经记录了所有要执行的命令。
2、 除此之外,Redis的事务还能保证一个事务内的命令依次执行而不被其他命令插入。试想客户端A需要执行几条命令,同时客户端B发送了一条命令,如果不使用事务,则客户端B的命令可能会插入到客户端A的几条命令中执行。如果不希望发生这种情况,也可以使用事务。
3、 若一个事务中有多条命令,若有一条命令错误,事务中的所有命令都不会执行。若在执行阶段有命令执行错误,其他的命令也会正确的执行,需要注意。
4、与mysql的事务不同,redis的事务执行中时不会回滚的,哪怕出现错误,之前已经执行的命令结果也不会回滚。
二、Redis watch介绍
1、 WATCH命令可以监控一个或多个键,一旦其中有一个键被修改(或删除),之后的事务就不会执行。监控一直持续到EXEC命令(事务中的命令是在EXEC之后才执行的,所以在MULTI命令后可以修改WATCH监控的键值)
2、watch一般配合事务使用
例:启动一个线程,连接redis,监控key watchKeyTest,sleep10s模拟业务逻辑处理,此时再启动另一个进程去修改该key的值,那么当前线程就会返回null
/** * @author LiJunJun * @date 2018/12/10 */ public class Test { private static Jedis jedis; static { jedis = new Jedis("192.168.10.109", 6379); jedis.auth("aaa@leadeon.cn"); jedis.sadd("watchKeyTest", "290"); } public static void main(String[] args) { jedis.watch("watchKeyTest"); System.out.println("开始监控key: watchKeyTest"); Transaction transaction = jedis.multi(); try { // sleep 10秒,模拟业务逻辑处理 Thread.sleep(1000); } catch (InterruptedException e) { e.printStackTrace(); } System.out.println("开始获取key: watchKeyTest"); transaction.sismember("watchKeyTest", "290"); List<Object> result = transaction.exec(); System.out.println("执行结果:" + result); jedis.disconnect(); } }
启动另一个进程,修改同一个key
public class Test2 { public static void main(String[] args) { Jedis jedis = new Jedis("192.168.10.109", 6379); jedis.auth("common@leadeon.cn"); long result = jedis.sadd("watchKeyTest", "358"); System.out.println(result); jedis.disconnect(); } }
此时,进程1就会返回null
若在进程1执行期间,该key没有被其他进程修改,则返回正确的值。
三、实现思路
基于以上介绍的redis的事务以及watch机制,我们可以做分布式锁处理,即在分布式系统中,高并发情况下,一个线程watch相应的key后,其他进程若修改了key,则该进程所在的事务就不执行,返回null,我们可以增加重试机制,来做库存操作
四、业务代码实现
采用watch机制,做乐观锁处理,重试三次,三次返回均未成功,则接口返回失败
/** * 减库存(基于redis watch机制实现) * * @param trace 请求流水 * @param stockManageReq(stockId、decrNum) * @return -1为失败,大于-1的正整数为减后的库存量,-2为库存不足无法减库存 */ @Override @ApiOperation(value = "减库存", notes = "减库存") @RequestMapping(value = "/decrByStock", method = RequestMethod.POST, consumes = MediaType.APPLICATION_JSON_UTF8_VALUE, produces = MediaType.APPLICATION_JSON_UTF8_VALUE) public int decrByStock(@RequestHeader(name = "Trace") String trace, @RequestBody StockManageReq stockManageReq) { long startTime = System.currentTimeMillis(); LOGGER.reqPrint(Log.CACHE_SIGN, Log.CACHE_REQUEST, trace, "decrByStock", JSON.toJSONString(stockManageReq)); int res = 0; String stockId = stockManageReq.getStockId(); Integer decrNum = stockManageReq.getDecrNum(); boolean decrByStock = false; try { if (null != stockId && null != decrNum) { stockId = PREFIX + stockId; // 采用watch机制,做乐观锁处理,重试三次,三次返回均未成功,则接口返回失败 for (int i = 0; i < TRY_COUNT; i++) { Integer decrByStockRes = decrByStock(stockId, decrNum, trace); // 更新库存时key对应的value发生变更,重试 if (decrByStockRes != -1) { res = decrByStockRes; decrByStock = true; break; } } if (!decrByStock) { res = -2; LOGGER.info("本次请求减库存失败!decrByStockFailure=1"); } } } catch (Exception e) { LOGGER.error(trace, "decr sku stock failure.", e); res = -1; } finally { LOGGER.respPrint(Log.CACHE_SIGN, Log.CACHE_RESPONSE, trace, "decrByStock", System.currentTimeMillis() - startTime, String.valueOf(res)); } return res; } /** * 减库存逻辑 * * @param stockId 库存id * @param decrNum 减少的量 * @return 减库存结果(-1:表示更新库存时key对应的value发生变更,即提示调用方重试;-2: 库存不够减,售罄;其它值表示减库存后的值) */ private Integer decrByStock(String stockId, int decrNum, String trace) { Response<Long> v = null; List<Object> result = null; try (Jedis jedis = jedisPool.getWriteResource()) { if (!jedis.select(0).equals("OK")) { LOGGER.error(trace, "减库存,本次请求未获取到jedis连接!"); return -1; } jedis.watch(stockId); // redis 减库存逻辑 String vStock = jedis.get(stockId); long realV = 0L; if (StringUtils.isNotEmpty(vStock)) { realV = Long.parseLong(vStock); } //库存数 大于等于 要减的数目,则执行减库存 if (realV < decrNum) { return -2; } Transaction transaction = jedis.multi(); v = transaction.decrBy(stockId, decrNum); result = transaction.exec(); } return (result == null || result.isEmpty()) ? -1 : v.get().intValue(); }
五、ab压测及分析
同样的,我们以5000的请求量100的并发量来压、tps在640左右,比zk做分布式锁来看,提升了20倍的性能,比redisson分布式锁提升了2倍,性能提升不大
同时我们发现,5000个请求,有4561个请求失败,我们看下日志统计,有多少请求没有成功执行事务
也是4561,说明有4561个事务没有成功执行,并不是运行错误。
六、总结
watch可以用来控制对redis的操作同步执行,但失败的几率较大,用该机制做抢购的业务还行,但对redis操作结果依赖较强的业务来说,不太适用,下一篇我们讲下终极解决方案,适用redis的lua脚本编程,变相的实现分布式锁。
标签:
版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有
- redis缓存 2020-06-12
- Spring Boot 2.3.0 新特性Redis 拓扑动态感应 2020-06-11
- 作为一个面试官,我想问问你Redis分布式锁怎么搞? 2020-06-10
- 分布式锁没那么难,手把手教你实现 Redis 分布锁!|保姆级教 2020-06-08
- Java连载120-反射机制获取构造方法和父类、父接口 2020-06-05
IDC资讯: 主机资讯 注册资讯 托管资讯 vps资讯 网站建设
网站运营: 建站经验 策划盈利 搜索优化 网站推广 免费资源
网络编程: Asp.Net编程 Asp编程 Php编程 Xml编程 Access Mssql Mysql 其它
服务器技术: Web服务器 Ftp服务器 Mail服务器 Dns服务器 安全防护
软件技巧: 其它软件 Word Excel Powerpoint Ghost Vista QQ空间 QQ FlashGet 迅雷
网页制作: FrontPages Dreamweaver Javascript css photoshop fireworks Flash