《Redis实战篇》六、秒杀优化

6、秒杀优化

6.0 压力测试

目的：测试1000个用户抢购优惠券时秒杀功能的并发性能~

①数据库中创建1000+用户

这里推荐使用开源工具：https://www.sqlfather.com/ ，导入以下配置即可一键生成模拟数据

{"dbName":"hmdp","tableName":"tb_user","tableComment":"用户表","mockNum":100,"fieldList":[{"fieldName":"id","fieldType":"bigint(20)","defaultValue":null,"notNull":true,"comment":"主键id","primaryKey":true,"autoIncrement":true,"mockType":"递增","mockParams":2,"onUpdate":null},{"fieldName":"phone","fieldType":"varchar(33)","defaultValue":null,"notNull":false,"comment":null,"primaryKey":false,"autoIncrement":false,"mockType":"随机","mockParams":"手机号","onUpdate":null},{"fieldName":"passWord","fieldType":"varchar(384)","defaultValue":null,"notNull":false,"comment":null,"primaryKey":false,"autoIncrement":false,"mockType":"随机","mockParams":"字符串","onUpdate":null},{"fieldName":"nick_name","fieldType":"varchar(96)","defaultValue":null,"notNull":false,"comment":null,"primaryKey":false,"autoIncrement":false,"mockType":"规则","mockParams":"user_\\w{10}$","onUpdate":null},{"fieldName":"icon","fieldType":"varchar(765)","defaultValue":null,"notNull":false,"comment":null,"primaryKey":false,"autoIncrement":false,"mockType":"固定","mockParams":"/imgs/blogs/blog1.jpg","onUpdate":null},{"fieldName":"create_time","fieldType":"timestamp","defaultValue":null,"notNull":false,"comment":null,"primaryKey":false,"autoIncrement":false,"mockType":"固定","mockParams":"2023-01-01 00:00:00","onUpdate":null},{"fieldName":"update_time","fieldType":"timestamp","defaultValue":null,"notNull":false,"comment":null,"primaryKey":false,"autoIncrement":false,"mockType":"固定","mockParams":"2023-01-01 00:00:01","onUpdate":null}]}

②将1000个用户处于登录状态(本质就是为1000个用户生成token，并保存到Redis中)

        @Test    void testMultiLogin() throws ioException {        List <User> userList = userService.lambdaQuery().last("limit 1000").list();        for (User user : userList) {            String token = UUID.randomUUID().toString(true);            UserDTO userDTO = BeanUtil.copyProperties(user, UserDTO.class);            Map <String,Object> userMap = BeanUtil.beanToMap(userDTO,new HashMap <>(),                    CopyOptions.create().ignoreNullValue().setFieldValueEditor((fieldName,fieldValue) -> fieldValue.toString()));            String tokenKey = RedisConstants.LOGIN_USER_KEY + token;            stringRedisTemplate.opsForHash().putAll(tokenKey, userMap);            stringRedisTemplate.expire(tokenKey, 60,TimeUnit.MINUTES);        }        Set <String> keys = stringRedisTemplate.keys(RedisConstants.LOGIN_USER_KEY + "*");        @Cleanup FileWriter fileWriter = new FileWriter(System.getProperty("user.dir") + "\\tokens.txt");        @Cleanup BufferedWriter bufferedWriter = new BufferedWriter(fileWriter);        assert keys != null;        for (String key : keys) {            String token = key.substring(RedisConstants.LOGIN_USER_KEY.length());            String text = token + "\n";            bufferedWriter.write(text);        }    }

③在jmeter中进行压力测试：1000个线程请求接口，观察结果

这接口被Leader发现，估计要被骂死~

6.1 秒杀优化-异步秒杀思路

我们来回顾一下下单流程

当用户发起请求，此时会请求Nginx，nginx会访问到Tomcat，而tomcat中的程序，会进行串行操作，分成如下几个步骤

查询优惠卷

判断秒杀库存是否足够

查询订单

校验是否是一人一单

扣减库存

创建订单

在这六步操作中，又有很多操作是要去操作数据库的，而且还是一个线程串行执行， 这样就会导致我们的程序执行的很慢，所以我们需要异步程序执行，那么如何加速呢？

在这里笔者想给大家分享一下课程内没有的思路，看看有没有小伙伴这么想，比如，我们可以不可以使用异步编排来做，或者说我开启N多线程，N多个线程，一个线程执行查询优惠卷，一个执行判断扣减库存，一个去创建订单等等，然后再统一做返回，这种做法和课程中有哪种好呢？答案是课程中的好，因为如果你采用我刚说的方式，如果访问的人很多，那么线程池中的线程可能一下子就被消耗完了，而且你使用上述方案，最大的特点在于，你觉得时效性会非常重要，但是你想想是吗？并不是，比如我只要确定他能做这件事，然后我后边慢慢做就可以了，我并不需要他一口气做完这件事，所以我们应当采用的是课程中，类似消息队列的方式来完成我们的需求，而不是使用线程池或者是异步编排的方式来完成这个需求

**优化方案：**我们将耗时比较短的逻辑判断放入到redis中，比如是否库存足够，比如是否一人一单，这样的操作，只要这种逻辑可以完成，就意味着我们是一定可以下单完成的，我们只需要进行快速的逻辑判断，根本就不用等下单逻辑走完，我们直接给用户返回成功， 再在后台开一个线程，后台线程慢慢的去执行queue里边的消息，这样程序不就超级快了吗？而且也不用担心线程池消耗殆尽的问题，因为这里我们的程序中并没有手动使用任何线程池。当然这里边有两个难点

第一个难点是我们怎么在redis中去快速校验一人一单，还有库存判断

第二个难点是由于我们校验和tomct下单是两个线程，那么我们如何知道到底哪个单他最后是否成功，或者是下单完成，为了完成这件事我们在redis操作完之后，我们会将一些信息返回给前端，同时也会把这些信息丢到异步queue中去，后续操作中，可以通过这个id来查询我们tomcat中的下单逻辑是否完成了。【饭店的运营流程】

我们现在来看看整体思路：当用户下单之后，判断库存是否充足只需要到redis中去根据key找对应的value是否大于0即可，如果不充足，则直接结束，如果充足，继续在redis中判断用户是否可以下单，如果set集合中没有这条数据，说明他可以下单，如果set集合中没有这条记录，则将userId和优惠卷存入到redis中，并且返回0，整个过程需要保证是原子性的，我们可以使用lua来操作

当以上判断逻辑走完之后，我们可以判断当前redis中返回的结果是否是0 ，如果是0，则表示可以下单，则将之前说的信息存入到到queue中去，然后返回，然后再来个线程异步的下单，前端可以通过返回的订单id来判断是否下单成功。

6.2 秒杀优化-Redis完成秒杀资格判断

需求：

• 新增秒杀优惠券的同时，将优惠券信息保存到Redis中

• 基于Lua脚本，判断秒杀库存、一人一单，决定用户是否抢购成功

• 如果抢购成功，将优惠券id和用户id封装后存入阻塞队列

• 开启线程任务，不断从阻塞队列中获取信息，实现异步下单功能

  

VoucherServiceImpl

@Override@Transactionalpublic void addSeckillVoucher(Voucher voucher) {    // 保存优惠券    save(voucher);    // 保存秒杀信息    SeckillVoucher seckillVoucher = new SeckillVoucher();    seckillVoucher.setVoucherId(voucher.getId());    seckillVoucher.setStock(voucher.getStock());    seckillVoucher.setBeginTime(voucher.getBeginTime());    seckillVoucher.setEndTime(voucher.getEndTime());    seckillVoucherService.save(seckillVoucher);    // 保存秒杀库存到Redis中    stringRedisTemplate.opsForValue().set(SECKILL_STOCK_KEY + voucher.getId(), voucher.getStock().toString());}

完整lua表达式

-- 1.参数列表-- 1.1 优惠券Idlocal voucherId = ARGV[1]-- 1.2 用户idlocal userId = ARGV[2]-- 2.数据key-- 2.1 库存keylocal stockKey = 'seckill:stock:' .. voucherId-- 2.2 订单keylocal orderKey = 'seckill:order:' .. voucherId-- 3.脚本业务-- 3.1 判断库存是否充足 get stockKeyif (tonumber(redis.call('get', stockKey)) <= 0) then    -- 3.1.2 库存不足,返回1    return 1end-- 3.2 判断用户是否已经下过单if (redis.call('sismember', orderKey, userId) == 1) then    -- 3.2.2 存在，说明重复下单，返回2    return 2end-- 3.3 扣库存 incrby stockKey -1redis.call('incrby', stockKey, -1)-- 3.4 下单(保存用户) sadd orderKey userIdredis.call('sadd', orderKey, userId)-- 3.5 用户有下单资格，返回0return 0

当以上lua表达式执行完毕后，剩下的就是根据步骤3,4来执行我们接下来的任务了

VoucherOrderServiceImpl

@Overridepublic Result seckillVoucher(Long voucherId) {    // 获取用户id    Long userId = UserHolder.getUser().getId();    // 1.执行Lua脚本    Long result = stringRedisTemplate.execute(        SECKILL_SCRIPT,        Collections.emptyList(),        voucherId.toString(),        userId.toString()    );    // 2.判断结果是否为0    if (result != 0) {        // 2.1 不为0，代表没有购买资格        return Result.fail(result == 1 ? "库存不足" : "不能重复下单");    }    //TODO 保存阻塞队列    // 3.返回订单id    return Result.ok(orderId);}

**压力测试：**因为目前前两步骤做完，后面的加入阻塞队列执行时间就很短了~

可以看到并发性能大大提升，请求响应值在0.1s左右，吞吐量可达到1500/sec~ 速度飞起

6.3 秒杀优化-基于阻塞队列实现秒杀优化

VoucherOrderServiceImpl

修改下单动作，现在我们去下单时，是通过lua表达式去原子执行判断逻辑，如果判断我出来不为0 ，则要么是库存不足，要么是重复下单，返回错误信息，如果是0，则把下单的逻辑保存到队列中去，然后异步执行

        private IVoucherOrderService proxy;        private BlockingQueue <VoucherOrder> orderTasks = new ArrayBlockingQueue <>(1024 * 1024);        private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();        @PostConstruct    private void init() {        SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderHandler());    }    private class VoucherOrderHandler implements Runnable {        @Override        public void run() {            while (true) {                try {                    // 1.获取队列中的订单信息                    // take()：获取和删除该队列的头部，如果没有则阻塞等待，直到有元素可用。所以使用该方法，如果有元素，线程就工作，没有线程就阻塞（卡）在这里，不用担心CPU会空转~                    VoucherOrder voucherOrder = orderTasks.take();                    // 2.创建订单                    handleVoucherOrder(voucherOrder);                } catch (Exception e) {                    log.error("处理订单异常：", e);                }            }        }    }        private void handleVoucherOrder(VoucherOrder voucherOrder) {                // 方式一：加分布式锁再创建订单        // // 1.获取用户        // // 注意：这里userId不能从UserHolder中去取，因为当前并不是主线程，而是子线程，无法拿到父线程ThreadLocal中的数据        // Long userId = voucherOrder.getUserId();        // // 2.获取分布式锁        // RLock lock = redissonClient.getLock("lock:order:" + userId);        // boolean isLock = lock.tryLock();        // // 3.判断是否获取锁成功        // if (!isLock) {        //     // 获取锁失败，返回错误和重试        //     log.error("不允许重复下单~");        // }        // try {        //     // 获取代理对象（只有通过代理对象调用方法，事务才会生效）        //     // 注意：这里直接通过以下方式获取肯定是不行的。因为方法底层也是基于ThreadLocal获取的，子线程是无法获取父线程ThreadLocal中的对象的        //     // 解决办法：在seckillVoucher中提前获取，然后通过消息队列传入或者声明成全局变量，从而就可以使用了        //     // IVoucherOrderService proxy = (IVoucherOrderService) aopContext.currentProxy();        //     proxy.createVoucherOrder(voucherOrder.getVoucherId());        // } finally {        //     lock.unlock();        // }        // 方式二：直接创建订单        proxy.createVoucherOrder(voucherOrder);    }    // RedisScript需要加载seckill.lua文件，为了避免每次释放锁时都加载，我们可以提前加载好。否则每次读取文件就会产生IO，效率很低    static {        SECKILL_SCRIPT = new DefaultRedisScript <>();        SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));        SECKILL_SCRIPT.setResultType(Long.class);    }             @Override    public Result seckillVoucher(Long voucherId) {        // 获取用户id        Long userId = UserHolder.getUser().getId();        // 1.执行Lua脚本        Long result = stringRedisTemplate.execute(                SECKILL_SCRIPT,                Collections.emptyList(),                voucherId.toString(),                userId.toString()        );        // 2.判断结果是否为0        if (result != 0) {            // 2.1 不为0，代表没有购买资格            return Result.fail(result == 1 ? "库存不足" : "不能重复下单");        }        // 2.2 为0，有购买资格，把下单信息保存到消息队列        // 2.3 创建订单        VoucherOrder voucherOrder = new VoucherOrder();        // 2.4 订单id        long orderId = redisIdWorker.nextId("order");        voucherOrder.setId(orderId);        // 2.5 用户id        voucherOrder.setUserId(userId);        // 2.6代金券id        voucherOrder.setVoucherId(voucherId);        // 2.7放入阻塞队列【理论上只要放入消息队列就有购买资格】        orderTasks.add(voucherOrder);        // 3.获取代理对象        proxy = (IVoucherOrderService) AopContext.currentProxy();        // 4. 返回订单id        return Result.ok(orderId);    }   @Override    public void createVoucherOrder(VoucherOrder voucherOrder) {        //注意：因为我们在Lua中已经校验过库存和一人一单了，这里就不需要校验拉~        // 1.扣减库存        boolean success = seckillVoucherService.update().setSql("stock = stock - 1").                eq("voucher_id", voucherOrder.getVoucherId())                .gt("stock", 0)                .update();        //这里其实不判断也是OK的，因为Lua脚本中校验过了，所以一定是充足的        if (!success) {            log.error("库存不足！");        }        // 2.保存订单        this.save(voucherOrder);    }

并发测试：

可以看出平均每个请求40ms，并发达到1000/sec，速度非常快。

小总结：

秒杀业务的优化思路是什么？

• 先利用Redis完成库存余量、一人一单判断，完成抢单业务
• 再将下单业务放入阻塞队列，利用独立线程异步下单
• 基于阻塞队列的异步秒杀存在哪些问题？
  • 内存限制问题：因为我们使用的是jdk的阻塞队列，它使用的是内存。不加以限制的时候，在高并发的情况下，无数订单进入队列，可能导致内存溢出。所以我们在创建队列的时候设置了上限。另外如果此时队列已经存满了，又有新的任务忘里面塞，就放不进去了。
  • 数据安全问题：目前是基于内存来保存这些订单信息的，
    • ①如果内存突然宕机，那么内存中所有的订单信息都丢失了。从而就可能出现用户下单成功但是数据库里面并没有订单记录，造成数据不一致的问题。
    • ②如果有一个线程从队列中取出了下单的任务，即将执行的时候发生了严重的事故（异常等），那么这个任务就没有执行，而且因为这个任务已经取出队列了，以后就再也不会执行了。从而这个任务就丢失了，再次出现数据不一致的问题。

来源地址：https://blog.csdn.net/LXYDSF/article/details/128983338