Redis高并發(fā)場景防止庫存數(shù)量超賣少賣
簡介
商品超賣現(xiàn)象,即銷售數(shù)量超過了實(shí)際庫存量,通常是由于未能正確判斷庫存狀況而發(fā)生的。在常規(guī)的庫存管理系統(tǒng)中,我們會在扣減庫存之前進(jìn)行庫存充足性檢驗(yàn):僅當(dāng)庫存數(shù)量大于零時,系統(tǒng)才會執(zhí)行扣減動作;若庫存不足,則即時返回錯誤提示。然而,在高并發(fā)的銷售場景下,傳統(tǒng)的處理方法往往難以確保庫存扣減的準(zhǔn)確性。為了解決這一問題,我們可以采用線程加鎖機(jī)制或利用Redis等內(nèi)存數(shù)據(jù)結(jié)構(gòu)來同步庫存狀態(tài),從而保證即使在大量同時交易的情況下,庫存扣減也能保持準(zhǔn)確無誤。
數(shù)據(jù)庫校驗(yàn)
商品類
/**
* @description 商品類
* @author yiridancan
* @date 2024/3/23 9:06
*/
public class Goods {
private int id;
/**
* 商品名稱
*/
private String name;
/**
* 庫存數(shù)量
*/
private int inventoryCount;
public int getId() {
return id;
}
public void setId(int id) {
this.id = id;
}
public String getName() {
return name;
}
public void setName(String name) {
this.name = name;
}
public int getInventoryCount() {
return inventoryCount;
}
public void setInventoryCount(int inventoryCount) {
this.inventoryCount = inventoryCount;
}
}
實(shí)現(xiàn)類
import com.yiridancan.reduceInventory.entity.Goods;
import com.yiridancan.reduceInventory.mapper.GoodsMapper;
import com.yiridancan.reduceInventory.service.IGoodsService;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import java.util.Objects;
/**
* 商品實(shí)現(xiàn)類
* @author yiridancan
* @date 2024/3/23 18:35
*/
@Slf4j
@Service
public class GoodsServiceImpl implements IGoodsService {
@Autowired
private GoodsMapper goodsMapper;
/**
* 扣減庫存
* @param goodsId 商品id
* @author yiridancan
* @date 2024/3/23 18:33
*/
@Override
public void reduceInventory(int goodsId) {
//1.根據(jù)商品id獲取商品庫存數(shù)量
Goods goods = goodsMapper.findGoodsInventory(goodsId);
if(Objects.isNull(goods)){
log.error("未獲取到商品信息");
return;
}
//2.如果庫存數(shù)量大于0則扣減庫存,如果等于0代表沒有貨物打印錯誤信息
if(goods.getInventoryCount() > 0 ){
//默認(rèn)扣減庫存1
goods.setInventoryCount(goods.getInventoryCount()-1);
goodsMapper.updateGoodsInventory(goods);
log.info("{}扣減庫存成功,扣減后庫存為:{}",goods.getName(),goods.getInventoryCount());
}else {
log.error("{}庫存為0",goods.getName());
}
}
}
首先,我們需要根據(jù)商品ID獲取商品數(shù)據(jù)。如果無法獲取到數(shù)據(jù),則打印異常并終止執(zhí)行。接著,通過查詢庫存數(shù)量進(jìn)行校驗(yàn)判斷:若庫存大于0,則扣減庫存;反之,若庫存為0,則打印異常信息。
數(shù)據(jù)庫

測試代碼
@Test
void contextLoads() {
//商品id
int goodsId = 1;
//創(chuàng)建固定數(shù)量的線程池
int num = 20;
ExecutorService executorService = Executors.newFixedThreadPool(num);
//模擬20個并發(fā)同時請求接口
for (int i = 0; i < num; i++) {
executorService.submit(() -> {
goodsService.reduceInventory(goodsId);
});
}
executorService.shutdown();
try {
executorService.awaitTermination(1, TimeUnit.MINUTES);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
//獲取商品最終庫存數(shù)量
Goods goodsInventory = goodsMapper.findGoodsInventory(goodsId);
if(Objects.isNull(goodsInventory)){
return;
}
log.info("{}商品最終庫存為:{}",goodsInventory.getName(),goodsInventory.getInventoryCount());
}運(yùn)行結(jié)果


測試中,系統(tǒng)面臨了20個同時發(fā)出的請求,而可用庫存量僅為10個。理論上,這意味著應(yīng)當(dāng)有10個請求能夠成功完成庫存扣減,而另外10個請求則需被妥善拒絕。為解決此并發(fā)操作導(dǎo)致的數(shù)據(jù)不一致性問題,我們可以通過引入鎖機(jī)制來確保數(shù)據(jù)訪問的同步性,從而保障系統(tǒng)的正確性和穩(wěn)定性。
悲觀鎖
可以通過synchronized、ReentrantLock等悲觀鎖來保證原子性和一致性



我們發(fā)現(xiàn),在20次并發(fā)請求的測試場景中,僅有10次能夠成功減少庫存量,而另外10次則遭到拒絕。這種機(jī)制確保了數(shù)據(jù)一致性的嚴(yán)密守護(hù)。然而,若我們選擇采用悲觀鎖的策略,雖然可以強(qiáng)化數(shù)據(jù)完整性,但卻可能導(dǎo)致大量請求進(jìn)入阻塞隊(duì)列,尤其是在高并發(fā)的環(huán)境下,這種重量級的同步處理可能會對服務(wù)性能和數(shù)據(jù)庫響應(yīng)能力造成顯著負(fù)擔(dān),甚至有可能引發(fā)系統(tǒng)瓶頸。因此,在設(shè)計(jì)高并發(fā)系統(tǒng)時,我們需要權(quán)衡鎖機(jī)制的選擇,以優(yōu)化系統(tǒng)性能,保證服務(wù)的高效流暢。
樂觀鎖
樂觀鎖采用了一種比較寬松的并發(fā)控制策略。它允許多個線程同時讀取和修改共享數(shù)據(jù),但在數(shù)據(jù)提交時會檢查是否有其他線程在此期間修改過相同的數(shù)據(jù)。如果檢測到?jīng)_突,通常需要重新嘗試操作,直到成功為止。樂觀鎖的核心在于它認(rèn)為沖突不太可能發(fā)生,或者沖突發(fā)生的概率較低,因此不一開始就對數(shù)據(jù)加鎖,從而避免了鎖機(jī)制可能帶來的性能開銷。一般通過數(shù)據(jù)庫版本號或者時間戳來進(jìn)行實(shí)現(xiàn)
定義一個抽象接口:
/**
* 通過樂觀鎖實(shí)現(xiàn)扣減庫存
* @author yiridancan
* @date 2024/3/25 22:33
* @param goodsId 商品id
*/
void casReduceInventory(int goodsId);實(shí)現(xiàn)類:
/**
* 通過樂觀鎖實(shí)現(xiàn)扣減庫存
* @param goodsId 商品id
* @author yiridancan
* @date 2024/3/25 22:33
*/
@Override
public void casReduceInventory(int goodsId) {
int retryCount = 0;
//重試次數(shù)設(shè)置為3,避免無休止的重試占用紫鳶
while (retryCount <=3){
//1.根據(jù)商品id獲取商品信息
Goods goods = goodsMapper.findGoodsInventory(goodsId);
if(Objects.isNull(goods) || goods.getInventoryCount() == 0){
log.error("未獲取到商品信息或庫存數(shù)量不足");
return;
}
//默認(rèn)扣減庫存1
goods.setInventoryCount(goods.getInventoryCount()-1);
int updateRow = goodsMapper.updateGoodsInventoryByCAS(goods);
//如果修改條數(shù)大于0代表扣減庫存成功
if(updateRow > 0 ){
log.info("{}扣減庫存成功,扣減后庫存為:{}",goods.getName(),goods.getInventoryCount());
return;
}
retryCount++;
log.error("{}商品被修改過,進(jìn)行重試!!版本號:{}",goods.getName(),goods.getDataVersion());
}
}首先會先定義一個重試次數(shù),避免一直重試占用資源。然后獲取到具體的商品信息,默認(rèn)扣減庫存為1(實(shí)際可以根據(jù)用戶設(shè)置的數(shù)量進(jìn)行扣減),然后根據(jù)查詢出來的版本號和id去數(shù)據(jù)庫中更新數(shù)據(jù),如果返回更新數(shù)量代表扣減庫存成功,則打印相關(guān)打印進(jìn)行結(jié)束,否則進(jìn)行重試,直到庫存數(shù)量不足或扣減庫存成功才結(jié)束
<update id="updateGoodsInventoryByCAS">
update goods set inventory_count=#{inventoryCount},data_version=data_version+1 where id=#{id} and data_version=#{dataVersion}
</update>
Redis
借助Redis單線程的特性,再加上lua腳本執(zhí)行過程原子性的保障。我們可以在Redis中通過lua腳本進(jìn)行庫存扣減操作
因?yàn)閘ua腳本在執(zhí)行過程中,可以避免被打斷,并且redis執(zhí)行的過程也是單線程的,所以在腳本中進(jìn)行判斷,再扣減,這個過程是可以避免并發(fā)的。所以也就可以實(shí)現(xiàn)前面我們說的原子性+有序性了。
并且Redis是一個高性能的分布式緩存,使用Lua腳本扣減庫存的方案也非常的高效

首先將商品庫存初始化到Redis中,然后后續(xù)對Redis進(jìn)行庫存扣減
local key = KEYS[1] -- 商品的鍵名
local amount = tonumber(ARGV[1]) -- 扣減的數(shù)量
-- 獲取商品當(dāng)前的庫存量
local stock = tonumber(redis.call('get', key))
-- 如果庫存足夠,則減少庫存并返回新的庫存量
if stock >= amount then
redis.call('decrby', key, amount)
return redis.call('get', key)
else
return "INSUFFICIENT STOCK"
end
編寫Lua腳本,通常是單獨(dú)放在一個文件中。這里偷了一個懶直接聲明成字符串了
/**
* 通過Redis扣減庫存
*
* @param goodsId 商品id
* @author yiridancan
* @date 2024/3/27 15:48
*/
@Override
public void redisReduceInventory(int goodsId) {
String prefix = "goodsInventory:";
//將商品數(shù)據(jù)緩存到Redis中,key是商品id,value是商品庫存數(shù)量
goodsMapper.findGoodsAll().forEach(goods -> {
stringRedisTemplate.opsForValue().set(prefix+goods.getId(),String.valueOf(goods.getInventoryCount()));
});
//lua腳本,一般放在文件中
String script = "local key = KEYS[1] -- 商品的鍵名\n" +
"local amount = tonumber(ARGV[1]) -- 扣減的數(shù)量\n" +
"\n" +
"-- 獲取商品當(dāng)前的庫存量\n" +
"local stock = tonumber(redis.call('get', key))\n" +
"\n" +
"-- 如果庫存足夠,則減少庫存并返回新的庫存量\n" +
"if stock >= amount then\n" +
" redis.call('decrby', key, amount)\n" +
" return redis.call('get', key)\n" +
"else\n" +
" return \"INSUFFICIENT STOCK\"\n" +
"end\n";
DefaultRedisScript<String> redisScript = new DefaultRedisScript<>(script, String.class);
// 創(chuàng)建一個包含庫存key的列表
List<String> keys = Collections.singletonList(prefix + goodsId);
// 創(chuàng)建一個包含扣減數(shù)量的參數(shù)列表
List<String> args = Collections.singletonList(Integer.toString(1));
// 執(zhí)行Lua腳本,傳入鍵列表和參數(shù)列表
String result = stringRedisTemplate.execute(redisScript, keys, args.toArray(new String[0]));
//如果不是庫存不足代表扣減成功
if(!result.equals("INSUFFICIENT STOCK")){
log.info("扣減庫存成功,庫存數(shù)量:{}",result);
}else {
log.error("庫存數(shù)量不足");
}
}首先把商品數(shù)據(jù)統(tǒng)一緩存到Redis中,然后編寫一段Lua腳本交給DefaultRedisScript,DefaultRedisScript可以自定義數(shù)據(jù)返回類型
創(chuàng)建兩個集合,分別存放key和參數(shù),通過StringRedisTemplate.execute執(zhí)行Lua腳本,如果返回的值是INSUFFICIENT STOCK代表庫存不足,打印錯誤日志,否則扣減庫存成功
最后在任務(wù)執(zhí)行完成后定時將Redis中的庫存同步到數(shù)據(jù)庫中做持久化即可
其他方案
- Redis+MQ+數(shù)據(jù)庫:利用Redis來扛高并發(fā)流量。先在Redis扣減庫存,然后發(fā)送一個MQ消息,消費(fèi)者在接收到消息后做數(shù)據(jù)庫庫存的真正扣減和業(yè)務(wù)邏輯
把修改轉(zhuǎn)換成新增,直接插入一次占用記錄,然后異步統(tǒng)計(jì)剩余庫存,或者通過SQL統(tǒng)計(jì)流水方式計(jì)算剩余庫存
通過Redisson進(jìn)行加鎖處理
..............
總結(jié)
綜合來說,實(shí)踐中往往會根據(jù)業(yè)務(wù)需求和現(xiàn)有技術(shù)棧選擇合適的方法,Redis因其高性能和原子操作特性,在很多場景下成為首選方案之一。而具體實(shí)施時,可能還需要結(jié)合多種手段以及負(fù)載均衡、熔斷、降級等策略來應(yīng)對復(fù)雜的高并發(fā)挑戰(zhàn)。
到此這篇關(guān)于Redis高并發(fā)場景防止庫存數(shù)量超賣少賣的文章就介紹到這了,更多相關(guān)Redis防止超賣少賣內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
java實(shí)現(xiàn)二維碼生成的幾個方法(推薦)
本篇文章主要介紹了java實(shí)現(xiàn)二維碼生成的幾個方法(推薦),具有一定的參考價值,有興趣的可以了解一下。2016-12-12
Java如何獲取一個隨機(jī)數(shù) Java猜數(shù)字小游戲
這篇文章主要為大家詳細(xì)介紹了Java如何獲取一個隨機(jī)數(shù),類似猜數(shù)字小游戲,文中示例代碼介紹的非常詳細(xì),具有一定的參考價值,感興趣的小伙伴們可以參考一下2020-03-03
Java 8 對 HashSet 元素進(jìn)行排序的操作方法
Java 中HashSet是一個不保證元素順序的集合類,其內(nèi)部是基于 HashMap 實(shí)現(xiàn)的,HashSet不支持排序,我們在需要對HashSet 排序時,必須將其轉(zhuǎn)換為支持排序的集合或數(shù)據(jù)結(jié)構(gòu),如 List,本文將詳細(xì)介紹在 Java 8 中如何對 HashSet 中的元素進(jìn)行排序,感興趣的朋友一起看看吧2024-11-11
SpringBoot整合JWT的實(shí)現(xiàn)示例
JWT是目前比較流行的跨域認(rèn)證解決方案,本文主要介紹了SpringBoot整合JWT的實(shí)現(xiàn)示例,文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價值,感興趣的小伙伴們可以參考一下2022-01-01

