Java生鮮電商平臺-高并發(fā)核心技術(shù)訂單與庫存實(shí)戰(zhàn)

?

一、 問題

一件商品只有100個庫存，現(xiàn)在有1000或者更多的用戶來購買，每個用戶計(jì)劃同時購買1個到幾個不等商品。

如何保證庫存在高并發(fā)的場景下是安全的？

（1）不多發(fā)

（2）不少發(fā)

?

二、 下單的步驟

（1）下單

（2）下單同時預(yù)占庫存

（3）支付

（4）支付成功真正減扣庫存

（5）取消訂單

（6）回退預(yù)占庫存

三、 什么時候進(jìn)行預(yù)占庫存？

（1）方案一：加入購物車的時候去預(yù)占庫存

（2）方案二：下單的時候去預(yù)占庫存

（3）方案三：支付的時候去預(yù)占庫存

四、 分析

（1）方案一：加入購物車并不代表用戶一定會購買,如果這個時候開始預(yù)占庫存，會導(dǎo)致想購買的無法加入購物車。而不想購買的人一直占用庫存。顯然這種做法是不可取的。

（2）方案二：商品加入購物車后，選擇下單，這個時候去預(yù)占庫存。用戶選擇去支付說明了，用戶購買欲望是比 方案一 要強(qiáng)烈的。訂單也有一個時效，例如半個小時。超過半個小時后，系統(tǒng)自動取消訂單，回退預(yù)占庫存。

（3）方案三：下單成功去支付的時候去預(yù)占庫存。只有100個用戶能支付成功，900個用戶支付失敗。用戶體驗(yàn)不好，就像你走了一條光明大道，一路通暢，突然被告知此處不通行。而且支付流程也是一個比較復(fù)雜的流程，如果和減庫存放在一起，將會變的更復(fù)雜。

所以綜上所述： 選擇方案二比較合理。

五、 重復(fù)下單問題

（1）用戶點(diǎn)擊過快，重復(fù)提交兩次

（2）網(wǎng)絡(luò)延時，用戶刷新或者點(diǎn)擊下單重復(fù)提交

（3）網(wǎng)絡(luò)框架重復(fù)請求，某些網(wǎng)絡(luò)框架，在延時比較高的情況下會自動重復(fù)請求

（4）用戶惡意行為

六、 解決辦法

在UI攔截，點(diǎn)擊后按鈕置灰，不能繼續(xù)點(diǎn)擊，防止用戶，連續(xù)點(diǎn)擊造成的重復(fù)下單。

1、在下單前獲取一個下單的唯一token，下單的時候需要這個token。后臺系統(tǒng)校驗(yàn)這個 token是否有效，才繼續(xù)進(jìn)行下單操作。

/**? ? ?

* 先生成 token 保存到 Redis? ? ?

* token 作為 key , 并設(shè)置過期時間 時間長度 根據(jù)任務(wù)需求? ? ?

* value 為數(shù)字 自增判斷 是否使用過? ? ? *? ? ?

* @param user? ? ?

* @return? ?

*/

public String createToken(User user) {

String key = "placeOrder:token:" + user.getId();

String token = UUID.randomUUID().toString();

//保存到Redis

redisService.set(key + token, 0, 1000L); return token; }

/**? ? ?

* 校驗(yàn)下單的token是否有效? ? ?

* @param user? ? ?

* @param token? ? ?

* @return? ? ?

*/

public Boolean checkToken(User user, String token) {

String key = "placeOrder:token:" + user.getId();

if (null != redisService.get(key + token)) {

long times = redisService.increment(key + token, 1);

if (times == 1) {

//利用increment 原子性 判斷是否 該token 是否使用

return true;

} else {

// 已經(jīng)使用過了

}

//刪除

redisService.remove(key + token);

}

return false; }

2、如何安全的減扣庫存？

同一個用戶或者多個用戶同時搶購一個商品的時候，我們?nèi)绾巫龅讲l(fā)安全減扣庫存？

（1）數(shù)據(jù)庫操作商品庫存

/**? * Created by Administrator on 2017/9/8.? */

public interface ProductDao extends JpaRepository<Product,Integer>{

/**? ? ? * @param pid 商品ID? ? ??

* @param num 購買數(shù)量? ? ??

* @return? ? ??

*/

@Transactional

@Modifying

@Query("update Product set availableNum = availableNum - ?2 , reserveNum = reserveNum + ?2 where id = ?1")intreduceStock1(Integerpid,Integernum);

/**? ? ?

?* @param pid 商品ID? ? ?

?* @param num 購買數(shù)量? ? ?

?* @return? ? ??

*/

@Transactional

@Modifying

@Query("update Product set availableNum = availableNum - ?2 , reserveNum = reserveNum + ?2 where id = ?1 and? availableNum - ?2 >= 0")intreduceStock2(Integerpid,Integernum);

}

?

（2）下單

/**? ? ?

* 下單操作1? ? ? *? ? ?

* @param req? ? ?

*/

private int place(PlaceOrderReq req) {

User user = userDao.findOne(req.getUserId());

Product product = productDao.findOne(req.getProductId());

//下單數(shù)量

Integer num = req.getNum();

//可用庫存

Integer availableNum = product.getAvailableNum();

//可用預(yù)定

if (availableNum >= num) {

//減庫存

int count = productDao.reduceStock1(product.getId(), num);

if (count == 1) {

//生成訂單

createOrders(user, product, num);

} else {

logger.info("庫存不足 3");

}

return 1;

} else {

logger.info("庫存不足 4");

return -1;

}

}

/**? ? ? * 下單操作2? ? ? *? ? ?

* @param req? ? ?

*/

private int place2(PlaceOrderReq req) {

User user = userDao.findOne(req.getUserId());

Product product = productDao.findOne(req.getProductId());

//下單數(shù)量 Integer num = req.getNum();

//可用庫存

Integer availableNum = product.getAvailableNum();

//可用預(yù)定

if (availableNum >= num) {

//減庫存

int count = productDao.reduceStock2(product.getId(), num);

if (count == 1) {

//生成訂單

createOrders(user, product, num);

} else {

logger.info("庫存不足 3");

}

return 1;

} else {

logger.info("庫存不足 4");

return -1;

}

}

方法1：不考慮庫存安全的寫法

/**? ? ? * 方法 1? ? ? * 減可用? ? ? * 加預(yù)占? ? ? * 庫存數(shù)據(jù)不安全? ? ? *? ? ? * @param req? ? ? */? ?

@Override? ?

@Transactional? ?

public void placeOrder(PlaceOrderReq req) {? ? ? ?

place1(req);? ?

}

分析：?在高并的場景下，假設(shè)庫存只有 2 件 ，兩個請求同時進(jìn)來，搶購改商品，購買數(shù)量都是 2. A請求 此時去獲取庫存，發(fā)現(xiàn)庫存剛好足夠，執(zhí)行扣庫存下單操作。 在 A 請求為完成的時候（事務(wù)未提交），B請求 此時也去獲取庫存，發(fā)現(xiàn)庫存還有2. 此時也去執(zhí)行扣庫存，下單操作。庫存剩 2 ，但是賣出了 4 。最終數(shù)據(jù)庫庫存數(shù)量將變?yōu)?-2 ，所以庫存是不安全的。

方法2：這個操作可以保證庫存數(shù)據(jù)是安全的

/**? ? ? * 方法 2? ? ? * 減可用? ? ? * 加預(yù)占? ? ? * 庫存數(shù)據(jù)不安全? ? ? *? ? ? * @param req? ? ? */

@Override? ?

@Transactional? ?

public void placeOrder(PlaceOrderReq req) {

place2(req);

}

分析：?在方法1 的基礎(chǔ)上 ，更新庫存的語句，增加了可用庫存數(shù)量 大于 0, availableNum - num >= 0 ;實(shí)質(zhì)是使用了數(shù)據(jù)庫的樂觀鎖來控制庫存安全，在并發(fā)量不是很大的情況下可以這么做。但是如果是秒殺，搶購，瞬時流量很高的話，壓力會都到數(shù)據(jù)庫，可能拖垮數(shù)據(jù)庫。

方法3：該方法也可以保證庫存數(shù)量安全

/**? ?

* 方法 3? ? ?

* 采用 Redis 鎖? 通一個時間 只能一個 請求修改 同一個商品的數(shù)量? ? ?

* <p>? ? ?

* 缺點(diǎn)并發(fā)不高,同時只能一個用戶搶占操作,用戶體驗(yàn)不好！? ? ? *? ? ?

* @param req? ? ?

*/

@Override? ?

public void placeOrder2(PlaceOrderReq req) {

String lockKey = "placeOrder:" + req.getProductId();

Boolean isLock = redisService.lock(lockKey);

if (!isLock) {

logger.info("系統(tǒng)繁忙稍后再試!");

return 2;

}

//place2(req); place1(req);

//這兩個方法都可以

redisService.unLock(lockKey);

}

分析：利用Redis 分布式鎖， 強(qiáng)制控制 同一個商品，同時只能一個請求處理下單。 其他請求返回 ‘系統(tǒng)繁忙稍后再試！’； 強(qiáng)制把處理請求串行化，缺點(diǎn)并發(fā)不高 ，處理比較慢，不適合搶購等方案 。 用戶體驗(yàn)也不好，明明看到庫存是充足的，就是強(qiáng)不到。 相比方案2減輕了數(shù)據(jù)庫的壓力。

?

方法4?：可以保證庫存安全，滿足高并發(fā)處理，但是相對復(fù)雜一點(diǎn)

/**? ? ?

* 方法 4? ? ?

* 商品的數(shù)量 等其他信息 先保存 到 Redis? ? ?

* 檢查庫存 與 減少庫存 不是原子性，? 以 increment > 0 為準(zhǔn)? ? ? *? ? ?

* @param req? ? ?

*/

@Override? ?

public void placeOrder3(PlaceOrderReq req) {

String key = "product:" + req.getProductId();

// 先檢查 庫存是否充足

Integer num = (Integer) redisService.get(key);

if (num < req.getNum()) {

logger.info("庫存不足 1");

} else{

//不可在這里下單減庫存，否則導(dǎo)致數(shù)據(jù)不安全， 情況類似 方法1；

}

//減少庫存

long value = redisService.increment(key, -req.getNum().longValue());

//庫存充足

if (value >= 0) {

logger.info("成功搶購 ! ");

//TODO 真正減 扣 庫存 等操作 下單等操作? ,這些操作可用通過 MQ 或 其他方式

place2(req);

} else {

//庫存不足，需要增加剛剛減去的庫存

redisService.increment(key, req.getNum().longValue());

logger.info("庫存不足 2 ");

}

}

分析： 利用Redis increment 的原子操作，保證庫存安全。 事先需要把庫存的數(shù)量等其他信息保存到Redis，并保證更新庫存的時候，更新Redis。

進(jìn)來的時候 先 get 庫存數(shù)量是否充足，再執(zhí)行 increment。以 increment > 0 為準(zhǔn)。 檢查庫存 與 減少庫存 不是原子性的。 檢查庫存的時候技術(shù)庫存充足也不可下單；否則造成庫存不安全，原來類似 方法1. increment 是個原子操作，已這個為準(zhǔn)。

redisService.increment(key, -req.getNum().longValue()) >= 0 說明庫存充足，可以下單。

redisService.increment(key, -req.getNum().longValue()) < 0 的時候 不能下單，次數(shù)庫存不足。并且需要 回加剛剛減去的庫存數(shù)量，否則會導(dǎo)致剛才減扣的數(shù)量 一直買不出去。數(shù)據(jù)庫與緩存的庫存不一致。

次方法可以滿足 高并搶購等一些方案，真正減扣庫存和下單可以異步執(zhí)行。

訂單時效問題，訂單取消等 為保證商家利益，同時把商品賣給有需要的人，訂單下單成功后，往往會有個有效時間。超過這個時間，訂單取消，庫存回滾。

訂單取消后，可利用MQ 回退庫存等。

轉(zhuǎn)載于:https://www.cnblogs.com/jurendage/p/11240172.html

總結(jié)

以上是生活随笔為你收集整理的Java生鲜电商平台-高并发核心技术订单与库存实战的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。