避免超卖灾难：揭秘乐观锁+Redis缓存下单减库存的隐患

后端

2023-07-04 00:29:06

电商并发下单减库存：避免超卖灾难的稳健方案

并发下单的挑战

电商系统中，面对海量用户同时下单的并发场景，保证库存准确并避免超卖是一项艰巨的挑战。传统的数据库锁机制虽能保证数据一致性，却会带来性能瓶颈。因此，业界普遍采用乐观锁+Redis缓存 的方案来实现并发下单减库存。

乐观锁+Redis缓存的隐患

1. Redis缓存与数据库数据不一致

高并发场景下，Redis缓存数据可能与数据库数据不一致，导致超卖。

2. Redis缓存穿透

当商品库存为0时，Redis缓存中若无对应数据，就会发生穿透，导致超卖。

3. Redis缓存击穿

缓存数据失效时，用户下单会直接访问数据库，造成数据库压力过大。

解决方案：避免超卖灾难

为避免超卖，采取以下措施至关重要：

1. 分布式锁

分布式锁可确保Redis缓存与数据库数据一致。下单前获取锁，读取库存并减库存，释放锁后写入数据库。

2. 设置Redis缓存过期时间

过期时间防止缓存穿透。即使缓存数据与数据库不一致，也不会导致超卖。

3. 限流机制

限流机制控制对Redis缓存的访问量，避免击穿导致数据库宕机。

稳健并发下单减库存方案

1. 分布式锁

// 获取分布式锁
Lock lock = distributedLock.tryLock(lockKey, acquireTimeout, leaseTime);
if (lock != null) {
  // 获取库存并减库存
  int stock = redisCache.getStock(productId);
  if (stock >= quantity) {
    redisCache.deductStock(productId, quantity);
    // 将下单信息写入数据库
    orderService.createOrder(orderInfo);
  }
  // 释放分布式锁
  lock.unlock();
}

2. 设置Redis缓存过期时间

redisCache.setStock(productId, stock, expireTime);

3. 限流机制

// 限流规则：每秒允许1000个请求访问Redis缓存
RateLimiter rateLimiter = RateLimiter.create(1000);
// 获取令牌
if (!rateLimiter.tryAcquire()) {
  return Response.error(HttpStatus.TOO_MANY_REQUESTS, "访问过于频繁");
}