目录

优化思路分析

缓存数据结构

异步领券

---

优化思路分析

高并发写优化的几种思路

合并写请求比较适合应用在写频率较高，写数据比较简单的场景。而异步写则更适合应用在业务比较复杂，业务链较长的场景。

显然，领券业务更适合使用异步写方案。

当用户请求来领券时，不是直接领券，而是通过MQ发送一个领券消息。有一个监听器监听消息，完成领券动作

判断用户是否具有领劵资格的校验必须前置，只要发送mq 就表明肯定有领劵资格

但是，校验领券资格的部分依然会有多次数据库查询，还需要加锁。效率提升并不明显，怎么办？

为了进一步提高效率，我们可以把优惠券相关数据缓存到Redis中，这样就可以基于Redis完成资格校验，不用访问数据库，效率自然会进一步提高了。

缓存数据结构

优惠券资格校验需要校验的内容包括：

• 优惠券发放时间

• 优惠券库存

• 用户限领数量

因此，为了减少对Redis内存的消耗，在构建优惠券缓存的时候，我们并不需要把所有优惠券信息写入缓存，而是只保存上述字段即可。

为了便于我们修改缓存中的库存数据，这里建议采用Hash结构，将库存作为Hash的一个字段

时间存进去只是为了取的时候方便，所以时间转换为毫秒值

String.valueOf(DateUtils.toEpochMilli(LocalDateTime.now())) 使用DateUtils.toEpochMilli转换localdatetime为毫秒值，然后使用string.valueof转化为string 存起来，因是hash,所以可以直接存入map,这样可以一次性存进去

上述结构中记录了券的每人限领数量：userLimit , 但是用户已经领取的数量并没有记录。因此，我们还需要一个数据结构，来记录某张券，每个用户领取的数量。

一个券可能被多个用户领取，每个用户的已领取数量都需要记录。显然，还是Hash结构更加适合：

优惠券的缓存该何时添加呢？

优惠券一旦发放，就可能有用户来领券，因此应该在发放优惠券的同时直接添加优惠券缓存。而暂停发放时则应该将优惠券的缓存删除，下次再次发放时重新添加。

移除缓存

redisTemplate.delete(PromotionConstants.COUPON_CACHE_KEY_PREFIX + id);

至于过期移除缓存，大家需要编写一个定时任务，定期扫描优惠券并判断是否到达过期时间。如果到达则需要将优惠券状态置为发放结束，并移除Redis缓存。

异步领券

接下来我们就可以开始实现异步领券了。分为两步：

• 改造领券逻辑，实现基于Redis的领取资格校验，然后发送MQ消息

• 编写MQ监听器，监听到消息后执行领券逻辑

领劵前先查询缓存，看卷是否存在，查看时间是否可以领取查看库存是否充足，然后查看是否超过个人领劵限制（让个人领劵数量+1，加一后判断是否超过了领劵限制），如果校验都通过，然后让总数量-1   increment(key,userid,-1)，发送消息到队列，最后消息队列监听到更新即可（mq队列名叫什么无所谓只要交换机和key对应上就行），消费者消费消息的时候出现异常，看是否需要抛异常，因为配置文件中是否配置了重试机制？mq的stateless 一般开启事务的话 要设置为false 

 public void receiveCoupon(Long couponId) {
        Long userId = UserContext.getUser();
        String redissionkey = "lock:coupon:uid:"+userId;
        RLock lock = redissonClient.getLock(redissionkey);
        try {
            boolean isLock = lock.tryLock();
            if (!isLock) {
                throw new BizIllegalException("操作太频繁了");
            }
            // 1.查询优惠券
//        Coupon coupon = couponMapper.selectById(couponId);
            // 从redis中获取优惠卷信息
            Coupon coupon = queryCacheByCache(couponId);
            if (coupon == null) {
                throw new BadRequestException("优惠券不存在");
            }
            // 2.校验发放时间
            LocalDateTime now = LocalDateTime.now();
            if (now.isBefore(coupon.getIssueBeginTime()) || now.isAfter(coupon.getIssueEndTime())) {
                throw new BadRequestException("优惠券发放已经结束或尚未开始");
            }
            if (coupon.getTotalNum()<=0){
                throw new BadRequestException("库存不足");
            }
            // 4.校验每人限领数量
            // 4.1.查询领取数量
            String key = PromotionConstants.USER_COUPON_CACHE_KEY_PREFIX + couponId;
            // increment代表领取后的  已领数量
            Long count = redisTemplate.opsForHash().increment(key, userId.toString(), 1);
            // 4.2.校验限领数量
            if(count > coupon.getUserLimit()){
                throw new BadRequestException("超出领取数量");
            }
            // 5.扣减优惠券库存
            redisTemplate.opsForHash().increment(
                    PromotionConstants.COUPON_CACHE_KEY_PREFIX + couponId, "totalNum", -1);
            // 6.发送MQ消息
            UserCoupon uc = new UserCoupon();
            uc.setUserId(userId);
            uc.setCouponId(couponId);
            mqHelper.send(MqConstants.Exchange.PROMOTION_EXCHANGE, MqConstants.Key.COUPON_RECEIVE, uc);
        }finally {
            lock.unlock();
        }
}

  private Coupon queryCacheByCache(Long couponId) {
        // 1.准备KEY
        String key = PromotionConstants.COUPON_CACHE_KEY_PREFIX + couponId;
        Map<Object, Object> map = redisTemplate.opsForHash().entries(key);
        if (map.isEmpty()){
            return null;
        }
        //
        return BeanUtils.mapToBean(map,Coupon.class,false, CopyOptions.create());
    }

重点:

maptobean,第三个参数是否是驼峰来着？？反正选false,从redis取出来的没有驼峰

redis中hgetall 对应 java中 entries 

 maptobean，

rabbitmq的nacos配置

spring:
  rabbitmq:
    host: ${tj.mq.host:192.168.150.101}
    port: ${tj.mq.port:5672}
    virtual-host: ${tj.mq.vhost:/tjxt}
    username: ${tj.mq.username:tjxt}
    password: ${tj.mq.password:123321}
    listener:
      simple:
        retry:
          enabled: ${tj.mq.listener.retry.enable:true} # 开启消费者失败重试
          initial-interval: ${tj.mq.listener.retry.interval:1000ms} # 初始的失败等待时长为1秒
          multiplier: ${tj.mq.listener.retry.multiplier:2} # 失败的等待时长倍数，下次等待时长 = multiplier * last-interval
          max-attempts: ${tj.mq.listener.retry.max-attempts:3} # 最大重试次数
          stateless: ${tj.mq.listener.retry.stateless:true} # true无状态；false有状态。如果业务中包含事务，这里改为false