黑马点评–优惠卷秒杀

全局ID生成器：

是一种在分布式系统下用来生成全局唯一ID的工具，一般要满足下列特性：

为了增加ID的安全性，我们可以不直接使用Redis自增的数值，而是拼接一些其它信息：

Redis自增ID策略：

• 每天一个key，方便统计订单量
• iD结构是时间戳+计数器

    /**
     * 开始时间戳
     */
    private static final long BEGIN_TIMESTAMP = 1640995200;
    /**
     * 序列号的位数
     */
    private static final int COUNT_BITS = 32;
    /**
     * id生成策略
     *
     * @param keyPrefix 业务前缀
     * @return
     */
    @Resource
    private StringRedisTemplate stringRedisTemplate;

    public long nextId(String keyPrefix) {
        //1.生成时间戳
        LocalDateTime now = LocalDateTime.now();
        long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
        long timestamp = nowSecond - BEGIN_TIMESTAMP;
        //2.生成序列号
        //2.1获取当前日期，精确到天
        String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
        //2.2自增长
        Long count = stringRedisTemplate.opsForValue().increment("icr:" + keyPrefix + ":" + date);
        //3.拼接并返回

        return timestamp << COUNT_BITS | count;
    }


    public static void main(String[] args) {

        LocalDateTime time = LocalDateTime.of(2022, 1, 1, 0, 0, 0);
        long second = time.toEpochSecond(ZoneOffset.UTC);
        System.out.println(second);
    }

测试ID自增生成策略：

500个线程每一个线程生成100id一共50000个id花的时间：

private ExecutorService service = Executors.newFixedThreadPool(500);
    @Test
    void testIdWorker() throws InterruptedException {
        CountDownLatch latch =new CountDownLatch(500);
        Runnable task = ()->{
            for (int i=0;i<100;i++){
                long id= redisIdWorker.nextId("order");
                System.out.println("id=" +id);
            }
            latch.countDown();
        };
        long start=System.currentTimeMillis();
        for (int i=0;i<500;i++){
            service.submit(task);
        }
        latch.await();
        long end=System.currentTimeMillis();
        System.out.println("end=" +(end-start));
    }

每个店铺都可以发布优惠卷：

当用户抢购时，就会生成订单并保存到tb_voucher_order这张表中，而订单表如果使用数据库自增ID就会存在一些问题：

• id的规律太明显
• 受单表数据量的限制

全局唯一ID生成策略：

• UUID
• Redis自增
• sonwflake算法
• 数据库自增

实现优惠券秒杀下单

每个店铺都可以发布优惠券，分为平价卷和特价卷。平价劵可以任意购买，而特价劵需要秒杀抢购：

表关系如下：

• tb_voucher:优惠劵的基本信息，优惠金额，使用规则等
• tb_seckill_voucher:优惠劵的库存，开始抢购时间，结束抢购时间。特价优惠券才需要填写这些信息

在VoucherController中提供一个接口，可以添加秒杀优惠券：http://localhost:8081/voucher/seckill

{
"shopId":1,
"title":"100元代金券",
"subTitle":"周一至周五均可使用",
"rules": "全场通用\\n无需预约\\n可无限叠加\\不兑换、不找零\\n仅限堂食",
"payValue": 8000,
"actualValue": 10000,
"type": 1,
"stock": 100,
"beginTime": "2022-10-25T12:09:04",
"endTime": "2022-12-25T12:09:04"
}

可以通过postman调用

实现秒杀下单：

下单时需要判断两点：

• 秒杀是否开始或结束，如果尚未开始或已经结束无法下单
• 库存是否充足，不足则无法下单

库存超卖问题分析：

超卖问题是典型的多线程安全问题，针对这一问题的常见解决方案就是加锁：

乐观锁：

• 版本号法
  

• CAS法（CompareAndSet）

  • 

乐观锁解决超卖问题：

//1.查询优惠劵
SeckillVoucher voucher = iSeckillVoucherService.getById(voucherId);
//2.判断秒杀是否开始
LocalDateTime beginTime = voucher.getBeginTime();
if (beginTime.isAfter(LocalDateTime.now())) {
    //尚未开始
    return Result.fail("活动尚未开始");
}
//3.判断秒杀是否已经结束
LocalDateTime endTime = voucher.getEndTime();
if (LocalDateTime.now().isAfter(endTime)) {
    //已结束
    return Result.fail("活动已经结束");
}
//4判断库存是否充足
if (voucher.getStock() < 1) {
    //库存不足
    return Result.fail("库存不足!");
}
//5.扣减库存
boolean success =iSeckillVoucherService.update()
        .setSql("stock =stock -1")
        .eq("voucher_id",voucherId).gt("stock",0).
        update();

if (!success) {
    //扣减失败
    return Result.fail("库存不足!");
}
//6.创建订单
VoucherOrder voucherOrder = new VoucherOrder();
//6.1 订单id
long orderId = redisIdWorker.nextId("order");
voucherOrder.setId(orderId);
//6.2 用户id
Long userId = UserHolder.getUser().getId();
voucherOrder.setUserId(userId);
//6.3 代金券id
voucherOrder.setVoucherId(voucherId);
save(voucherOrder);
// 7.返回订单id
return Result.ok(orderId);

超卖这样的线程安全问题，解决方案有哪些？

1.悲观锁：添加同步锁，让线程串行执行

• 优点：简单粗暴
• 缺点：性能一般

2.乐观锁：不加锁，在更新时判读是否有其它线程在修改

一人一单：

需求：修改秒杀业务，要求同一个优惠券，一个用户只能下一单

    @Autowired
    private ISeckillVoucherService iSeckillVoucherService;

    @Autowired
    private RedisIdWorker redisIdWorker;

    @Override
    public Result seckillVoucher(Long voucherId) {
        //1.查询优惠劵
        SeckillVoucher voucher = iSeckillVoucherService.getById(voucherId);
        //2.判断秒杀是否开始
        LocalDateTime beginTime = voucher.getBeginTime();
        if (beginTime.isAfter(LocalDateTime.now())) {
            //尚未开始
            return Result.fail("活动尚未开始");
        }
        //3.判断秒杀是否已经结束
        LocalDateTime endTime = voucher.getEndTime();
        if (LocalDateTime.now().isAfter(endTime)) {
            //已结束
            return Result.fail("活动已经结束");
        }
        //4判断库存是否充足
        if (voucher.getStock() < 1) {
            //库存不足
            return Result.fail("库存不足!");
        }
        Long userId = UserHolder.getUser().getId();
        synchronized (userId.toString().intern()){
            //获取spring事务代理对象
            IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
            return proxy.createVoucherOrder(voucherId);
    }
}

    @Transactional
    public  Result createVoucherOrder(Long voucherId) {
            //6.一个人一单
            Long userId = UserHolder.getUser().getId();
            //6.1查询订单
            int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
            //6.2判断是否存在
            if (count > 0) {
                //用户以及购买过
                return Result.fail("用户已经购买过一次");
            }
            //7.扣减库存
            boolean success = iSeckillVoucherService.update()
                    .setSql("stock =stock -1")
                    .eq("voucher_id", voucherId)
                    .gt("stock", 0).update();
            if (!success) {
                //扣减失败
                return Result.fail("库存不足!");
            }
            //8.创建订单
            VoucherOrder voucherOrder = new VoucherOrder();
            //8.1 订单id
            long orderId = redisIdWorker.nextId("order");
            voucherOrder.setId(orderId);
            //8.2 用户id
            voucherOrder.setUserId(userId);
            //8.3 代金券id
            voucherOrder.setVoucherId(voucherId);
            save(voucherOrder);
            // 9.返回订单id
            return Result.ok(orderId);
        }

一人一单的并发安全问题：

通过加锁可以解决在单机情况下的一人一单安全问题，但是在集群模式下就不行了。

1.我们将服务启动两份，端口分别为8081和8082：

2.修改nginx的conf目录下的nginx.conf文件，配置反向代理和负载均衡：

现在，用户请求会在这两个节点上负载均衡，再次测试下是否存在线程安全问题。

一人一单的并发安全问题：