导读
高并发-【抢红包案例】之一:SSM环境搭建及复现红包超发问题
高并发-【抢红包案例】之二:使用悲观锁方式修复红包超发的bug
高并发-【抢红包案例】之三:使用乐观锁方式修复红包超发的bug
概述
上面三篇博文是使用的MySql数据库来作为数据的载体数据最终会将数据保存到磁盘中,而Redis使用的是内存，内存的速度比磁盘速度肯定要快很多.
对于使用 Redis实现抢红包,首先需要知道的是Redis的功能不如数据库强大，事务也不是很完整.因此要保证数据的正确性数据的正确性可以通过严格的验证得以保证。
而 Redis的 Lua 语言是原子性的,且功能更为强大,所以优先选择使用Lua语言来实现抢红包。
但是无论如何对于数据而言，在 Redis 当中存储，始终都不是长久之计 ， 因为 Redis并非一个长久储存数据的地方,更多的时候只是为了提供更为快速的缓存，所以当红包金额为 0 或者红包超时的时候(超时操作可以使用定时机制实,这里暂不讨论)， 会将红包数据保存到数据库中, 这样才能够保证数据的安全性和严格性。
所以本篇博文我们将使用Redis + lua脚本来实现抢红包的功能。
实现步骤
首先在类 RootConfig 上创建一个 RedisTemplate 对象，并将其装载到 Spring IoC 容器中。
这样 RedisTemplate 就可以在 Spring 上下文中使用了。
注意， JedisConnectionFactory对象在最后的时候需要自行调用 afterPropertiesSet 方法，它实现了 lnitializingBean 接 口。 如果将其配置在 Spring IoC 容器中， Spring 会自动调用它，但是这里我们是自行创建的， 因此需要自行调用，否则在运用的时候会抛出异常。
Redis 并不是一个严格的事务，而且事务的功能也是有限的 。 加上 Redis 本身的命令也比较有限，功能性不强，为了增强功能性，还可以使用 Lua 语言。
Redis 中的 Lua 语言是一种原子性的操作，可以保证数据的一致性 。
依据这个原理可以避免超发现象，完成抢红包的功能，而且对于性能而言， Redis 会比数据库快得多。
第一次运行 Lua 脚本的时候，先在 Redis 中编译和缓存脚本，这样就可以得到一个 SHA1字符串，之后通过 SHAl 字符串和参数就能调用 Lua 脚本了
流程:
判断是否存在可抢的库存，如果己经没有可抢夺 的红包，则返回为 0，结束流程
有可抢夺的红包，对于红包的库存减1 ，然后重新设置库存
将抢红包数据保存到 Redis 的链表当中，链表的 key 为 red_packet_list_ {id｝
如果当前库存为 0 ，那么返回 2，这说明可以触发数据库对 Redis 链表数据的保存，链表的 key 为 red_packet_ list_ {id｝，它将保存抢红包的用户名和抢的时间
如果当前库存不为 0 ，那么将返回 1，这说明抢红包信息保存成功。
当返回为 2 的时候，说明红包己经没有库存，会触发数据库对链表数据的保存， 这是一个大数据量的保存。为了不影响最后一次抢红包的响应，在实际的操作中往往会考虑使用 JMS 消息发送到别的服务器进行操作,我们这里选择一种简单的方式来实现，去创建一条新的线程去运行保存 Redis 链表数据到数据库。
那就在Service层写一个持久到数据库的服务类吧
接口
实现类
package com.artisan.redpacket.service.impl;
import java.sql.Connection;
import java.sql.SQLException;
import java.sql.Statement;
import java.sql.Timestamp;
import java.text.DateFormat;
import java.text.SimpleDateFormat;
import java.util.ArrayList;
import java.util.List;
import javax.sql.DataSource;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.BoundListOperations;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.scheduling.annotation.Async;
import org.springframework.stereotype.Service;
import com.artisan.redpacket.pojo.UserRedPacket;
import com.artisan.redpacket.service.RedisRedPacketService;
@Service
public class RedisRedPacketServiceImpl implements RedisRedPacketService {
private static final String PREFIX = "red_packet_list_";
// 每次取出1000条，避免一次取出消耗太多内存
private static final int TIME_SIZE = 1000;
@Autowired
private RedisTemplate redisTemplate; // RedisTemplate
@Autowired
private DataSource dataSource; // 数据源
@Override
// 开启新线程运行
@Async
public void saveUserRedPacketByRedis(Long redPacketId, Double unitAmount) {
System.err.println("开始保存数据");
Long start = System.currentTimeMillis();
// 获取列表操作对象
BoundListOperations ops = redisTemplate.boundListOps(PREFIX + redPacketId);
Long size = ops.size();
Long times = size % TIME_SIZE == 0 ? size / TIME_SIZE : size / TIME_SIZE + 1;
int count = 0;
List<UserRedPacket> userRedPacketList = new ArrayList<UserRedPacket>(TIME_SIZE);
for (int i = 0; i < times; i++) {
// 获取至多TIME_SIZE个抢红包信息
List userIdList = null;
if (i == 0) {
userIdList = ops.range(i * TIME_SIZE, (i + 1) * TIME_SIZE);
} else {
userIdList = ops.range(i * TIME_SIZE + 1, (i + 1) * TIME_SIZE);
userRedPacketList.clear();
// 保存红包信息
for (int j = 0; j < userIdList.size(); j++) {
String args = userIdList.get(j).toString();
String[] arr = args.split("-");
String userIdStr = arr[0];
String timeStr = arr[1];
Long userId = Long.parseLong(userIdStr);
Long time = Long.parseLong(timeStr);
// 生成抢红包信息
UserRedPacket userRedPacket = new UserRedPacket();
userRedPacket.setRedPacketId(redPacketId);
userRedPacket.setUserId(userId);
userRedPacket.setAmount(unitAmount);
userRedPacket.setGrabTime(new Timestamp(time));
userRedPacket.setNote("抢红包 " + redPacketId);
userRedPacketList.add(userRedPacket);
// 插入抢红包信息
count += executeBatch(userRedPacketList);
// 删除Redis列表
redisTemplate.delete(PREFIX + redPacketId);
Long end = System.currentTimeMillis();
System.err.println("保存数据结束，耗时" + (end - start) + "毫秒，共" + count + "条记录被保存。");
* 使用JDBC批量处理Redis缓存数据.
* @param userRedPacketList
* -- 抢红包列表
* @return 抢红包插入数量.
private int executeBatch(List<UserRedPacket> userRedPacketList) {
Connection conn = null;
Statement stmt = null;
int[] count = null;
try {
conn = dataSource.getConnection();
conn.setAutoCommit(false);
stmt = conn.createStatement();
for (UserRedPacket userRedPacket : userRedPacketList) {
String sql1 = "update T_RED_PACKET set stock = stock-1 where id=" + userRedPacket.getRedPacketId();
DateFormat df = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
String sql2 = "insert into T_USER_RED_PACKET(red_packet_id, user_id, " + "amount, grab_time, note)"
+ " values (" + userRedPacket.getRedPacketId() + ", " + userRedPacket.getUserId() + ", "
+ userRedPacket.getAmount() + "," + "'" + df.format(userRedPacket.getGrabTime()) + "'," + "'"
+ userRedPacket.getNote() + "')";
stmt.addBatch(sql1);
stmt.addBatch(sql2);
// 执行批量
count = stmt.executeBatch();
// 提交事务
conn.commit();
} catch (SQLException e) {
/********* 错误处理逻辑 ********/
throw new RuntimeException("抢红包批量执行程序错误");
} finally {
try {
if (conn != null && !conn.isClosed()) {
conn.close();
} catch (SQLException e) {
e.printStackTrace();
// 返回插入抢红包数据记录
return count.length / 2;
}
注解＠Async 表示让 Spring 自动创建另外一条线程去运行它，这样它便不在抢最后一个红包的线程之内。因为这个方法是一个较长时间的方法，如果在同一个线程内，那么对于最后抢红包的用户需要等待的时间太长，用户体验不好
这里是每次取出 1 000 个抢红包的信息，之所以这样做是为了避免取出 的数据过大 ， 导致JVM 消耗过多的内存影响系统性能。
对于大批量的数据操作，这是我们在实际操作中要注意的，最后还会删除 Redis保存的链表信息，这样就帮助 Redis 释放内存了
对于数据库的保存 ，这里采用了 JDBC的批量处理，每 1000 条批量保存一次，使用批量有助于性能的提高。
注解＠Async 的前提是提供一个任务池给 Spring 环境，这个时候要在原有的基础上改写配置类 WebConfig
使用＠EnableAsync 表明支持异步调用，而我们实现了接口 AsyncConfigurerSupport 的getAsyncExecutor 方法，它是获取一个任务池，当在 Spring 环境中遇到注解＠Async就会启动这个任务池的一条线程去运行对应的方法，这样便能执行异步了。
UserRedPacketService接口新增接口方法grapRedPacketByRedis
实现类
@Autowired
private RedisTemplate redisTemplate;
@Autowired
private RedisRedPacketService redisRedPacketService;
// Lua脚本
String script = "local listKey = 'red_packet_list_'..KEYS[1] \n"
+ "local redPacket = 'red_packet_'..KEYS[1] \n"
+ "local stock = tonumber(redis.call('hget', redPacket, 'stock')) \n"
+ "if stock <= 0 then return 0 end \n"
+ "stock = stock -1 \n"
+ "redis.call('hset', redPacket, 'stock', tostring(stock)) \n"
+ "redis.call('rpush', listKey, ARGV[1]) \n"
+ "if stock == 0 then return 2 end \n"
+ "return 1 \n";
// 在缓存LUA脚本后，使用该变量保存Redis返回的32位的SHA1编码，使用它去执行缓存的LUA脚本[加入这句话]
String sha1 = null;
@Override
public Long grapRedPacketByRedis(Long redPacketId, Long userId) {
// 当前抢红包用户和日期信息
String args = userId + "-" + System.currentTimeMillis();
Long result = null;
// 获取底层Redis操作对象
Jedis jedis = (Jedis) redisTemplate.getConnectionFactory().getConnection().getNativeConnection();
try {
// 如果脚本没有加载过，那么进行加载，这样就会返回一个sha1编码
if (sha1 == null) {
sha1 = jedis.scriptLoad(script);
// 执行脚本，返回结果
Object res = jedis.evalsha(sha1, 1, redPacketId + "", args);
result = (Long) res;
// 返回2时为最后一个红包，此时将抢红包信息通过异步保存到数据库中
if (result == 2) {
// 获取单个小红包金额
String unitAmountStr = jedis.hget("red_packet_" + redPacketId, "unit_amount");
// 触发保存数据库操作
Double unitAmount = Double.parseDouble(unitAmountStr);
redisRedPacketService.saveUserRedPacketByRedis(redPacketId, unitAmount);
} finally {
// 确保jedis顺利关闭
if (jedis != null && jedis.isConnected()) {
jedis.close();
return result;
这里使用了保存脚本返回 的 SHAl 字符串 ，所以只会发送一次脚本到 Redis 服务器，之后只传输 SHAl 字符串和参数到 Redis 就能执行脚本 了， 当脚本返回为 2 的时候， 表示此时所有的红包都已经被抢光了 ，那么就会触发 redisRedPacketService 的 saveUserRedPacketByRedis 方法。由于在 saveU serRedPacketByRedis 加入注解＠Async ， 所以 Spring 会创建一条新的线程去运行它 ， 这样就不会影响最后抢一个红包用户 的响应时间了 。
先在 Redis 上添加红包信息
初始化了一个编号为1 的大红包，其中库存为 2 万个，每个 10 元. 需要保证数据库的红包表内也有对应的记录才可以。
复制个grapByRedis.jsp,测试吧
启动应用，访问 http://localhost:8080/ssm_redpacket/grapByRedis.jsp
结合前几篇的数据统计，使用Redis的方式数据一致性也得到了保证且性能远远高于
乐观锁
和悲观锁的方式。
https://github.com/yangshangwei/ssm_redpacket
总结
