一、摘要
在上一篇文章中，我们详细的介绍了对于下单流量不算高的系统，可以通过请求唯一ID+数据表增加唯一索引约束这种方案来实现防止接口重复提交！
随着业务的快速增长，每一秒的下单请求次数，可能从几十上升到几百甚至几千。
面对这种下单流量越来越高的场景，此时数据库的访问压力会急剧上升，上面这套方案全靠数据库来解决，会特别吃力！
对于这样的场景，我们可以选择引入缓存中间件来解决，可选的组件有 redis、memcache 等。
下面，我们以引入redis缓存数据库服务器，向大家介绍具体的解决方案！
二、方案实践
我们先来看一张图，这张图就是本次方案的核心流程图。
实现的逻辑，流程如下：
- 1.当用户进入订单提交界面的时候，调用后端获取请求唯一 ID，同时后端将请求唯一ID存储到
redis中再返回给前端，前端将唯一 ID 值埋点在页面里面 - 2.当用户点击提交按钮时，后端检查这个请求唯一 ID 是否存在，如果不存在，提示错误信息；如果存在，继续后续检查流程
- 3.使用
redis的分布式锁服务，对请求 ID 在限定的时间内进行加锁，如果加锁成功，继续后续流程；如果加锁失败，说明服务正在处理，请勿重复提交 - 4.最后一步，如果加锁成功后，需要将锁手动释放掉，以免再次请求时，提示同样的信息；同时如果任务执行成功，需要将
redis中的请求唯一 ID 清理掉 - 5.至于数据库是否需要增加字段唯一索引，理论上可以不用加，如果加了更保险
引入缓存服务，防止重复提交的大体思路如上，实践代码如下！
2.1、引入 redis 组件
小编的项目是基于SpringBoot版本进行构建，添加相关的redis依赖环境如下：
<!-- 引入springboot --> <parent> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-parent</artifactId> <version>2.1.0.RELEASE</version> </parent> ...... <!-- Redis相关依赖包，采用jedis作为客户端 --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-data-redis</artifactId> <exclusions> <exclusion> <groupId>redis.clients</groupId> <artifactId>jedis</artifactId> </exclusion> <exclusion> <artifactId>lettuce-core</artifactId> <groupId>io.lettuce</groupId> </exclusion> </exclusions> </dependency> <dependency> <groupId>redis.clients</groupId> <artifactId>jedis</artifactId> </dependency> <dependency> <groupId>org.apache.commons</groupId> <artifactId>commons-pool2</artifactId> </dependency> 特别注意：由于每个项目环境不一样，具体的依赖包需要和工程版本号匹配！
2.2、添加 redis 环境配置
在全局配置application.properties文件中，添加redis相关服务配置如下
# Redis数据库索引（默认为0） spring.redis.database=1 # Redis服务器地址 spring.redis.host=127.0.0.1 # Redis服务器连接端口 spring.redis.port=6379 # Redis服务器连接密码（默认为空） spring.redis.password= # Redis服务器连接超时配置 spring.redis.timeout=1000 # 连接池配置 spring.redis.jedis.pool.max-active=8 spring.redis.jedis.pool.max-wait=1000 spring.redis.jedis.pool.max-idle=8 spring.redis.jedis.pool.min-idle=0 spring.redis.jedis.pool.time-between-eviction-runs=100 在使用redis之前，请确保redis服务器是启动状态，并且能正常访问！
2.3、编写获取请求唯一ID的接口，同时将唯一ID存入redis
@RestController @RequestMapping("api") public class SubmitTokenController { /** * SubmitToken过期时间 */ private static final Integer EXPIRE_TIME = 60; @Autowired private StringRedisTemplate stringRedisTemplate; /** * 获取getSubmitToken * @return */ @RequestMapping("getSubmitToken") public ResResult getSubmitToken(){ String uuid = UUID.randomUUID().toString(); //存入redis stringRedisTemplate.opsForValue().set(uuid, uuid, EXPIRE_TIME, TimeUnit.SECONDS); return ResResult.getSuccess(uuid); } } 2.4、编写服务验证逻辑，通过 aop 代理方式实现
首先创建一个@SubmitToken注解，通过这个注解来进行方法代理拦截！
@Retention(RetentionPolicy.RUNTIME) @Target({ElementType.METHOD}) @Documented public @interface SubmitToken { } 编写方法代理服务，增加防止重复提交的验证，实现了逻辑如下！
@Order(1) @Aspect @Component public class SubmitTokenAspect { private static final Logger LOGGER = LoggerFactory.getLogger(SubmitTokenAspect.class); /** * 获取分布式锁等待时间，单位秒 */ private static final Long LOCK_REDIS_WAIT_TIME = 3L; /** * 分布式锁前缀 */ private static final String LOCK_KEY_PREFIX = "SUBMIT:TOKEN:LOCK"; /** * 默认锁对应的值 */ private static final String DEFAULT_LOCK_VALUE = "DEFAULT_LOCK_VALUE"; @Autowired private StringRedisTemplate stringRedisTemplate; @Autowired private RedisLockService redisLockService; /** * 方法调用环绕拦截 */ @Around(value = "@annotation(com.example.submittoken.config.annotation.SubmitToken)") public Object doAround(ProceedingJoinPoint joinPoint){ HttpServletRequest request = getHttpServletRequest(); if(Objects.isNull(request)){ return ResResult.getSysError("请求参数不能为空！"); } String submitToken = request.getHeader("submitToken"); if(StringUtils.isEmpty(submitToken)){ return ResResult.getSysError("submitToken不能为空！"); } //检查submitToken是否存在 String submitTokenValue = stringRedisTemplate.opsForValue().get(submitToken); if(StringUtils.isEmpty(submitTokenValue)){ return ResResult.getSysError(ResResultEnum.SUBMIT_ERROR_MESSAGE); } //尝试加锁 String lockKey = LOCK_KEY_PREFIX + submitToken; boolean lock = redisLockService.tryLock(lockKey, DEFAULT_LOCK_VALUE, Duration.ofSeconds(LOCK_REDIS_WAIT_TIME)); if(!lock){ return ResResult.getSysError("服务正在处理，请勿重复提交！"); } try { //继续执行后续流程 Object result = joinPoint.proceed(); //任务执行成功，清除submitToken缓存 stringRedisTemplate.delete(submitToken); return result; } catch (CommonException e) { return ResResult.getSysError(e.getMessage()); } catch (Throwable e) { LOGGER.error("业务处理发生异常，错误信息：",e); return ResResult.getSysError(ResResultEnum.DEFAULT_ERROR_MESSAGE); } finally { //执行完毕之后，手动将锁释放 redisLockService.releaseLock(lockKey, DEFAULT_LOCK_VALUE); } } /** * 获取请求对象 * @return */ private HttpServletRequest getHttpServletRequest(){ RequestAttributes ra = RequestContextHolder.getRequestAttributes(); ServletRequestAttributes sra = (ServletRequestAttributes)ra; HttpServletRequest request = sra.getRequest(); return request; } } 部分校验逻辑用到了redis分布式锁，具体实现逻辑如下：
/** * redis分布式锁服务类 * 采用LUA脚本实现，保证加锁、解锁操作原子性 * */ @Component public class RedisLockService { /** * 分布式锁过期时间，单位秒 */ private static final Long DEFAULT_LOCK_EXPIRE_TIME = 60L; @Autowired private StringRedisTemplate stringRedisTemplate; /** * 尝试在指定时间内加锁 * @param key * @param value * @param timeout 锁等待时间 * @return */ public boolean tryLock(String key,String value, Duration timeout){ long waitMills = timeout.toMillis(); long currentTimeMillis = System.currentTimeMillis(); do { boolean lock = lock(key, value, DEFAULT_LOCK_EXPIRE_TIME); if (lock) { return true; } try { Thread.sleep(1L); } catch (InterruptedException e) { Thread.interrupted(); } } while (System.currentTimeMillis() < currentTimeMillis + waitMills); return false; } /** * 直接加锁 * @param key * @param value * @param expire * @return */ public boolean lock(String key,String value, Long expire){ String luaScript = "if redis.call('setnx', KEYS[1], ARGV[1]) == 1 then return redis.call('expire', KEYS[1], ARGV[2]) else return 0 end"; RedisScript<Long> redisScript = new DefaultRedisScript<>(luaScript, Long.class); Long result = stringRedisTemplate.execute(redisScript, Collections.singletonList(key), value, String.valueOf(expire)); return result.equals(Long.valueOf(1)); } /** * 释放锁 * @param key * @param value * @return */ public boolean releaseLock(String key,String value){ String luaScript = "if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end"; RedisScript<Long> redisScript = new DefaultRedisScript<>(luaScript, Long.class); Long result = stringRedisTemplate.execute(redisScript, Collections.singletonList(key),value); return result.equals(Long.valueOf(1)); } } 2.5、在相关的业务接口上，增加SubmitToken注解即可
@RestController @RequestMapping("order") public class OrderController { @Autowired private OrderService orderService; /** * 下单 * @param request * @return */ @SubmitToken @PostMapping(value = "confirm") public ResResult confirm(@RequestBody OrderConfirmRequest request){ //调用订单下单相关逻辑 orderService.confirm(request); return ResResult.getSuccess(); } } 整套方案完全基于redis来实现，同时结合redis的分布式锁来实现请求限流，之所以选择redis，是因为它是一个内存数据库，性能比关系型数据库强太多，即使每秒的下单请求量在几千，也能很好的应对，为关系型数据库起到降压作用！
特别注意的地方：使用redis的分布式锁，推荐单机环境，如果redis是集群环境，可能会导致锁短暂无效！
三、小结
随着下单流量逐渐上升，通过查询数据库来检查当前服务请求是否重复提交这种方式，可能会让数据库的请求查询频率变得非常高，数据库的压力会倍增。
此时我们可以引入redis缓存，将通过查询数据库来检查当前请求是否重复提交这种方式，转移到通过查询缓存来检查当前请求是否重复提交，可以很好的给数据库降压！
