业务复杂、数据量大、并发量大的业务场景下,典型的互联网架构,一般会分为这么几层:
对于库存业务,一般有个库存服务,提供库存的查询、扣减、设置等RPC接口:
用户下单前,一般会对库存进行查询,有足够的存量才允许扣减:
如上图所示,通过查询接口,得到库存是5。
用户下单时,接着会对库存进行扣减:
如上图所示,购买3单位的商品,通过扣减接口,最终得到库存是2。
希望设计往往有容错机制,例如“重试”,如果通过扣减接口来修改库存,在重试时,可能会得到错误的数据,导致重复扣减:
如上图所示,如果数据库层面有重试容错机制,可能导致一次扣减执行两次,最终得到一个负数的错误库存。
重试导致错误的根本原因,是因为“扣减”操作是一个非幂等的操作,不能够重复执行,改成设置操作则不会有这个问题:
如上图所示,同样是购买3单位的商品,通过设置库存操作,即使有重试容错机制,也不会得到错误的库存,设置库存是一个幂等操作。
在并发量很大的情况下,还会有其他的问题:
如上图所示,两个并发的操作,查询库存,都得到了库存是5。
接下来用户发生了并发的购买动作(秒杀类业务特别容易出现):
如上图所示:
其根本原因是,设置操作发生的时候,没有检查库存与查询出来的库存有没有变化,理论上:
实际执行的时候:
升级修改很容易,将库存设置接口,stock-service上执行的:
update stock set num=$y where sid=$sid
升级为:
update stock set num=$num_new where sid=$sid and num=$num_old
这正是大家常说的“Compare And Set”(CAS),是一种常见的降低读写锁冲突,保证数据一致性的方法。
总结
在业务复杂,数据量大,并发量大的情况下,库存扣减容易引发数据的不一致,常见的优化方案有两个:
希望大伙有收获。