cvm可以做网站服务器吗,国内做外卖的网站有哪些,拼多多网站建设方案,建设银行淮安招聘网站文章目录 分布式并发场景的核心问题与解决方案一、核心问题分析1. 分布式事务问题2. 数据一致性问题3. 并发控制问题4. 分布式锁失效问题 二、解决方案1. 分布式事务解决方案1.1 可靠消息最终一致性方案1.2 TCC方案实现 2. 缓存一致性解决方案2.1 延迟双删策略2.2 Canal方案 3.… 文章目录 分布式并发场景的核心问题与解决方案一、核心问题分析1. 分布式事务问题2. 数据一致性问题3. 并发控制问题4. 分布式锁失效问题 二、解决方案1. 分布式事务解决方案1.1 可靠消息最终一致性方案1.2 TCC方案实现 2. 缓存一致性解决方案2.1 延迟双删策略2.2 Canal方案 3. 并发控制解决方案3.1 基于Redis的原子操作3.2 防重复提交 三、系统监控与告警1. 分布式链路追踪2. 监控指标收集 四、最佳实践建议五、注意事项 分布式并发场景的核心问题与解决方案
一、核心问题分析
1. 分布式事务问题
在分布式环境下一个业务操作可能横跨多个服务比如创建订单时涉及
订单服务创建订单库存服务扣减库存支付服务冻结余额积分服务赠送积分
可能出现的问题
部分服务成功部分服务失败网络超时导致事务状态不确定服务宕机导致事务中断
2. 数据一致性问题
在分布式系统中由于CAP理论的限制我们通常需要在一致性和可用性之间做出选择。
典型场景
主从数据库的数据同步延迟分布式缓存的数据一致性跨服务的数据依赖
3. 并发控制问题
多个节点同时处理请求时的并发控制
超卖问题重复下单数据竞争
4. 分布式锁失效问题
Redis主从切换导致锁失效时钟不同步导致的锁判断错误网络分区导致的锁状态不一致
二、解决方案
1. 分布式事务解决方案
1.1 可靠消息最终一致性方案
Service
Slf4j
public class OrderServiceImpl implements OrderService {Autowiredprivate RocketMQTemplate rocketMQTemplate;Autowiredprivate OrderMapper orderMapper;Autowiredprivate MessageMapper messageMapper;Transactional(rollbackFor Exception.class)public void createOrder(OrderDTO orderDTO) {// 1. 事务消息表记录TransactionMessage message new TransactionMessage();message.setMessageId(UUID.randomUUID().toString());message.setMessage(JSON.toJSONString(orderDTO));message.setStatus(MessageStatus.PREPARING);messageMapper.insert(message);// 2. 创建订单Order order convertToOrder(orderDTO);orderMapper.insert(order);// 3. 发送事务消息sendTransactionMessage(message);}private void sendTransactionMessage(TransactionMessage message) {Message msg MessageBuilder.withPayload(message).setHeader(messageId, message.getMessageId()).build();TransactionSendResult result rocketMQTemplate.sendMessageInTransaction(ORDER_TOPIC,msg,null);if (result.getLocalTransactionState() ! LocalTransactionState.COMMIT_MESSAGE) {throw new BusinessException(发送事务消息失败);}}
}消息消费者实现
Component
RocketMQMessageListener(topic ORDER_TOPIC,consumerGroup order-consumer-group
)
public class OrderMessageListener implements RocketMQListenerMessage {Autowiredprivate StockService stockService;Autowiredprivate MessageMapper messageMapper;Overridepublic void onMessage(Message message) {String messageId message.getHeaders().get(messageId, String.class);// 1. 检查消息是否已处理if (messageMapper.checkProcessed(messageId)) {return;}try {// 2. 处理业务逻辑TransactionMessage txMessage JSON.parseObject(new String((byte[]) message.getPayload()),TransactionMessage.class);OrderDTO orderDTO JSON.parseObject(txMessage.getMessage(),OrderDTO.class);// 3. 扣减库存stockService.decreaseStock(orderDTO.getProductId(), orderDTO.getQuantity());// 4. 更新消息状态messageMapper.markAsProcessed(messageId);} catch (Exception e) {// 5. 失败处理messageMapper.markAsFailed(messageId, e.getMessage());// 根据业务需求决定是否抛出异常重试throw e;}}
}1.2 TCC方案实现
Service
public class OrderTccServiceImpl implements OrderTccService {Autowiredprivate OrderMapper orderMapper;Autowiredprivate StockTccService stockTccService;Autowiredprivate PaymentTccService paymentTccService;GlobalTransactionalpublic void createOrder(OrderDTO orderDTO) {// 1. Try阶段// 1.1 订单服务TryOrder order prepareTryOrder(orderDTO);// 1.2 库存服务TrystockTccService.tryDecrease(orderDTO.getProductId(),orderDTO.getQuantity());// 1.3 支付服务TrypaymentTccService.tryFreeze(orderDTO.getUserId(),orderDTO.getAmount());}// Try阶段的订单处理private Order prepareTryOrder(OrderDTO orderDTO) {Order order convertToOrder(orderDTO);order.setStatus(OrderStatus.TRY);orderMapper.insert(order);return order;}// Confirm阶段的订单处理public void confirmOrder(BusinessActionContext context) {String orderId context.getActionContext(orderId).toString();Order order orderMapper.selectById(orderId);order.setStatus(OrderStatus.CONFIRMED);orderMapper.updateById(order);}// Cancel阶段的订单处理public void cancelOrder(BusinessActionContext context) {String orderId context.getActionContext(orderId).toString();Order order orderMapper.selectById(orderId);order.setStatus(OrderStatus.CANCELED);orderMapper.updateById(order);}
}2. 缓存一致性解决方案
2.1 延迟双删策略
Service
public class ProductServiceImpl implements ProductService {Autowiredprivate ProductMapper productMapper;Autowiredprivate RedisTemplateString, Product redisTemplate;Autowiredprivate ThreadPoolExecutor threadPoolExecutor;private static final String PRODUCT_CACHE_KEY product:;private static final long DELAY_DELETE_TIME 1000; // 1秒Transactional(rollbackFor Exception.class)public void updateProduct(Product product) {// 1. 删除缓存String cacheKey PRODUCT_CACHE_KEY product.getId();redisTemplate.delete(cacheKey);// 2. 更新数据库productMapper.updateById(product);// 3. 延迟双删threadPoolExecutor.execute(() - {try {Thread.sleep(DELAY_DELETE_TIME);redisTemplate.delete(cacheKey);} catch (InterruptedException e) {Thread.currentThread().interrupt();log.error(延迟双删失败, e);}});}
}2.2 Canal方案
Component
public class ProductCanalClient {Autowiredprivate RedisTemplateString, Product redisTemplate;Listen(table product)public void handleProductChange(CanalEntry.Entry entry) {if (entry.getEntryType() CanalEntry.EntryType.ROWDATA) {CanalEntry.RowChange rowChange entry.getRowChange();for (CanalEntry.RowData rowData : rowChange.getRowDatasList()) {if (rowChange.getEventType() CanalEntry.EventType.UPDATE) {// 处理更新事件handleProductUpdate(rowData);} else if (rowChange.getEventType() CanalEntry.EventType.DELETE) {// 处理删除事件handleProductDelete(rowData);}}}}private void handleProductUpdate(CanalEntry.RowData rowData) {// 解析变更数据MapString, String data parseRowData(rowData.getAfterColumnsList());String productId data.get(id);// 更新缓存String cacheKey product: productId;Product product convertToProduct(data);redisTemplate.opsForValue().set(cacheKey, product);}
}3. 并发控制解决方案
3.1 基于Redis的原子操作
Service
public class StockService {Autowiredprivate StringRedisTemplate redisTemplate;private static final String STOCK_KEY product:stock:;public boolean decreaseStock(Long productId, Integer quantity) {String key STOCK_KEY productId;// Lua脚本保证原子性String script local stock redis.call(get, KEYS[1]) if stock and tonumber(stock) tonumber(ARGV[1]) then return redis.call(decrby, KEYS[1], ARGV[1]) end return -1;DefaultRedisScriptLong redisScript new DefaultRedisScript();redisScript.setScriptText(script);redisScript.setResultType(Long.class);Long result redisTemplate.execute(redisScript,Collections.singletonList(key),quantity.toString());return result ! null result 0;}
}3.2 防重复提交
Aspect
Component
public class RepeatSubmitAspect {Autowiredprivate StringRedisTemplate redisTemplate;Around(annotation(repeatSubmit))public Object around(ProceedingJoinPoint joinPoint, RepeatSubmit repeatSubmit) throws Throwable {HttpServletRequest request ((ServletRequestAttributes) RequestContextHolder.getRequestAttributes()).getRequest();String token request.getHeader(token);String key getRepeatSubmitKey(joinPoint, token);// 使用Redis的setIfAbsent实现防重boolean isNotRepeat redisTemplate.opsForValue().setIfAbsent(key,1,repeatSubmit.interval(),TimeUnit.MILLISECONDS);if (!isNotRepeat) {throw new BusinessException(请勿重复提交);}return joinPoint.proceed();}
}三、系统监控与告警
1. 分布式链路追踪
Configuration
public class SleuthConfig {Beanpublic Sampler defaultSampler() {return Sampler.ALWAYS_SAMPLE;}
}2. 监控指标收集
Component
public class DistributedMetrics {Autowiredprivate MeterRegistry registry;// 记录分布式锁获取情况private Counter lockCounter;private Timer lockTimer;PostConstructpublic void init() {lockCounter registry.counter(distributed.lock.acquire);lockTimer registry.timer(distributed.lock.time);}public void recordLockAcquire(String lockKey, boolean success) {lockCounter.increment();Tags tags Tags.of(lock_key, lockKey,success, String.valueOf(success));registry.counter(distributed.lock.acquire, tags).increment();}public void recordLockTime(String lockKey, long timeMillis) {lockTimer.record(timeMillis, TimeUnit.MILLISECONDS);}
}四、最佳实践建议 业务设计层面 尽量避免复杂分布式事务考虑业务可补偿性合理设计重试机制 技术选型层面 优先考虑消息队列解耦合理使用缓存选择合适的分布式事务方案 监控运维层面 完善的监控系统合理的告警阈值灾难恢复预案 性能优化层面 合理的数据分片策略避免长事务批量处理优化
五、注意事项 数据库层面 避免大事务合理设计索引注意死锁问题 缓存层面 防止缓存雪崩注意缓存穿透合理设置过期时间 消息队列层面 保证消息可靠性处理重复消息注意消息顺序性 分布式锁层面 防止锁失效避免死锁合理设置超时时间
