访问量：16

2024-02-17 14:47:05.0

无极低码：https://wheart.cn

需求是要支持春节百万并发高并发抢购红包商品。

架构师经过多方技术调研，整理开发以下几个核心步骤：

1.使用redis缓存icon支持高并发

2.商品数据量先存入缓存icon中

3.抢购商品锁定，并从缓存中读取数量减1

4.释放商品锁

代码

import org.redisson.Redisson;
import org.redisson.api.RLock;
import org.redisson.api.RAtomicLong;
import org.redisson.config.Config;
public class RedPacketPurchaseService {
    private static final Redisson redisson = initRedisson();
    private static final String PRODUCT_ID = "product_id";
    private static final String STOCK_KEY = "stock:" + PRODUCT_ID;
    private static final String LOCK_KEY = "lock:" + PRODUCT_ID;
    private static Redisson initRedisson() {
        Config config = new Config();
       config.useSingleServer().setAddress("redis://localhost:6379");
        return Redisson.create(config);
    }
    public boolean purchase() {
        RLock lock = redisson.getLock(LOCK_KEY);
        try {
            // 使用公平锁并设置超时时间防止死锁

            if (lock.tryLock(10, TimeUnit.SECONDS)) {
                try {
                    RAtomicLong stock = redisson.getAtomicLong(STOCK_KEY);
                    if (stock.decrementAndGet() > 0) {
                       System.out.println("用户成功抢购一个红包商品，剩余库存: " + stock.get());

                        // 这里省略了持久化到数据库的操作，实际应用中需要异步保存购买记录
                        return true;
                   } else {
                        // 库存不足，正常情况下不需要还原库存，这里仅作为演示
                        stock.incrementAndGet();
                    }
                } finally {
                    lock.unlock();
                }
            } else {
                System.out.println("当前抢购人数过多，请稍后再试");
            }
        } catch (InterruptedException e) {
            Thread.currentThread().interrupt();
            System.out.println("线程中断，抢购失败");
        }
        return false;
    }

    // 在服务启动时或者定时任务中预加载商品库存至Redis Atomic Long

    public void preloadStock(int initialStock) {
        RAtomicLong stock = redisson.getAtomicLong(STOCK_KEY);
        stock.set(initialStock);
    }

}

**注意事项**：

- 上述代码使用了Redisson提供的`RLock`实现分布式锁，并结合`RAtomicLong`进行原子性的库存扣减，能在一定程度上保证在高并发下的数据一致性。

- 实际生产环境中还需要考虑更多的因素，如网络延迟、服务器性能、数据库写入瓶颈等，并可能需要引入更复杂的策略，例如队列、延时消息队列（如RabbitMQ或RocketMQ）、降级处理等手段来确保系统的稳定性和可用性。

- 另外，为了应对百万级甚至更高的并发，通常还会对系统进行水平扩展，增加服务器数量并通过负载均衡器分配请求，同时也要注意数据库层面的优化和分库分表等操作。

原文链接：https://blog.csdn.net/a913222/article/details/136118200

无极低码：https://wheart.cn

java百万级并发分布式锁