在開發(fā)中有些敏感接口，例如用戶余額提現(xiàn)接口，需要考慮在并發(fā)情況下接口是否會發(fā)生問題。如果用戶將自己的多條提現(xiàn)請求同時發(fā)送到服務器，代碼能否扛得住呢？一旦沒做鎖，那么就真的會給用戶多次提現(xiàn)，給公司帶來損失。我來簡單介紹一下在這種接口開發(fā)過程中，我的做法。
第一階段:
我們使用的orm為xorm，提現(xiàn)表對應的結構體如下
type Participating struct {
ID uint `xorm:"autoincr id" json:"id,omitempty"`
Openid string `xorm:"openid" json:"openid"`
Hit uint `xorm:"hit" json:"hit"`
Orderid string `xorm:"order_id" json:"order_id"`
Redpack uint `xorm:"redpack" json:"redpack"`
Status uint `xorm:"status" json:"status"`
Ctime tool.JsonTime `xorm:"ctime" json:"ctime,omitempty"`
Utime tool.JsonTime `xorm:"utime" json:"utime,omitempty"`
PayTime tool.JsonTime `xorm:"pay_time" json:"pay_time,omitempty"`
}
在Participating表中，是以Openid去重的，當一個Openid對應的Hit為1時，可以按照Redpack的數(shù)額提現(xiàn)，成功后將Status改為1，簡單來說這就是提現(xiàn)接口的業(yè)務邏輯。
起初我并沒有太在意并發(fā)的問題，我在MySQL的提現(xiàn)表中設置一個字段status來記錄提現(xiàn)狀態(tài)，我只是在提現(xiàn)時將狀態(tài)修改為2(體現(xiàn)中)，提現(xiàn)完成后將status修改為1(已提現(xiàn))。然后事實證明，我太天真了，用ab做了測試1s發(fā)送了1000個請求到服務器，結果。。。成功提現(xiàn)了6次。部分代碼如下
p_info := Participating{}
// 查找具體提現(xiàn)數(shù)額
has, _ := db.Dalmore.Where("openid = ? and hit = 1 and status = 0", openid).Get(p_info)
if !has {
resp.Error(errcode.NO_REDPACK_FOUND, nil, nil)
return
}
// 改status為提現(xiàn)中
p_info.Status = 2
db.Dalmore.Cols("status").Where("openid = ? and hit = 1 and status = 0", openid).Update(p_info)
// 提現(xiàn)p_info.Redpack
第二階段：
既然出現(xiàn)了并發(fā)問題，那第一反應肯定的加鎖啊，代碼如下：
type Set struct {
m map[string]bool
sync.RWMutex
}
func New() *Set {
return Set{
m: map[string]bool{},
}
}
var nodelock = set.New()
// 加鎖
nodelock.Lock()
p_info := Participating{}
// 查找具體提現(xiàn)數(shù)額
has, _ := db.Dalmore.Where("openid = ? and hit = 1 and status = 0", openid).Get(p_info)
if !has {
resp.Error(errcode.NO_REDPACK_FOUND, nil, nil)
return
}
// 改status為提現(xiàn)中
p_info.Status = 2
db.Dalmore.Cols("status").Where("openid = ? and hit = 1 and status = 0", openid).Update(p_info)
// 釋放鎖
nodelock.Unlock()
// 提現(xiàn)p_info.Redpack
加了鎖以后。。。emem，允許多次提現(xiàn)的問題解決了，但是這個鎖限制的范圍太多了，直接讓這段加鎖代碼變成串行，這大大降低了接口性能。而且，一旦部署多個服務端，這個鎖又會出現(xiàn)多次提現(xiàn)的問題，因為他只能攔住這一個服務的并發(fā)?？磥淼酶阋粋€不影響性能的分布式才是王道啊。
第三階段：
利用redis，設置一個key為openid的分布式鎖，并設置一個過期時間可以解決當前的這個問題。但是難道就沒別的辦法了嗎？當然是有的，golang的xorm中Update函數(shù)其實是有返回值的：num,err，我就是利用num做了個分布式鎖。
//記錄update修改條數(shù)
num, err := db.Dalmore.Cols("status").Where("openid = ? and status = 0 and hit = 1", openid).Update(p_update)
if err != nil {
logger.Runtime().Debug(map[string]interface{}{"error": err.Error()}, "error while updating")
resp.Error(errcode.INTERNAL_ERROR, nil, nil)
return
}
// 查看update操作到底修改了多少條數(shù)據(jù)，起到了分布式鎖的作用
if num != 1 {
resp.Error(errcode.NO_REDPACK_FOUND, nil, nil)
return
}
p_info := Participating{}
_, err := db.Dalmore.Where("openid = ? and status = 2", openid).Get(p_info)
if err != nil {
logger.Runtime().Debug(map[string]interface{}{"error": err.Error()}, "error while selecting")
resp.Error(errcode.INTERNAL_ERROR, nil, nil)
return
}
// 提現(xiàn)p_info.Redpack
其實有點投機取巧的意思，利用xorm的Update函數(shù)，我們將核對并發(fā)處理請求下數(shù)據(jù)準確性的問題拋給了MySQL，畢竟MySQL是經(jīng)過千錘百煉的。再用ab測試，嗯，鎖成功了只有，只提現(xiàn)了一次，大功告成～
以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
您可能感興趣的文章:- redis分布式鎖的go-redis實現(xiàn)方法詳解
- 詳解一種用django_cache實現(xiàn)分布式鎖的方式
- mongo分布式鎖Java實現(xiàn)方法(推薦)
- 淺談Redis分布式鎖的正確實現(xiàn)方式
- Java使用Redisson分布式鎖實現(xiàn)原理
- Redis Template實現(xiàn)分布式鎖的實例代碼
- Go 語言下基于Redis分布式鎖的實現(xiàn)方式
