【高并发】- 幂等性设计你知道多少?
Cansluck
共 5241字，需浏览 11分钟
·
2023-05-05 22:25
1. 有关幂等性设计的场景 用户在电商平台购物，看到自己心仪的商品，于是将其加入购物车，之后进入购物车下单结算。这时，由于网络不通畅，用户在点击“提交订单”按钮时卡住了，用户以为没有提交成功，就又点击了一次“提交订单”按钮。最终，订单系统给该用户生成了两个订单，其实之前那个订单已经生成成功了。
这就是一个典型的幂等性问题。由于下单接口没有做好幂等性设计，所以导致用户进行了两次同样的下单操作，系统给用户创建了两个订单。
2. 什么是幂等性
所谓幂等性是指，用户对于同一个操作发起一次请求或者多次请求，得到的结果都是一样的，不会因为请求了多次而出现异常现象。
为了理解幂等性，下面来看一个非幂等的场景：
例如，在支付时，用户点击了两次“立即支付”按钮，发生了重复支付。最终，用户发现被扣了两次款，支付系统也生成了两条支付记录，这就是一个非幂等的场景。
2.1 需要幂等性的场景
幂等性主要用在重复请求上，有如下几种场景：
- 用户多次请求，比如重复点击页面上的按钮。
- 网络异常，由于网络原因导致在一定时间内未返回调用成功的信息，触发了框架层的重试机制。
- 页面回退后再次提交的动作。
- 程序上的重试机制：对于未及时响应的请求发起重试操作。
2.2 数据库操作的幂等性分析
数据库的上层业务操作分为CRUD（即新增、读取、更新、删除4个动作）。
-
新增（Create）：如果自增主键唯一，则数据库会生成多条相同记录，不具备幂等性，如：
insert into(id, name, age, balance) values(1, 'test', 18, 100);
- 读取（Read）：无论请求多少次，读取的结果都是一样的，所以读取是天然幂等的，如：
select name, age, balance from user where id = 1;
- 更新（Update）：条件语句中带有计算的更新是非幂等的；反之，则是天然幂等的，如：
非幂等 update user set balance = balance + 100 where id = 1;
幂等 update user set balance = 200 where id = 1;
- 删除（DELETE）：无论删除多少次，结果都是一样的，所以删除动作是天然幂等的，如：
delete from user where id = 1;
可以看出，读取和删除是天然幂等的，无论执行多少次请求，最终的结果都是一样的。从这里很容易联想到RESTful规范中的HTTP请求方法：POST（C）、GET（R）、PUT（U）、DELETE（D）。
- POST：相当于新增，不具备幂等性。
- GET：对资源的获取。在浏览器中通过地址进行访问，每次结果都是一样的，是天然幂等的。
- PUT；将一个资源替换成另一个资源。这是非计算型的更新，无论更新多少次，结果都是一样的，是天然幂等的。
- DELETE：同数据库的删除动作。无论删除多少次，结果都是一样的，是天然幂等的。
3. 如何避免重复提交 如果用户连续点击了两次“立即下单”按钮后，订单系统为用户生成了两个订单，这是不行的。这是重复请求所导致的。要防止重复提交订单（即请求多次和请求一次的最终效果是一样的），则需要订单系统在创建订单时具备幂等性。
3.1 利用全局唯一ID防止重复提交 在向数据库新增一条记录时，有时会出现错误信息“result in duplicate entry for key primary”，原因是插入了相同ID的信息。
利用数据库的主键唯一特性，可以解决重复提交的问题：对于相同Id的信息，数据库会抛出异常，这样新增数据的请求会失败。现在已经知道方案了，那么这个ID该如何和系统进行绑定呢？下面来看一下具体的落地流程。
（1）搭建一个生成全局唯一ID的服务。建议加入一些业务信息到该服务中，例如，在生成的订单ID中可以包含业务信息的订单元素（如“OD”20230201620005600001）。该全局唯一ID服务可以参考雪花算法SnowFlow进行搭建。 （2）在订单确定页面中，调用全局唯一ID服务生成订单号。 （3）在提交订单时带上订单号，请求到达订单系统的下单接口。
（4）将数据库订单表Id和订单号进行映射，将订单号作为订单表的ID。 （5）订单系统在创建订单信息时，订单号使用前端传过来的订单号，然后直接将该订单信息插入订单库中。 （6）如果订单写入成功，则是第一次提交，返回下单成功；如果报ID冲突信息，则是重复提交，在订单表中只保留之前的记录，不会写入相同的新记录。 （在报“订单重复提交”错误时，不要向客户端抛出错误信息，因为重复提交的订单不一定全部失败。如果给用户展示错误，则用户可能还会提交订单，这会使得用户体验不好。可以直接向用户展示下单成功）
（1）订单系统提供一个发放Token的接口。这个Token是一个防重令牌，即一串唯一字符串（可以使用UUID算法生成）。
（2）在“订单确认页”中调用获取Token的接口，该接口向订单确认页返回Token，同时将此Token写入Redis缓存中，并依据实际业务对其设置一定的有效期。
（3）用户在“订单确认页”中点击“提交订单”按钮时，将第（2）步获取的Token以参数或者请求头的形式封装进订单信息中，然后请求订单系统的下单接口。
（4）下单接口在收到提交下单的请求后，首先判断在Redis中是否存在当前传入的Token：
- 如果存在，则代表这是第一次请求，会删除这个Token，继续创建订单的其他业务。
- 如果不存在，则代表这不是第一次请求，而是重复的请求，会终止后面的业务操作。
所以，在应对并发修改场景下，对于Token的获取、比对和删除，需要使用原子操作。在Redis中可以用Lua脚本进行原子操作。
利用数据库的主键唯一特性和Token机制来避免重复提交，是一种比较常用的接口幂等性方案。对于重复提交的场景，需要依据业务进行分析，分析当前场景是否具备幂等性，如果不具有幂等性，则需要进行幂等性设计。
（幂等性设计方案远不止以上两种，例如，可以利用数据库的悲观锁和乐观锁，或者分布式场景下的分布式锁等，来防止重复提交）
4 如何避免更新中的ABA问题 前面讲到数据库更新时，如果是类似计算型的更新，则其是非幂等的；如果不是计算型的更新，则其实天然幂等的。因为，无论更新多少次，最终结果都是一样的。这种情况在大部分场景都是没有问题的，但是在高并发场景下，就有可能是非幂等的，从而造成数据的不一致。 场景： 用户在和商家讨价还价后，提交订单等待商家修改价格，商家在商品页上将订单价格从原来的100元，修改为80元。改完后，商家发现改错了，于是返回重新修改为90元，订单系统对于上架这两次的修改都执行成功了。 但是，由于网络异常原因，订单系统未及时将“前一次修改为80元成功的结果”返回给订单页，从而触发了重试逻辑，所以，商品价格在被修改为90元之后，又被修改为80元，即最终成交价格变成了80元，这就造成了数据的不一致，对商家也是一个损失。这是一个经典的ABA问题。 解决ABA问题一个常用的方案是：使用数据库的乐观锁来解决。即在订单系统的订单表中增加一个字段版本号（version），在每次更新时都判断两个版本号是否相等，如果不相等则不更新。具体流程如下： （1）在订单页获取修改订单时，同时将订单版本号作为订单属性一起返回给前端页面。 （2）在前端订单页修改订单时，将订单关键信息，如订单ID（orderId）、修改的价格（newPrice）及获取的版本号（version）等，一起传到订单修改接口中。 （3）订单系统的订单修改接口，在收到价格修改的请求后，首先判断当前传过来的版本号和数据库当前订单的版本号是否一致。如果不一致，则拒绝当前更新；如果一致，则更新当前数据，同时版本号加1。 “比较版本号”、“更新数据”、“对版本号加1”这几个动作都必须保证原子性，即要在一个事务内，SQL语句如下：
update order set price = 80, version = version + 1
where order_id = 10001 and version = 1
通过版本号可以保证从“订单在订单页被查询”到“成功更新这条数据”这期间内没有其他人能够修改这条数据。只要有人修改了这条数据，版本号就会增加。版本号增加了，当前更新拿到的就是旧版本号，会更新失败，需要重新发起查询请求以获取最新的版本号。加上版本号控制后，再来看一下是否保证了“订单并发修改”的数据一致性。
- 当商家修改价格为80元时，携带了版本号version = 0，订单系统匹配发现刚传的版本号与数据库中的版本号是一致的，所以更新价格为80元成功，同时将版本号加1.
- 当商家又将价格修改为90元时，刚传的version = 0，但当前订单的version = 1，所以当前价格更新失败。
- 商家看到更新失败的原因，就可以刷新当前页面，重新获取最新的版本号（version = 1），进行订单修改。
本章节总结了高并发系统中关于幂等性设计的场景及解决方案，小伙伴们可以根据自身业务进行取舍。设计出符合当前公司实际的幂等性设计。
点个在看你最好看
评论