客户说做网站价格高国内免费推广产品的网站
30分钟自学教程：Redis实现分布式高并发加减计数器
目标
- 掌握Redis原子操作实现分布式计数器的原理。
- 学会使用Lua脚本和Redisson处理高并发加减。
- 能够设计应对网络抖动、节点故障的容错方案。
教程内容
0~2分钟：分布式计数器的核心需求
- 场景：秒杀库存扣减、实时投票计数、API调用限流等。
- 挑战：
- 原子性：多节点并发操作需保证结果正确。
- 高性能：支持万级QPS。
- 容错：网络异常时数据不丢失。
2~5分钟：基础实现——INCR/DECR命令（Java示例）
// 初始化计数器
redisTemplate.opsForValue().set("product:stock:1001", "1000"); // 原子增加
public Long incr(String key, long delta) { return redisTemplate.opsForValue().increment(key, delta);
} // 原子减少
public Long decr(String key, long delta) { return redisTemplate.opsForValue().decrement(key, delta);
} // 扣减库存示例
public boolean deductStock(String productId, int quantity) { Long stock = decr("product:stock:" + productId, quantity); return stock != null && stock >= 0;
}
问题：直接使用DECR可能扣减到负数（需结合Lua脚本解决）。
5~12分钟：解决方案1——Lua脚本保证原子性
- 原理：通过Lua脚本在Redis服务端执行多个命令，确保原子性。
// Lua脚本：仅当库存充足时扣减
String script = "local current = tonumber(redis.call('GET', KEYS[1]))\n" + "if current >= tonumber(ARGV[1]) then\n" + " return redis.call('DECRBY', KEYS[1], ARGV[1])\n" + "else\n" + " return -1\n" + "end"; // 执行脚本
public Long safeDeduct(String key, int quantity) { DefaultRedisScript<Long> redisScript = new DefaultRedisScript<>(); redisScript.setScriptText(script); redisScript.setResultType(Long.class); return redisTemplate.execute(redisScript, Collections.singletonList(key), String.valueOf(quantity));
}
验证：调用safeDeduct("product:stock:1001", 2)，库存不足时返回-1。
12~20分钟：解决方案2——Redisson分布式锁
- 适用场景：复杂计数逻辑（如先查询再计算）。
// Redisson分布式锁实现
public boolean deductWithLock(String productId, int quantity) { String key = "product:stock:" + productId; RLock lock = redissonClient.getLock(key + ":lock"); try { if (lock.tryLock(1, 10, TimeUnit.SECONDS)) { Integer stock = Integer.parseInt(redisTemplate.opsForValue().get(key)); if (stock >= quantity) { redisTemplate.opsForValue().set(key, String.valueOf(stock - quantity)); return true; } return false; } } finally { lock.unlock(); } return false;
}
注意：锁粒度应精确到资源级别（如按商品ID加锁）。
20~25分钟：解决方案3——集群模式与分片计数
- 分片设计：将计数器按哈希分片，分散压力。
// 分片计数（伪代码）
public void incrSharded(String key, int shards, long delta) { int shardId = Math.abs(key.hashCode()) % shards; String shardKey = key + ":shard_" + shardId; redisTemplate.opsForValue().increment(shardKey, delta);
} // 总分计算（遍历所有分片求和）
public long getTotal(String key, int shards) { long total = 0; for (int i = 0; i < shards; i++) { String shardKey = key + ":shard_" + i; String value = redisTemplate.opsForValue().get(shardKey); total += Long.parseLong(value == null ? "0" : value); } return total;
}
适用场景：超高并发（如百万QPS）的全局计数器。
25~28分钟：应急处理方案
- 重试机制：网络抖动时自动重试。
public boolean safeDeductWithRetry(String key, int quantity, int maxRetries) { int retries = 0; while (retries < maxRetries) { try { Long result = safeDeduct(key, quantity); return result != null && result >= 0; } catch (RedisConnectionFailureException e) { retries++; Thread.sleep(100); } } return false;
}
- 降级策略：Redis不可用时降级到本地计数器。
// 本地Guava缓存降级
private Cache<String, Long> localCache = CacheBuilder.newBuilder().build(); public long getStockWithFallback(String key) { try { return Long.parseLong(redisTemplate.opsForValue().get(key)); } catch (Exception e) { return localCache.get(key, () -> 0L); }
}
- 监控告警：通过Prometheus监控计数器异常。
# Prometheus配置示例
- job_name: 'redis_counters' static_configs: - targets: ['redis_host:9121'] # Redis Exporter端口
28~30分钟：总结与优化方向
- 核心原则：原子操作优先、分片减压、降级容灾。
- 高级优化：
- 使用Redis Streams实现异步计数。
- 结合数据库持久化最终结果。
- 使用Pipelining减少网络往返。
练习与拓展
练习
- 实现一个分片计数器，支持动态增加分片数量。
- 使用Redisson锁实现“先查询库存再扣减”的原子操作。
推荐拓展
- 研究Redis的HyperLogLog实现基数统计。
- 学习Redis事务的WATCH/MULTI/EXEC机制。
- 探索分布式协调框架（如ZooKeeper）的计数器实现。