幂等的几种解决方案以及实践

什么是幂等？

解决幂等的常见解决方案：

唯一标识符案例

数据库唯一约束案例

乐观锁案例

分布式锁（Distributed Locking）

实践精选方案

首先为什么不直接使用分布式锁呢？

自定义实现幂等组件！

RepeatExecuteLimitAutoConfiguration

repeatExecuteLimitAspect防重复幂等切面

本地锁

localLockCache是本地锁缓存，可根据锁名和锁类型(公平锁/非公平锁)来获得ReentrantLock的实例

本地锁的作用：

分布式锁

设置幂等标识的作用

注意

什么是幂等？

在web项目中，幂等性同样是一个重要的概念。这主要是因为在网络和分布式系统中，由于网络的不稳定性和其他潜在问题，可能会导致请求被重复发送。如果一个操作不是幂等的，那么重复执行该操作可能会产生不一致的结果或副作用。例如，一个非幂等的操作可能会导致数据被重复添加、更新或删除，从而破坏数据的一致性。

因此，JavaWeb项目需要保证幂等性，主要是为了确保无论请求被发送一次还是多次，系统都能产生相同的结果。这有助于避免由于重复请求导致的数据不一致或其他潜在问题。实现幂等性的方法有很多种，包括但不限于使用数据库唯一索引、乐观锁、分布式锁、令牌等技术。

总的来说，幂等性是JavaWeb项目中一个非常重要的概念，它有助于确保系统的稳定性和数据的一致性。通过实现幂等性，我们可以有效地处理重复请求，并减少由于网络不稳定或其他原因导致的潜在问题。

解决幂等的常见解决方案：

唯一标识符（Unique Identifiers）：为每个请求生成一个唯一的标识符（如UUID），并将其作为请求的一部分发送。当接收到请求时，服务器可以检查该标识符是否已处理过。如果已处理，则拒绝或忽略该请求；如果未处理，则处理该请求并记录标识符。
数据库唯一约束：使用数据库的唯一约束（如主键或唯一索引）来确保即使多次尝试插入相同的数据，也只有一条记录会被保存。如果尝试插入重复的数据，数据库会抛出异常，服务器可以捕获这个异常并返回幂等性的响应。
乐观锁（Optimistic Locking）：使用版本号或时间戳来检查数据是否已被其他操作修改过。在更新数据时，如果版本号或时间戳与预期的不符，则拒绝更新并返回冲突信息。这样，即使多次尝试更新相同的数据，也只有一次会成功。
分布式锁（Distributed Locking）：在分布式系统中，可以使用分布式锁来确保同一时间只有一个节点能够执行某个操作。这可以防止多个节点同时处理相同的请求，从而实现幂等性。

唯一标识符案例

使用 setex 命令存储ID并设置过期时间，避免内存泄漏。
适用于高并发场景，如支付、订单创建等。

// 生成唯一ID（客户端）
String requestId = UUID.randomUUID().toString();// 服务端校验（基于Redis）
public class IdempotencyService {private Jedis jedis; // Redis客户端public boolean checkRequest(String requestId) {if (jedis.exists(requestId)) {return false; // 已处理，拒绝重复请求}jedis.setex(requestId， 3600， "processed"); // 存储ID并设置过期时间return true;}
}

数据库唯一约束案例

场景：用户注册防重复。

实现思路：数据库表中为关键字段（如用户名、邮箱）添加唯一索引，插入重复数据时抛出异常。

数据库自动拒绝重复数据，无需额外代码判断
适用于新增操作（如注册、订单号生成）

// JPA实体类定义
@Entity
@Table(name = "users", uniqueConstraints = @UniqueConstraint(columnNames = "email"))
public class User {@Id@GeneratedValue(strategy = GenerationType.IDENTITY)private Long id;private String email; // 唯一字段
}// 插入逻辑
try {userRepository.save(user); // 尝试插入
} catch (DataIntegrityViolationException e) {throw new DuplicateKeyException("邮箱已存在"); // 捕获唯一约束异常
}

乐观锁案例

场景：库存扣减防超卖。

实现思路：通过版本号字段控制并发更新，仅当版本匹配时才允许操作。

JPA的 @Version 注解自动管理版本号
更新失败时抛出 OptimisticLockingFailureException，需重试或提示用户。

// 实体类添加版本号字段
@Entity
public class Product {@Idprivate Long id;private int stock;@Versionprivate int version; // 乐观锁版本号
}// 更新逻辑（JPA）
@Transactional
public void deductStock(Long productId, int quantity) {Product product = productRepository.findById(productId).orElseThrow();if (product.getStock() >= quantity) {product.setStock(product.getStock() - quantity);productRepository.save(product); // 自动检查版本号} else {throw new InsufficientStockException();}
}

分布式锁（Distributed Locking）

场景：分布式系统中全局资源操作（如优惠券发放）。

实现思路：使用Redisson实现分布式锁，确保同一时刻仅一个节点执行关键逻辑。

tryLock 设置超时时间防止死锁
适用于跨服务或集群环境下的资源竞争场景

// 基于Redisson的分布式锁
public class CouponService {private RedissonClient redissonClient;public void grantCoupon(String userId) {RLock lock = redissonClient.getLock("COUPON_GRANT_" + userId);try {if (lock.tryLock(0, 10, TimeUnit.SECONDS)) { // 尝试获取锁// 执行业务逻辑（如发放优惠券）grantCouponToUser(userId);}} finally {if (lock.isHeldByCurrentThread()) {lock.unlock();}}}
}

方案	适用场景	优点	缺点
唯一标识符	高并发请求（如支付）	实现简单，适合分布式环境	需维护ID存储（如Redis）
数据库唯一约束	数据唯一性要求（如注册）	依赖数据库特性，无需额外逻辑	不适用于更新操作
乐观锁	低冲突更新（如库存扣减）	无锁竞争，性能较高	需处理版本冲突和重试逻辑
分布式锁	跨服务资源竞争（如秒杀）	强一致性保证	实现复杂，可能影响性能

实践精选方案

除了单纯实现幂等，而是要在保证实现幂等的前提下，还要考虑高并发下的高效率执行，不能影响程序的性能和吞吐量

基于上述这些要求，最终选择利用redis来实现，而在对使用redis上，Redisson又是非常优秀的开源中间件，其中的分布式锁是非常的经典，项目中也对分布式锁做了封装，使用起来灵活而方便，而这次幂等组件也是对Redisson基础上进行封装，保证了性能，支持MQ中间件和用户请求的幂等。

首先为什么不直接使用分布式锁呢？

为什么还要额外设计出幂等组件？首先直接使用分布式锁是可以实现幂等的，当然业务逻辑验证也要做验证，但其实分布式锁会浪费一些性能。

分布式锁的特点是多个请求并发执行，这些请求是来自不同的用户，也就是这些请求虽然要依次等待锁执行，但最终还是要把这些请求都执行完的(执行时间太长超时的异常情况排除)，总结起来就是都要获得锁，没有获得锁的请求，也要争取获得锁接着执行。

幂等的特点也是多个请求并发执行，但这些请求是来自同一个用户，也就是说这些请求只要保证第一个请求能执行，其余的请求要直接拒绝掉，总结起来就是只有第一个请求获得锁执行就可以，其余的请求看到已经上了锁，那么就要直接结束掉。

自定义实现幂等组件！

通过定义注解实现哦！

@Target(value = {ElementType.TYPE, ElementType.METHOD})
@Retention(value = RetentionPolicy.RUNTIME)
public @interface RepeatExecuteLimit {/*** 业务名称** @return name*/String name() default "";/*** key设置** @return key*/String[] keys();/*** 在多长时间内一直保持幂等，如果不配置则以执行方法为准*/long durationTime() default 0L;/*** 当消息执行已经出发防重复执行的限制时，提示信息*/String message() default "提交频繁，请稍后重试";}

RepeatExecuteLimitAutoConfiguration

public class RepeatExecuteLimitAutoConfiguration {@Bean(LockInfoType.REPEAT_EXECUTE_LIMIT)public LockInfoHandle repeatExecuteLimitHandle(){return new RepeatExecuteLimitLockInfoHandle();}@Beanpublic RepeatExecuteLimitAspect repeatExecuteLimitAspect(LocalLockCache localLockCache,LockInfoHandleFactory lockInfoHandleFactory,ServiceLockFactory serviceLockFactory,RedissonDataHandle redissonDataHandle){return new RepeatExecuteLimitAspect(localLockCache, lockInfoHandleFactory,serviceLockFactory,redissonDataHandle);}
}

RepeatExecuteLimitAutoConfiguration是自动装配类，用于加载需要的对象，repeatExecuteLimitHandle是锁键名处理器、repeatExecuteLimitAspect是幂等切面。

repeatExecuteLimitAspect防重复幂等切面

@Slf4j
@Aspect
@Order(-11)
@AllArgsConstructor
public class RepeatExecuteLimitAspect {private final LocalLockCache localLockCache;private final LockInfoHandleFactory lockInfoHandleFactory;private final ServiceLockFactory serviceLockFactory;private final RedissonDataHandle redissonDataHandle;@Around("@annotation(repeatLimit)")public Object around(ProceedingJoinPoint joinPoint, RepeatExecuteLimit repeatLimit) throws Throwable {// 指定保持幂等的时间long durationTime = repeatLimit.durationTime();// 提示信息String message = repeatLimit.message();Object obj;// 获取锁信息LockInfoHandle lockInfoHandle = lockInfoHandleFactory.getLockInfoHandle(LockInfoType.REPEAT_EXECUTE_LIMIT);// 获取锁名String lockName = lockInfoHandle.getLockName(joinPoint,repeatLimit.name(), repeatLimit.keys());// 幂等标识String repeatFlagName = PREFIX_NAME + lockName;// 获得幂等标识String flagObject = redissonDataHandle.get(repeatFlagName);//如果幂等标识的值为success，说明已经有请求在执行了，这次请求直接结束if (SUCCESS_FLAG.equals(flagObject)) {throw new DaMaiFrameException(message);}// 获得本地锁ReentrantLock localLock = localLockCache.getLock(lockName,true);// 本地锁尝试获取boolean localLockResult = localLock.tryLock();// 如果本地锁获取失败，说明有其他请求在执行，这次请求直接结束if (!localLockResult) {throw new DaMaiFrameException(message);}try {// 获得分布式锁ServiceLocker lock = serviceLockFactory.getLock(LockType.Fair);// 尝试获取分布式锁boolean result = lock.tryLock(lockName, TimeUnit.SECONDS, 0);// 加锁成功执行if (result) {try{// 再次获取幂等标识flagObject = redissonDataHandle.get(repeatFlagName);// 如果幂等标识的值为success，说明已经有请求在执行了，这次请求直接结束if (SUCCESS_FLAG.equals(flagObject)) {throw new DaMaiFrameException(message);}obj = joinPoint.proceed();if (durationTime > 0) {try {// 业务逻辑执行成功后，设置 指定幂等保持时间 设置请求标识redissonDataHandle.set(repeatFlagName,SUCCESS_FLAG,durationTime,TimeUnit.SECONDS);}catch (Exception e) {log.error("getBucket error",e);}}return obj;} finally {lock.unlock(lockName);}}else{// 获得锁失败，说明有其他请求在执行，这次请求直接结束throw new DaMaiFrameException(message);}}finally {localLock.unlock();}}
}

RepeatExecuteLimitAspect是负责幂等执行的切面也是核心流程。

负责幂等的切面顺序要优先于分布式锁前，所以这里是-11。

这个实践中给我最大的震撼是本地锁、分布式锁、还有本地缓存的使用！

本地锁

ReentrantLock localLock = localLockCache.getLock(lockName,true);
boolean localLockResult = localLock.tryLock();
if (!localLockResult) {throw new DaMaiFrameException(message);
}

localLockCache是本地锁缓存，可根据锁名和锁类型(公平锁/非公平锁)来获得ReentrantLock的实例

public class LocalLockCache {/*** 本地锁缓存* */private Cache<String, ReentrantLock> localLockCache;/*** 本地锁的过期时间(小时单位)* */@Value("${durationTime:2}")private Integer durationTime;@PostConstructpublic void localLockCacheInit(){localLockCache = Caffeine.newBuilder().expireAfterWrite(durationTime, TimeUnit.HOURS).build();}/*** 获得锁，Caffeine的get是线程安全的* */public ReentrantLock getLock(String lockKey,boolean fair){return localLockCache.get(lockKey, key -> new ReentrantLock(fair));}
}

LocalLockCache其实是用Caffeine缓存来保存的锁信息，并可以设置锁实例的保存时间，默认是2小时，这个时间可以根据durationTime来进行配置，如果时间过大，那么锁的实例就会过多，对项目的内存就会有压力。如果时间过小，那么构建锁的频率就会增加，性能就会受到影响，使用时，可根据业务特点进行灵活配置

Caffeine是基于Java 1.8的高性能本地缓存库，由Guava改进而来，而且在Spring5开始的默认缓存实现就将Caffeine代替原来的Google Guava，官方说明指出，其缓存命中率已经接近最优值。实际上Caffeine这样的本地缓存和ConcurrentMap很像，即支持并发，并且支持O(1)时间复杂度的数据存取。二者的主要区别在于：

ConcurrentMap将存储所有存入的数据，直到你显式将其移除；
Caffeine将通过给定的配置，自动移除“不常用”的数据，以保持内存的合理占用。

因此，一种更好的理解方式是：Cache是一种带有存储和移除策略的Map。

本地锁的作用：

之所以先使用本地锁去加锁的原因是，可以很大程度上节省分布式锁的资源，虽然分布式锁是利用reids实现的，redis的性能又非常的高，但是它再高，依旧存在网络损耗，而本地锁的操作都是基于内存中，一个是内存中操作，一个是网络操作，前者的效率可是后者的几十倍差距。

如果一秒内有100个请求，服务的实例有5个，那么每个实例就有20个请求，这20个请求就可以靠本地锁来拦截掉，那么到分布式锁那里，就有5个请求来获得锁了，其余的95个请求都可以被提前结束掉。

这是一个经典的思想，优先考虑本地内存操作，经过本地内存操作后，再去操作第三方中间件。

分布式锁

当本地锁获得了锁之后，还要用分布式锁去尝试获得锁，因为本地锁只能保证当前自己的实例范围内能锁住请求，微服务多个实例部署的话，就需要分布式锁了

//加锁成功执行
if (result) {try{//再次获取幂等标识flagObject = redissonDataHandle.get(repeatFlagName);//如果幂等标识的值为success，说明已经有请求在执行了，这次请求直接结束if (SUCCESS_FLAG.equals(flagObject)) {throw new DaMaiFrameException(message);}//执行业务逻辑obj = joinPoint.proceed();if (durationTime > 0) {try {//业务逻辑执行成功 并且 指定了设置幂等保持时间 设置请求标识redissonDataHandle.set(repeatFlagName,SUCCESS_FLAG,durationTime,TimeUnit.SECONDS);}catch (Exception e) {log.error("getBucket error",e);}}return obj;} finally {lock.unlock(lockName);}
}else{//获取锁失败，说明已经有请求在执行了，这次请求直接结束throw new DaMaiFrameException(message);
}

当通过分布式锁工厂获取到客户端实例后，就会尝试去获取分布式锁了，如果加锁失败，说明之前已经有请求获得了锁在执行中没有释放掉，那么这次请求直接结束

如果加锁成功则执行业务逻辑joinPoint.proceed()

如果执行业务逻辑成功，如果设置了幂等保持时间，那么设置幂等标识
如果执行业务逻辑失败，那么直接释放锁

设置幂等标识的作用

有的小伙伴可能会好奇，为什么要设置幂等标识？直接使用本地锁+分布式锁不就可以实现幂等了吗？为什么多此一举？只使用本地锁+分布式锁的方法确实能实现幂等，但此项目是为了高并发的，考虑的细节要全面。

幂等包括用户请求幂等和MQ消息幂等

要介绍这两种的特点

用户请求的幂等特点是用户在短时间内多次的点击，比如说一秒内发出了10次请求，那么就第1次请求正常执行，而剩余9次请求要全部被拦截将请求直接结束掉，特点是短时间内的多次请求
MQ消息幂等特点是MQ为了保证消息的可靠性。在有些异常情况确实会重复投递的，比如说某个服务监听到了消息，接着执行业务逻辑，但在执行过程中，这个服务宕机了，没有给MQ发送消息提交机制，MQ就会认为消息没有消费成功，就会再次投递。但其实这个逻辑都执行成功了，就差给MQ提交确认了。

这就需要保证幂等。而MQ的重试就没有用户多次重复请求那么频繁，可能会1分钟 5分钟 10分钟，这种情况就需要幂等标识，当有了标识后逻辑直接结束。