序言

对于前端来说，“并发”场景很少遇到，本文将从常见的的秒杀场景，来讲讲一个真实线上的node应用遇到“并发”将会用到什么技术。

技术栈

本文示例代码数据库基于MongoDB，缓存基于Redis。

场景一：领券

规则：一个用户只能领取一张券。

首先我们的思路是，用一个records表来保存用户的领券记录，用户领券时在该表查询是否已领取。

records结构如下

new Schema({
  // 用户id
  userId: {
    type: String,
    required: true,
  },
});

业务流程也很简单：

MongoDB实现

示例代码如下：

  async grantCoupon(userId: string) {
    const record = await this.recordsModel.findOne({
      userId,
    });
    if (record) {
      return false;
    } else {
      this.grantCoupon();
      this.recordModel.create({
        userId,
      });
    }
  }

postman测试一下，好像没问题。然后我们考虑并发场景，比如“用户”并不会乖乖的点一下按钮等待发券，而是快速点击，又或者使用工具并发请求领券接口，我们的程序会出问题么？（并发问题前端可以用loading来规避，但是接口必要拦截住，防止黑客攻击）

结果是，用户可能会领取到多张券。问题就出在查询records与新增领券记录，这两步是分开进行的，也就是存在一个时间点：查询到用户A无领券记录，发券后A用户又请求一次接口，此时records表数据插入操作还未完成，导致重复发放问题。

解决也很容易，就是如何让查询和插入语句一起执行，消除中间的异步过程。mongoose为我们提供了findOneAndUpdate，即查找并修改，下面看一下改写后的语句：

async grantCoupon(userId: string) {
  const record = await this.recordModel.findOneAndUpdate({
    userId,
  }, {
    $setOnInsert: {
      userId,
    },
  }, {
    new: false,
    upsert: true,
  });
  if (! record) {
    this.grantCoupon();
  }
}

实际上这是一个mongo的原子操作，第一个参数是查询语句，查询userId的条目，第二个参数$setOnInsert表示新增的时候插入的字段，第三个参数upsert=true表示如果查询的条目不存在，将新建它，new=false表示返回查询的条目而不是修改后的条目。那我们只用判断查询的record不存在，就执行发放逻辑，而插入语句是和查询语句一起执行的。即使此时有并发请求进来，下一次查询是在上次插入语句之后了。

Redis实现

不止MongoDB，redis也很适合这种逻辑，下面用redis实现一下：

async grantCoupon(userId: string) {
  const result = await this.redis.setnx(userId, 'true');
  if (result === 1) {
    this.grantCoupon();
  }
}

同样setnx是redis的一个原子操作，表示：如果key没有值，则将值设置进去，如果已有值就不做处理，提示失败。这里只是演示并发处理，实际线上服务还需要考虑：

• key值不能与其他应用冲突使用，如应用名称+功能名称+userId
• 服务下线后redis的key需要清理，或者直接在setnx第三个参数加上过期时间
• redis数据只在内存中，发券记录需要入库保存

场景二：库存限制

规则：券总库存一定，单个用户不限领取数量

有了上面的示例，类似并发也很好实现，直接上代码

MongoDB实现

使用stocks表来记录券的发放数量，当然我们需要一个couponId字段去标识这条记录

表结构：

new Schema({
  /* 券标识 */
  couponId: {
    type: String,
    required: true,
  },
  /* 已发放数量 */
  count: {
    type: Number,
    default: 0,
  },
});

发放逻辑：

async grantCoupon(userId: string) {
  const couponId = 'coupon-1'; // 券标识
  const total = 100; // 总库存
  const result = await this.stockModel.findOneAndUpdate({
    couponId,
  }, {
    $inc: {
      count: 1,
    },
    $setOnInsert: {
      couponId,
    },
  }, {
    new: true, // 返回modify后结果
    upsert: true, // 不存在则新增
  });
  if (result.count <= total) {
    this.grantCoupon();
  }
}

Redis实现

incr: 原子操作，将key的值+1，如果值不存在，将初始化为0；

async grantCoupon(userId: string) {
  const total = 100; // 总库存
  const result = await this.redis.incr('coupon-1');
  if (result <= total) {
    this.grantCoupon();
  }
}

思考一个问题，库存全部消耗完后，count字段还会增加么？应该如何优化？

场景三：用户领券限制+库存限制

规则：一个用户只能领一张券，总库存有限制

解析

单独去解决“一个用户只能领一张”或“总库存限制”，我们都可以用原子操作去处理，当有两个条件，那是否可以实现一个，类似原子操作将“一个用户只能领一张”和“总库存限制”合并操作，或者说是更类似于数据库的“事务”

mongoDB已经从4.0开始支持事务，但这里作为演示，我们还是使用代码逻辑来控制并发

业务逻辑：

代码：

async grantCoupon(userId: string) {
  const couponId = 'coupon-1';// 券标识
  const totalStock = 100;// 总库存
  // 查询用户是否已领过券
  const recordByFind = await this.recordModel.findOne({
    couponId,
    userId,
  });
  if (recordByFind) {
    return '每位用户只能领一张';
  }
  // 查询已发放数量
  const grantedCount = await this.stockModel.findOne({
    couponId,
  });
  if (grantedCount >= totalStock) {
    return '超过库存限制';
  }
  // 原子操作：已发放数量+1，并返回+1后的结果
  const result = await this.stockModel.findOneAndUpdate({
    couponId,
  }, {
    $inc: {
      count: 1,
    },
    $setOnInsert: {
      couponId,
    },
  }, {
    new: true, // 返回modify后结果
    upsert: true, // 如果不存在就新增
  });
  // 根据+1后的的结果判断是否超出库存
  if (result.count > totalStock) {
    // 超出后执行-1操作，保证数据库中记录的已发放数量准确。
    this.stockModel.findOneAndUpdate({
      couponId,
    }, {
      $inc: {
        count: -1,
      },
    });
    return '超过库存限制';
  }
  // 原子操作：records表新增用户领券记录，并返回新增前的查询结果
  const recordBeforeModify = await this.recordModel.findOneAndUpdate({
    couponId,
    userId,
  }, {
    $setOnInsert: {
      userId,
    },
  }, {
    new: false, // 返回modify后结果
    upsert: true, // 如果不存在就新增
  });
  if (recordBeforeModify) {
    // 超出后执行-1操作，保证数据库中记录的已发放数量准确。
    this.stockModel.findOneAndUpdate({
      couponId,
    }, {
      $inc: {
        count: -1,
      },
    });
    return '每位用户只能领一张';
  }
  // 上述条件都满足，才执行发放操作
  this.grantCoupon();
}

其实我们可以舍去前两部查询records记录和查询库存数量，结果并不会出问题。从数据库优化来说，显然更改比查询更耗时，而且库存有限，最终库存消耗完，后面请求都会在前两步逻辑中走完。

• 什么情况下会走到第3步的左分支？

场景举例：库存仅剩1个，此时用户A和用户B同时请求，此时A稍快一点，库存+1后=100，B库存+1=101;

• 什么情况下会走到第4步的左分支？

场景举例：A用户同时发出两个请求，库存+1后均小于100，则稍快的一次请求会成功，另一个会查询到已有领券记录

• 思考：什么情况下会出现，先请求的用户没抢到券，反而靠后的用户能抢到券？

库存还剩4个，A用户发起大量请求，最终导致数据库记录的已发放库存大于100，-1操作还全部执行完成，而此时B、C、D用户也同时请求，则会返回超出库存，待到库存回滚操作完成，E、F、G用户后续请求的反而显示还有库存，成功抢到券，当然这只是理论上可能存在的情况。

总结

设计一个秒杀系统，其实还要考虑很多情况。如大型电商的秒杀活动，一次有几万的并发请求，服务器可能都支撑不住，可能会再网关层直接舍弃部分用户请求，减少服务器压力，或结合kafka消息队列，或使用动态扩容等技术。

其他

以上如有错误欢迎指正。

上一篇： lowcode之H5可视化搭建项目