架构与系统设计 / 系统课时

缓存与并发控制

缓存与并发控制

本课解决支付平台在高并发下出现缓存脏读、重复刷新、热点键过载和订单状态互相覆盖的问题。你将学会把数据库条件更新、Cache-Aside、分布式锁和热点治理放到正确位置,并用受影响行数验证并发控制是否生效。

学习目标

  • 为订单查询设计可控的缓存读写流程
  • 使用数据库条件更新阻止并发状态覆盖
  • 判断分布式锁和热点治理各自适用的边界

先分清四类问题

缓存一致性解决“读到旧值”,并发状态更新解决“多个请求同时改写”,分布式锁解决“多个节点同时进入临界区”,热点治理解决“少数键承受绝大部分流量”。四类问题相关,但不能用同一个锁统一处理。

支付订单状态、余额和清算金额必须以数据库为事实来源。缓存可以加速读取,却不应成为最终判断依据;否则缓存丢失、过期或主从切换都可能影响资金结果。

缓存与并发控制决策图

缓存一致性:使用 Cache-Aside

查询时先读缓存,未命中再查数据库并回填;更新时先提交数据库事务,再删除缓存。删除而不是直接改写缓存,可以避免应用同时维护两份状态并降低并发覆盖概率。

删除缓存仍然存在短暂时间窗,因此关键状态读取应允许回源数据库。对允许秒级延迟的数据,可以通过事件通知、延迟删除或较短 TTL 缩小窗口,但不要为了追求“绝对实时”把所有请求都串行化。

缓存键应设置过期时间,并加入少量随机抖动,避免大量键在同一秒失效。空结果也可以短暂缓存,防止不存在的订单被反复查询,但空值 TTL 应明显短于正常数据。

并发状态更新:数据库条件更新优先

订单状态迁移最可靠的做法是把前置状态和版本号写进 WHERE 条件。下面的 MySQL 示例模拟两个请求使用同一个版本号更新订单,只有第一个请求能够成功。

sql
CREATE TEMPORARY TABLE payment_order_demo (
    order_no VARCHAR(32) PRIMARY KEY,
    status VARCHAR(16) NOT NULL,
    version INT NOT NULL
);

INSERT INTO payment_order_demo(order_no, status, version)
VALUES ('P1001', 'PROCESSING', 0);

UPDATE payment_order_demo
SET status = 'SUCCESS', version = version + 1
WHERE order_no = 'P1001'
  AND status = 'PROCESSING'
  AND version = 0;

SELECT ROW_COUNT() AS first_update_rows;

UPDATE payment_order_demo
SET status = 'FAILED', version = version + 1
WHERE order_no = 'P1001'
  AND status = 'PROCESSING'
  AND version = 0;

SELECT ROW_COUNT() AS second_update_rows;

SELECT order_no, status, version
FROM payment_order_demo;

预期结果:

text
first_update_rows
1

second_update_rows
0

order_no | status  | version
P1001    | SUCCESS | 1

第二次更新返回 0 行,说明订单已被其他请求推进到终态。业务代码应把 0 行视为“状态已变化,需要重新读取”,而不是继续覆盖或盲目重试。

分布式锁只保护必要临界区

当多个节点可能同时重建同一个热点缓存时,可以使用分布式锁合并重复工作。下面是片段示例,依赖 Spring Data Redis 和 Redisson,放在已有 Spring 服务中使用。

java
import java.time.Duration;
import java.util.concurrent.TimeUnit;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.springframework.data.redis.core.StringRedisTemplate;

public class MerchantRateCacheService {
    private final RedissonClient redisson;
    private final StringRedisTemplate redis;

    public MerchantRateCacheService(
            RedissonClient redisson,
            StringRedisTemplate redis) {
        this.redisson = redisson;
        this.redis = redis;
    }

    public void rebuild(String merchantNo, String latestRate) throws InterruptedException {
        String cacheKey = "merchant:rate:" + merchantNo;
        RLock lock = redisson.getLock("lock:" + cacheKey);

        // 锁只覆盖缓存重建,避免把数据库事务和远程调用包进长临界区
        if (!lock.tryLock(0, 10, TimeUnit.SECONDS)) {
            return;
        }
        try {
            redis.opsForValue().set(cacheKey, latestRate, Duration.ofMinutes(5));
        } finally {
            if (lock.isHeldByCurrentThread()) {
                lock.unlock();
            }
        }
    }
}

生效行为是同一商户费率在同一时刻只由一个节点重建,其他节点直接返回并等待后续读取。验证时可让多个线程同时调用 rebuild,检查锁键会自动释放,缓存值最终存在,且业务线程不会长期阻塞。

分布式锁必须设置租约或使用看门狗,并在 finally 中由持锁线程释放。锁内不要执行慢查询、外部 HTTP 调用或大批量计算,否则热点键会变成系统级串行瓶颈。

热点数据与缓存击穿

热点订单、商户费率或路由配置可以采用多级缓存:进程内短 TTL 缓存承接大部分读取,Redis 提供跨节点共享,数据库作为最终来源。配置类数据还可以通过消息广播主动失效,减少等待 TTL 的时间。

缓存击穿时优先使用请求合并或互斥重建,而不是让所有请求同时回源。对计数器类热点键,可以按业务维度分片后异步汇总;对不可拆分的单键,则需要限流、降级和容量评估。

不要给每个普通查询都加分布式锁。锁适合保护少量、昂贵且必须互斥的操作;订单状态推进仍应依赖数据库条件更新,因为数据库约束比应用锁更接近事实源。

推荐落地顺序

先为订单状态建立合法状态机和条件更新,再实现事务提交后的缓存删除。只有确实存在重复重建或重复执行时才增加分布式锁,最后针对真实监控到的热点键做本地缓存、请求合并、分片或限流。

验收时同时观察数据库更新冲突数、缓存命中率、回源比例、锁等待时间和热点键 QPS。命中率很高但锁等待持续上升,通常说明缓存重建策略仍在制造串行瓶颈。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

缓存与并发控制

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通