同步秒杀流程

    public Result seckillVoucher(Long voucherId) throws InterruptedException {
        SeckillVoucher seckillVoucher = iSeckillVoucherService.getById(voucherId);
        LocalDateTime beginTime = seckillVoucher.getBeginTime();
        if (LocalDateTime.now().isBefore(beginTime)) {
            return Result.fail("秒杀还未开始");
        }
        LocalDateTime endTime = seckillVoucher.getEndTime();
        if (LocalDateTime.now().isAfter(endTime)) {
            return Result.fail("秒杀已经结束");
        }
//        查看库存
        Integer stock = seckillVoucher.getStock();
        if (stock < 1) {
            return Result.fail("库存不足");
        }
        Long userId = UserHolder.getUser().getId();
//        redis集群实现
        RLock lock = redissonClient.getLock("order:" + userId);
        boolean isLock = lock.tryLock(1L, TimeUnit.SECONDS);
        if (!isLock) {
            return Result.fail("你已经购买优惠卷");
        }
        try {
            IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
            return proxy.createVoucherOrder(voucherId, userId);
        } finally {
//            redisLock.releaseLock();
            lock.unlock();
        }
    }
  @Transactional
    public Result createVoucherOrder(Long voucherId, Long userId) {
        Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
        if (count > 0) {
            return Result.fail("已经购买优惠卷");
        }
//        基于乐观锁避免超卖问题，在乐观锁的基础上做出了改进，当要修改库存时判断库存是否大于0，但是也给数据库带来了巨大的压力
        boolean success = iSeckillVoucherService.update().setSql("stock=stock-1")
                .eq("voucher_id", voucherId).
                gt("stock", 0).update();
        if (!success) {
            return Result.fail("库存不足");
        }
        VoucherOrder voucherOrder = new VoucherOrder();
        long orderId = redisWorker.getGlobalId("order");
        voucherOrder.setId(orderId);
        voucherOrder.setVoucherId(voucherId);
        voucherOrder.setUserId(userId);
        save(voucherOrder);
        return Result.ok(orderId);
    }

以上是我们同步秒杀的流程，首先会从数据库中查询优惠卷，检查库存和是否在秒杀阶段，然后使用redisson基于Redis实现分布式锁解决一人一单问题，如果都通过后就会修改库存并且生成订单，整体的流程如下：
在这个流程中，我们发现整个步骤都是同步，都是交给主线程来执行，负责检验库存保证一人一单然后来修改数据库数据，我们是否可以再请一个人来优化这个流程呢？比如A来负责检验，检验成功后交给B来完成数据库的修改，这样是不是能够优化秒杀的业务

异步优化秒杀

我们可以这样做，让主线程来负责判断这个人能不能抢杀，如果抢杀成功交给另一个人来负责修改数据库，主线程直接返回订单id。
那怎样让主线程快速的库存和一人一单的判断呢？Redis
我们可以将库存保存在Redis的字符串类型中，Redis的性能高于直接查询数据库的性能，而一人一单的校验我们可以使用Redis的set集合，校验是否一人一单就看Redis的set集合中是否含有用户id，而当主线程通过校验后让Redis中的库存-1并且将用户id添加到set集合中。
而我们怎样让修改数据库的任务交给另一个人来处理呢？使用阻塞队列或者消息队列，为了实现简单，暂且使用阻塞队列，我们将要修改数据库的任务放入阻塞队列中，创建一个线程池，让线程池来负责执行修改数据库的任务。

异步秒杀流程

从流程中看出我们主线程只负责进行库存校验和确保一人一单后，生成订单添加到阻塞队列或消息队列中就直接返回，大大提高了业务的性能。

基于lua脚本保证Redis操作原子性

如果我们使用以上的操作来实现代码，会发生并发安全问题，因为校验Redis操作和更新Redis操作不具有原子性，就可能发生问题，例如一个线程通过校验Redis库存等还没有进行修改，另一个线程直接进入比较没有修改的库存，就发生了线程安全问题，我们需要保证这些操作具有原子性

代码实现

lua脚本：

--优惠卷id
local voucherId = ARGV[1];
--用户id
local userId = ARGV[2];
--库存键
local stockKey = "voucher:stock:" + voucherId;
--下过订单的用户键
local orderKey = "voucher:order:" + voucherId;
--查看卷库存是否足够
if (tonumber(redis.call("get", stockKey)) <= 0) then
return 1;
end
if (redis.call("sismember",orderKey,userId)==1) then
return 2
end
--扣库存
redis.call("incrby",stockKey,-1);
--添加用户id
redis.call("sadd",orderKey,userId)
return 0

    /**
     * 异步秒杀
     */
    @Override
    public Result seckillVoucher(Long voucherId) throws InterruptedException {
        Long userId = UserHolder.getUser().getId();
        Long result = redisTemplate.execute(SECkILL_SCRIPT, Collections.emptyList(), voucherId.toString(), userId.toString());
        int re = result.intValue();
        if (re != 0) {
            return re == 1 ? Result.fail("库存不足") : Result.fail("不能重复下单");
        }
        long orderId = redisWorker.getGlobalId("voucher:order");
        VoucherOrder voucherOrder = new VoucherOrder();
        voucherOrder.setVoucherId(voucherId);
        voucherOrder.setId(orderId);
        voucherOrder.setUserId(userId);
        VOUCHER_PROXY = (IVoucherOrderService) AopContext.currentProxy();
        BLOCKING_QUEUE.add(voucherOrder);
        return Result.ok(orderId);
    }

// 初始化lua脚本环境
    private static final DefaultRedisScript<Long> SECkILL_SCRIPT;


    static {
        SECkILL_SCRIPT = new DefaultRedisScript<>();
        SECkILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));
        SECkILL_SCRIPT.setResultType(Long.class);
    }

    //    在类初始化完之后执行
    @PostConstruct
    private void init() {
        EXECUTOR_SERVICE.execute(new VoucherHandler());
    }
// 阻塞队列获取任务处理
    private class VoucherHandler implements Runnable {

        @Override
        public void run() {
            while (true){
                try {
//                从阻塞队列中获取订单信息
                    VoucherOrder voucherOrder = BLOCKING_QUEUE.take();
//                  更新数据库库存以及创建优惠卷订单
                    VOUCHER_PROXY.createVoucherOrder(voucherOrder.getVoucherId(), voucherOrder.getUserId());
                } catch (InterruptedException e) {
                    e.printStackTrace();
                }
            }
        }
    }
    @Transactional
    public Result createVoucherOrder(Long voucherId, Long userId) {
        Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
        if (count > 0) {
            return Result.fail("已经购买优惠卷");
        }
//        基于乐观锁避免超卖问题，在乐观锁的基础上做出了改进，当要修改库存时判断库存是否大于0，但是也给数据库带来了巨大的压力
        boolean success = iSeckillVoucherService.update().setSql("stock=stock-1")
                .eq("voucher_id", voucherId).
                gt("stock", 0).update();
        if (!success) {
            return Result.fail("库存不足");
        }
        VoucherOrder voucherOrder = new VoucherOrder();
        long orderId = redisWorker.getGlobalId("order");
        voucherOrder.setId(orderId);
        voucherOrder.setVoucherId(voucherId);
        voucherOrder.setUserId(userId);
        save(voucherOrder);
        return Result.ok(orderId);
    }

阻塞队列的缺点

在我们进行数据库的修改任务时我们使用了阻塞队列来实现，在实际的业务中，我们需要使用一些消息队列来代替阻塞队列，阻塞队列使用的是JVM中的内存，当消息过多时会造成JVM内存爆满，并且功能不够强大，我们可以使用Redis的Stream或者MQ来实现消息队列来代替阻塞队列