NoSQL
Not Only SQL的简称。NoSQL是解决传统的RDBMS在应对某些问题时比较乏力而提出的。
即非关系型数据库，它们不保证关系数据的ACID特性，数据之间一般没有关联，在扩展上就非常容易实现，并且拥有较高的性能。
Redis
redis是nosql的典型代表，也是目前互联网公司的必用技术。
redis是键值(Key-Value)存储数据库，主要会使用到哈希表。大多数时候是直接以缓存的形式被使用，使得请求不直接访问到磁盘，所以效率方面是很不错的，完全能满足中小型企业的使用需求。
常用数据类型
- 字符串string
- 散列hash
- 列表list
- 集合sets
- 有序集合sort set
使用频率上string和hash会高一些，各个类型有各自的操作命令，无非增删改查，具体的命令后面我会整理一份。
痛点
web应用在众多请求同时发生时，可能会导致数据读取、存储上出现错误，即发生脏读、脏数据生成。
在分布式项目下，会出现更多的问题。
思路
并发时，本质其实就是多个请求同时进来了，没办法正确的去进行处理。
可以将所有的请求放在 一个队列，让请求们按照一个顺序，挨个进来执行业务逻辑。目前成熟的解决方案就是使用消息队列，下次我会整理一篇消息队列处理高并发的；
还有一个方法是直接将并行转为串行，Java提供了synchronized，即同步，不过这个在效率要求比较苛刻的地方 或者 分布式项目下还是不太合适的方案，这里就引出了使用redis来实现分布式锁，从而解决并发问题。
分布式锁
在分布式项目中，使用一个唯一、通用、效率高的标识，来表示上锁和解锁。
redis实现起来很简单，即对一个key是否存在来表示是否上锁、是否解锁。
以string类型举例：
Integer stock = goodsMapper.getStock();
if (stock > 0) {
stock =- 1;
goodsMapper.updateStock(stock);
}以上是最简单的秒杀伪代码，我们尝试用redis实现分布式锁。
// 这里是错误代码，只是一个思考过程，请耐心看完哦
String key = "REDIS_DISTRIBUTION_LOCKER"; // 分布式锁名称
String value = jedisUtils.get(key);
if (value != null) { // 未上锁
// wingzingliu
jedisUtils.set(key, 1); // 上锁
Integer stock = goodsMapper.getStock();
if (stock > 0) {
stock =- 1;
goodsMapper.updateStock(stock);
jedisUtils.del(key); // 释放锁
}
}以上代码可能会出现一个问题，就是当同时多个请求进来，某次多个请求都拿到value为空，线程A进入if 走到// wingzingliu这里的时候，还未上锁，其他请求也进来了，这样就会出现脏数据了。
这里的代码问题就是出在没有考虑原子性问题。
所以我们要使用到redis的一个setNx命令，本质也是设置值，但是这是一个原子操作，执行之后会返回是否设置成功。
redis> SETNX job "programmer" # job 设置成功
(integer) 1
redis> SETNX job "code-farmer" # 尝试覆盖 job ，失败
(integer) 0
redis> GET job # 没有被覆盖
"programmer"重点关注 当有值时，会失败，返回0。所以我们的代码会改造成以下这个样子。
// 这里是错误代码，只是一个思考过程，请耐心看完哦
String key = "REDIS_DISTRIBUTION_LOCKER"; // 分布式锁名称
Long result = jedisUtils.setNx(key, 1);
if (result > 0) { // 上锁成功，进入逻辑
// wingzingliu1
Integer stock = goodsMapper.getStock();
if (stock > 0) {
stock =- 1;
goodsMapper.updateStock(stock);
System.out.println("购买成功!");
} else {
System.out.println("没有库存了!");
}
// wingzingliu2
jedisUtils.del(key); // 释放锁
}以上我们就可以保证原子性，能正确的按照顺序去处理。
可是还有一个隐藏的问题，就是当某个线程执行上锁成功后，在wingzingliu1到wingzingliu2之间时，程序抛异常了，那么程序终止了，就无法释放锁，其他线程也都进不来了。
解决方案是加上try catch finally块，在finally里面去释放锁。
可是那如果是宕机呢？上锁之后宕机了，finally里面的依然不会执行，锁没有得到释放，不手动处理的情况下，以后所有线程也无法进入。
所以引入了redis的过期时间，到了某个时间自动解锁。
// 这里是不够完善的代码，请耐心看完哦
try {
String key = "REDIS_DISTRIBUTION_LOCKER"; // 分布式锁名称
Long result = jedisUtils.setNx(key, 1, 30); // 假设处理逻辑需要20s左右，设置了30秒自动过期
if (result > 0) { // 上锁成功，进入逻辑
Integer stock = goodsMapper.getStock();
if (stock > 0) {
stock =- 1;
goodsMapper.updateStock(stock);
System.out.println("购买成功!");
} else {
System.out.println("没有库存了!");
}
}
} catch (Exception e) {
} finally {
jedisUtils.del(key); // 释放锁
}以上是比较完善的分布式锁了，但是还有一个小瑕疵，就是假设某一次请求A处理的很慢，预计20s但是跑了35s，到了30s的时候锁过期了，其他请求就自然进来了。
这不仅仅会导致一次并行，当请求A处理完时，依然会执行释放锁，这实际上是下一个线程上的锁。以此类推，整个并发控制就乱了。
理论上可以设置一个更大的key过期时间，但是并不是最好的解决方案。这里就引出一个概念：锁续命。
锁续命
如其名，给锁续命。实现就是 当锁快过期的时候，去延长锁的时间。假设一个30s的锁，每个10s去检测一下，锁是否还在 如果在就重新延长至30s。这样就避免掉了上面的这个可能出现的问题。
这里使用一个定时任务，周期性的调用即可。
扩展
刚刚对key设置的value是1，其实能使用请求ID来进行保存，这样就能知道锁是由哪个请求上的，在解锁的时候 也可以避免解锁了其他线程上的锁。具体由前端传递，或者由服务端以某种规则生成都可以。
结语
至此我们就使用redis，一步一步的解决了在分布式项目下的并发问题。redis不是唯一的解决方案，但是对于大部分互联网公司来说，是一个很成熟、性能不错、便捷的方案。
还可以使用synchronized（非分布式项目）、mq 、zookeeper等方案去实现分布式锁 以 解决高并发问题。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持我们。
