單機冪等性的 6 種實現！
作者 | 磊哥
來源 | Java 中文社羣（ID：javacn666）
轉載請聯繫授權（微信 ID：GG_Stone）
有位朋友，前兩天突然問磊哥：在 Java 中，防止重複提交最簡單的方案是什麼？
這句話中包含了兩個關鍵信息，第一：防止重複提交；第二：最簡單。
於是磊哥問他，是單機環境還是分佈式環境？
得到的反饋是單機環境，那就簡單了，於是磊哥就開始裝 * 了。
話不多說，我們先來複現這個問題。
模擬用戶場景
根據朋友的反饋，大致的場景是這樣的，如下圖所示：
簡化的模擬代碼如下（基於 Spring Boot）：
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
@RequestMapping("/user")
@RestController
public class UserController {
/**
* 被重複請求的方法
*/
@RequestMapping("/add")
public String addUser(String id) {
// 業務代碼...
System.out.println("添加用戶ID:" + id);
return "執行成功！";
}
}於是磊哥就想到：通過前、後端分別攔截的方式來解決數據重複提交的問題。
前端攔截
前端攔截是指通過 HTML 頁面來攔截重複請求，比如在用戶點擊完 “提交” 按鈕後，我們可以把按鈕設置爲不可用或者隱藏狀態。
執行效果如下圖所示：
前端攔截的實現代碼：
<html>
<script>
function subCli(){
// 按鈕設置爲不可用
document.getElementById("btn_sub").disabled="disabled";
document.getElementById("dv1").innerText = "按鈕被點擊了~";
}
</script>
<body style="margin-top: 100px;margin-left: 100px;">
<input id="btn_sub" type="button" value=" 提 交 " onclick="subCli()">
<div id="dv1" style="margin-top: 80px;"></div>
</body>
</html>但前端攔截有一個致命的問題，如果是懂行的程序員或非法用戶可以直接繞過前端頁面，通過模擬請求來重複提交請求，比如充值了 100 元，重複提交了 10 次變成了 1000 元（瞬間發現了一個致富的好辦法）。
所以除了前端攔截一部分正常的誤操作之外，後端的攔截也是必不可少。
後端攔截
後端攔截的實現思路是在方法執行之前，先判斷此業務是否已經執行過，如果執行過則不再執行，否則就正常執行。
我們將請求的業務 ID 存儲在內存中，並且通過添加互斥鎖來保證多線程下的程序執行安全，大體實現思路如下圖所示：
然而，將數據存儲在內存中，最簡單的方法就是使用 HashMap 存儲，或者是使用 Guava Cache 也是同樣的效果，但很顯然 HashMap 可以更快的實現功能，所以我們先來實現一個 HashMap 的防重（防止重複）版本。
1. 基礎版——HashMap
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.HashMap;
import java.util.Map;
/**
* 普通 Map 版本
*/
@RequestMapping("/user")
@RestController
public class UserController3 {
// 緩存 ID 集合
private Map<String, Integer> reqCache = new HashMap<>();
@RequestMapping("/add")
public String addUser(String id) {
// 非空判斷(忽略)...
synchronized (this.getClass()) {
// 重複請求判斷
if (reqCache.containsKey(id)) {
// 重複請求
System.out.println("請勿重複提交！！！" + id);
return "執行失敗";
}
// 存儲請求 ID
reqCache.put(id, 1);
}
// 業務代碼...
System.out.println("添加用戶ID:" + id);
return "執行成功！";
}
}實現效果如下圖所示：
存在的問題：此實現方式有一個致命的問題，因爲 HashMap 是無限增長的，因此它會佔用越來越多的內存，並且隨着 HashMap 數量的增加查找的速度也會降低，所以我們需要實現一個可以自動 “清除” 過期數據的實現方案。
2. 優化版——固定大小的數組
此版本解決了 HashMap 無限增長的問題，它使用數組加下標計數器（reqCacheCounter）的方式，實現了固定數組的循環存儲。
當數組存儲到最後一位時，將數組的存儲下標設置 0，再從頭開始存儲數據，實現代碼如下：
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.Arrays;
@RequestMapping("/user")
@RestController
public class UserController {
private static String[] reqCache = new String[100]; // 請求 ID 存儲集合
private static Integer reqCacheCounter = 0; // 請求計數器（指示 ID 存儲的位置）
@RequestMapping("/add")
public String addUser(String id) {
// 非空判斷(忽略)...
synchronized (this.getClass()) {
// 重複請求判斷
if (Arrays.asList(reqCache).contains(id)) {
// 重複請求
System.out.println("請勿重複提交！！！" + id);
return "執行失敗";
}
// 記錄請求 ID
if (reqCacheCounter >= reqCache.length) reqCacheCounter = 0; // 重置計數器
reqCache[reqCacheCounter] = id; // 將 ID 保存到緩存
reqCacheCounter++; // 下標往後移一位
}
// 業務代碼...
System.out.println("添加用戶ID:" + id);
return "執行成功！";
}
}3. 擴展版——雙重檢測鎖 (DCL)
上一種實現方法將判斷和添加業務，都放入 synchronized 中進行加鎖操作，這樣顯然性能不是很高，於是我們可以使用單例中著名的 DCL（Double Checked Locking，雙重檢測鎖）來優化代碼的執行效率，實現代碼如下：
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.Arrays;
@RequestMapping("/user")
@RestController
public class UserController {
private static String[] reqCache = new String[100]; // 請求 ID 存儲集合
private static Integer reqCacheCounter = 0; // 請求計數器（指示 ID 存儲的位置）
@RequestMapping("/add")
public String addUser(String id) {
// 非空判斷(忽略)...
// 重複請求判斷
if (Arrays.asList(reqCache).contains(id)) {
// 重複請求
System.out.println("請勿重複提交！！！" + id);
return "執行失敗";
}
synchronized (this.getClass()) {
// 雙重檢查鎖（DCL,double checked locking）提高程序的執行效率
if (Arrays.asList(reqCache).contains(id)) {
// 重複請求
System.out.println("請勿重複提交！！！" + id);
return "執行失敗";
}
// 記錄請求 ID
if (reqCacheCounter >= reqCache.length) reqCacheCounter = 0; // 重置計數器
reqCache[reqCacheCounter] = id; // 將 ID 保存到緩存
reqCacheCounter++; // 下標往後移一位
}
// 業務代碼...
System.out.println("添加用戶ID:" + id);
return "執行成功！";
}
}注意：DCL 適用於重複提交頻繁比較高的業務場景，對於相反的業務場景下 DCL 並不適用。
4. 完善版——LRUMap
上面的代碼基本已經實現了重複數據的攔截，但顯然不夠簡潔和優雅，比如下標計數器的聲明和業務處理等，但值得慶幸的是 Apache 爲我們提供了一個 commons-collections 的框架，裏面有一個非常好用的數據結構 LRUMap 可以保存指定數量的固定的數據，並且它會按照 LRU 算法，幫你清除最不常用的數據。
小貼士：LRU 是 Least Recently Used 的縮寫，即最近最少使用，是一種常用的數據淘汰算法，選擇最近最久未使用的數據予以淘汰。
首先，我們先來添加 Apache commons collections 的引用：
<!-- 集合工具類 apache commons collections -->
<!-- https://mvnrepository.com/artifact/org.apache.commons/commons-collections4 -->
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-collections4</artifactId>
<version>4.4</version>
</dependency>實現代碼如下：
import org.apache.commons.collections4.map.LRUMap;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
@RequestMapping("/user")
@RestController
public class UserController {
// 最大容量 100 個，根據 LRU 算法淘汰數據的 Map 集合
private LRUMap<String, Integer> reqCache = new LRUMap<>(100);
@RequestMapping("/add")
public String addUser(String id) {
// 非空判斷(忽略)...
synchronized (this.getClass()) {
// 重複請求判斷
if (reqCache.containsKey(id)) {
// 重複請求
System.out.println("請勿重複提交！！！" + id);
return "執行失敗";
}
// 存儲請求 ID
reqCache.put(id, 1);
}
// 業務代碼...
System.out.println("添加用戶ID:" + id);
return "執行成功！";
}
}使用了 LRUMap 之後，代碼顯然簡潔了很多。
5. 最終版——封裝
以上都是方法級別的實現方案，然而在實際的業務中，我們可能有很多的方法都需要防重，那麼接下來我們就來封裝一個公共的方法，以供所有類使用：
import org.apache.commons.collections4.map.LRUMap;
/**
* 冪等性判斷
*/
public class IdempotentUtils {
// 根據 LRU(Least Recently Used，最近最少使用)算法淘汰數據的 Map 集合，最大容量 100 個
private static LRUMap<String, Integer> reqCache = new LRUMap<>(100);
/**
* 冪等性判斷
* @return
*/
public static boolean judge(String id, Object lockClass) {
synchronized (lockClass) {
// 重複請求判斷
if (reqCache.containsKey(id)) {
// 重複請求
System.out.println("請勿重複提交！！！" + id);
return false;
}
// 非重複請求，存儲請求 ID
reqCache.put(id, 1);
}
return true;
}
}調用代碼如下：
import com.example.idempote.util.IdempotentUtils;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
@RequestMapping("/user")
@RestController
public class UserController4 {
@RequestMapping("/add")
public String addUser(String id) {
// 非空判斷(忽略)...
// -------------- 冪等性調用（開始） --------------
if (!IdempotentUtils.judge(id, this.getClass())) {
return "執行失敗";
}
// -------------- 冪等性調用（結束） --------------
// 業務代碼...
System.out.println("添加用戶ID:" + id);
return "執行成功！";
}
}小貼士：一般情況下代碼寫到這裏就結束了，但想要更簡潔也是可以實現的，你可以通過自定義註解，將業務代碼寫到註解中，需要調用的方法只需要寫一行註解就可以防止數據重複提交了，老鐵們可以自行嘗試一下（需要磊哥擼一篇的，評論區留言 666）。
擴展知識——LRUMap 實現原理分析
既然 LRUMap 如此強大，我們就來看看它是如何實現的。
LRUMap 的本質是持有頭結點的環回雙鏈表結構，它的存儲結構如下：
AbstractLinkedMap.LinkEntry entry;當調用查詢方法時，會將使用的元素放在雙鏈表 header 的前一個位置，源碼如下：
public V get(Object key, boolean updateToMRU) {
LinkEntry<K, V> entry = this.getEntry(key);
if (entry == null) {
return null;
} else {
if (updateToMRU) {
this.moveToMRU(entry);
}
return entry.getValue();
}
}
protected void moveToMRU(LinkEntry<K, V> entry) {
if (entry.after != this.header) {
++this.modCount;
if (entry.before == null) {
throw new IllegalStateException("Entry.before is null. This should not occur if your keys are immutable, and you have used synchronization properly.");
}
entry.before.after = entry.after;
entry.after.before = entry.before;
entry.after = this.header;
entry.before = this.header.before;
this.header.before.after = entry;
this.header.before = entry;
} else if (entry == this.header) {
throw new IllegalStateException("Can't move header to MRU This should not occur if your keys are immutable, and you have used synchronization properly.");
}
}如果新增元素時，容量滿了就會移除 header 的後一個元素，添加源碼如下：
protected void addMapping(int hashIndex, int hashCode, K key, V value) {
// 判斷容器是否已滿
if (this.isFull()) {
LinkEntry<K, V> reuse = this.header.after;
boolean removeLRUEntry = false;
if (!this.scanUntilRemovable) {
removeLRUEntry = this.removeLRU(reuse);
} else {
while(reuse != this.header && reuse != null) {
if (this.removeLRU(reuse)) {
removeLRUEntry = true;
break;
}
reuse = reuse.after;
}
if (reuse == null) {
throw new IllegalStateException("Entry.after=null, header.after=" + this.header.after + " header.before=" + this.header.before + " key=" + key + " value=" + value + " size=" + this.size + " maxSize=" + this.maxSize + " This should not occur if your keys are immutable, and you have used synchronization properly.");
}
}
if (removeLRUEntry) {
if (reuse == null) {
throw new IllegalStateException("reuse=null, header.after=" + this.header.after + " header.before=" + this.header.before + " key=" + key + " value=" + value + " size=" + this.size + " maxSize=" + this.maxSize + " This should not occur if your keys are immutable, and you have used synchronization properly.");
}
this.reuseMapping(reuse, hashIndex, hashCode, key, value);
} else {
super.addMapping(hashIndex, hashCode, key, value);
}
} else {
super.addMapping(hashIndex, hashCode, key, value);
}
}判斷容量的源碼：
public boolean isFull() {
return size >= maxSize;
}容量未滿就直接添加數據：
super.addMapping(hashIndex, hashCode, key, value);如果容量滿了，就調用 reuseMapping 方法使用 LRU 算法對數據進行清除。
綜合來說：LRUMap 的本質是持有頭結點的環回雙鏈表結構，當使用元素時，就將該元素放在雙鏈表 header 的前一個位置，在新增元素時，如果容量滿了就會移除 header 的後一個元素。
小結
本文講了防止數據重複提交的 6 種方法，首先是前端的攔截，通過隱藏和設置按鈕的不可用來屏蔽正常操作下的重複提交。但爲了避免非正常渠道的重複提交，我們又實現了 5 個版本的後端攔截：HashMap 版、固定數組版、雙重檢測鎖的數組版、LRUMap 版和 LRUMap 的封裝版。
特殊說明：本文所有的內容僅適用於單機環境下的重複數據攔截，如果是分佈式環境需要配合數據庫或 Redis 來實現，想看分佈式重複數據攔截的老鐵們，請給磊哥一個「贊」，如果點贊超過 50 個，咱們更新分佈式環境下重複數據的處理方案。
參考 & 鳴謝
https://blog.csdn.net/fenglllle/article/details/82659576
本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/Rw8QUWFIalbVy0g9n4iUzw