营销网站的功能构成,做阿里巴巴的网站的费用,响应式网站建设新闻,笔记本做系统哪个网站好有位朋友#xff0c;某天突然问磊哥#xff1a;在 Java 中#xff0c;防止重复提交最简单的方案是什么#xff1f;这句话中包含了两个关键信息#xff0c;第一#xff1a;防止重复提交#xff1b;第二#xff1a;最简单。于是磊哥问他#xff0c;是单机环境还是分布式…有位朋友某天突然问磊哥在 Java 中防止重复提交最简单的方案是什么这句话中包含了两个关键信息第一防止重复提交第二最简单。于是磊哥问他是单机环境还是分布式环境得到的反馈是单机环境那就简单了于是磊哥就开始装*了。话不多说我们先来复现这个问题。模拟用户场景根据朋友的反馈大致的场景是这样的如下图所示简化的模拟代码如下(基于 Spring Boot)import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;RequestMapping(/user)RestControllerpublic class UserController {/*** 被重复请求的方法*/RequestMapping(/add)public String addUser(String id) {// 业务代码...System.out.println(添加用户ID: id);return 执行成功;}}于是磊哥就想到通过前、后端分别拦截的方式来解决数据重复提交的问题。前端拦截前端拦截是指通过 HTML 页面来拦截重复请求比如在用户点击完“提交”按钮后我们可以把按钮设置为不可用或者隐藏状态。执行效果如下图所示前端拦截的实现代码function subCli(){// 按钮设置为不可用document.getElementById(btn_sub).disableddisabled;document.getElementById(dv1).innerText 按钮被点击了~;}但前端拦截有一个致命的问题如果是懂行的程序员或非法用户可以直接绕过前端页面通过模拟请求来重复提交请求比如充值了 100 元重复提交了 10 次变成了 1000 元(瞬间发现了一个致富的好办法)。所以除了前端拦截一部分正常的误操作之外后端的拦截也是必不可少。后端拦截后端拦截的实现思路是在方法执行之前先判断此业务是否已经执行过如果执行过则不再执行否则就正常执行。我们将请求的业务 ID 存储在内存中并且通过添加互斥锁来保证多线程下的程序执行安全大体实现思路如下图所示然而将数据存储在内存中最简单的方法就是使用 HashMap 存储或者是使用 Guava Cache 也是同样的效果但很显然 HashMap 可以更快的实现功能所以我们先来实现一个 HashMap 的防重(防止重复)版本。1.基础版——HashMapimport 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)RestControllerpublic class UserController3 {// 缓存 ID 集合private Map reqCache new HashMap();RequestMapping(/add)public String addUser(String id) {// 非空判断(忽略)...synchronized (this.getClass()) {// 重复请求判断if (reqCache.containsKey(id)) {// 重复请求System.out.println(请勿重复提交 id);return 执行失败;}// 存储请求 IDreqCache.put(id, 1);}// 业务代码...System.out.println(添加用户ID: id);return 执行成功;}}实现效果如下图所示存在的问题此实现方式有一个致命的问题因为 HashMap 是无限增长的因此它会占用越来越多的内存并且随着 HashMap 数量的增加查找的速度也会降低所以我们需要实现一个可以自动“清除”过期数据的实现方案。2.优化版——固定大小的数组此版本解决了 HashMap 无限增长的问题它使用数组加下标计数器(reqCacheCounter)的方式实现了固定数组的循环存储。当数组存储到最后一位时将数组的存储下标设置 0再从头开始存储数据实现代码如下import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;import java.util.Arrays;RequestMapping(/user)RestControllerpublic class UserController {private static String[] reqCache new String[100]; // 请求 ID 存储集合private static Integer reqCacheCounter 0; // 请求计数器(指示 ID 存储的位置)RequestMapping(/add)public String addUser(String id) {// 非空判断(忽略)...synchronized (this.getClass()) {// 重复请求判断if (Arrays.asList(reqCache).contains(id)) {// 重复请求System.out.println(请勿重复提交 id);return 执行失败;}// 记录请求 IDif (reqCacheCounter reqCache.length) reqCacheCounter 0; // 重置计数器reqCache[reqCacheCounter] id; // 将 ID 保存到缓存reqCacheCounter; // 下标往后移一位}// 业务代码...System.out.println(添加用户ID: id);return 执行成功;}}3.扩展版——双重检测锁(DCL)上一种实现方法将判断和添加业务都放入 synchronized 中进行加锁操作这样显然性能不是很高于是我们可以使用单例中著名的 DCL(Double Checked Locking双重检测锁)来优化代码的执行效率实现代码如下import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;import java.util.Arrays;RequestMapping(/user)RestControllerpublic class UserController {private static String[] reqCache new String[100]; // 请求 ID 存储集合private static Integer reqCacheCounter 0; // 请求计数器(指示 ID 存储的位置)RequestMapping(/add)public String addUser(String id) {// 非空判断(忽略)...// 重复请求判断if (Arrays.asList(reqCache).contains(id)) {// 重复请求System.out.println(请勿重复提交 id);return 执行失败;}synchronized (this.getClass()) {// 双重检查锁(DCL,double checked locking)提高程序的执行效率if (Arrays.asList(reqCache).contains(id)) {// 重复请求System.out.println(请勿重复提交 id);return 执行失败;}// 记录请求 IDif (reqCacheCounter reqCache.length) reqCacheCounter 0; // 重置计数器reqCache[reqCacheCounter] id; // 将 ID 保存到缓存reqCacheCounter; // 下标往后移一位}// 业务代码...System.out.println(添加用户ID: id);return 执行成功;}}注意DCL 适用于重复提交频繁比较高的业务场景对于相反的业务场景下 DCL 并不适用。4.完善版——LRUMap上面的代码基本已经实现了重复数据的拦截但显然不够简洁和优雅比如下标计数器的声明和业务处理等但值得庆幸的是 Apache 为我们提供了一个 commons-collections 的框架里面有一个非常好用的数据结构 LRUMap 可以保存指定数量的固定的数据并且它会按照 LRU 算法帮你清除最不常用的数据。小贴士LRU 是 Least Recently Used 的缩写即最近最少使用是一种常用的数据淘汰算法选择最近最久未使用的数据予以淘汰。首先我们先来添加 Apache commons collections 的引用org.apache.commonscommons-collections44.4实现代码如下import org.apache.commons.collections4.map.LRUMap;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;RequestMapping(/user)RestControllerpublic class UserController {// 最大容量 100 个根据 LRU 算法淘汰数据的 Map 集合private LRUMap reqCache new LRUMap(100);RequestMapping(/add)public String addUser(String id) {// 非空判断(忽略)...synchronized (this.getClass()) {// 重复请求判断if (reqCache.containsKey(id)) {// 重复请求System.out.println(请勿重复提交 id);return 执行失败;}// 存储请求 IDreqCache.put(id, 1);}// 业务代码...System.out.println(添加用户ID: id);return 执行成功;}}使用了 LRUMap 之后代码显然简洁了很多。5.最终版——封装以上都是方法级别的实现方案然而在实际的业务中我们可能有很多的方法都需要防重那么接下来我们就来封装一个公共的方法以供所有类使用import org.apache.commons.collections4.map.LRUMap;/*** 幂等性判断*/public class IdempotentUtils {// 根据 LRU(Least Recently Used最近最少使用)算法淘汰数据的 Map 集合最大容量 100 个private static LRUMap reqCache new LRUMap(100);/*** 幂等性判断* return*/public static boolean judge(String id, Object lockClass) {synchronized (lockClass) {// 重复请求判断if (reqCache.containsKey(id)) {// 重复请求System.out.println(请勿重复提交 id);return false;}// 非重复请求存储请求 IDreqCache.put(id, 1);}return true;}}调用代码如下import com.example.idempote.util.IdempotentUtils;import org.springframework.web.bind.annotation.RequestMapping;import org.springframework.web.bind.annotation.RestController;RequestMapping(/user)RestControllerpublic class UserController4 {RequestMapping(/add)public String addUser(String id) {// 非空判断(忽略)...// -------------- 幂等性调用(开始) --------------if (!IdempotentUtils.judge(id, this.getClass())) {return 执行失败;}// -------------- 幂等性调用(结束) --------------// 业务代码...System.out.println(添加用户ID: id);return 执行成功;}}小贴士一般情况下代码写到这里就结束了但想要更简洁也是可以实现的你可以通过自定义注解将业务代码写到注解中需要调用的方法只需要写一行注解就可以防止数据重复提交了老铁们可以自行尝试一下(需要磊哥撸一篇的评论区留言 666)。扩展知识——LRUMap 实现原理分析既然 LRUMap 如此强大我们就来看看它是如何实现的。LRUMap 的本质是持有头结点的环回双链表结构它的存储结构如下AbstractLinkedMap.LinkEntry entry;当调用查询方法时会将使用的元素放在双链表 header 的前一个位置源码如下public V get(Object key, boolean updateToMRU) {LinkEntry entry this.getEntry(key);if (entry null) {return null;} else {if (updateToMRU) {this.moveToMRU(entry);}return entry.getValue();}}protected void moveToMRU(LinkEntry 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(Cant move header to MRU This should not occur if your keys are immutable, and you have used synchronization properly.);}}如果新增元素时容量满了就会移除 header 的后一个元素添加源码如下protected void addMapping(int hashIndex, int hashCode, K key, V value) {// 判断容器是否已满if (this.isFull()) {LinkEntry 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.afternull, 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(reusenull, 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);}}判断容量的源码public boolean isFull() {return size maxSize;}**容量未满就直接添加数据super.addMapping(hashIndex, hashCode, key, value);如果容量满了就调用 reuseMapping 方法使用 LRU 算法对数据进行清除。综合来说LRUMap 的本质是持有头结点的环回双链表结构当使用元素时就将该元素放在双链表 header 的前一个位置在新增元素时如果容量满了就会移除 header 的后一个元素。总结本文讲了防止数据重复提交的 6 种方法首先是前端的拦截通过隐藏和设置按钮的不可用来屏蔽正常操作下的重复提交。但为了避免非正常渠道的重复提交我们又实现了 5 个版本的后端拦截HashMap 版、固定数组版、双重检测锁的数组版、LRUMap 版和 LRUMap 的封装版。特殊说明本文所有的内容仅适用于单机环境下的重复数据拦截如果是分布式环境需要配合数据库或 Redis 来实现想看分布式重复数据拦截的老铁们请给磊哥一个「赞」如果点赞超过 100 个咱们更新分布式环境下重复数据的处理方案谢谢你。参考 鸣谢
