计费服务一般都是跟资金相关，所以它在系统中是非常核心的模块，要保证服务的高可用、事务一致性、高性能。服务高可用需要集群部署，要保证事务一致性可以通过数据库来实现，但是只通过数据库却很难实现高性能的系统。
这篇文章通过使用 redis+消息队列+数据库 实现一套高性能的计费服务，接口请求扣费分为两步： 首先 使用redis扣减用户余额，扣费成功后将数据发送到消息队列，整个扣费的第一步就完成了，这时就可以返回成功给调用端； 第二步 数据持久化，由另外一个服务订阅消息队列，批量消费队列中的消息实现数据库持久化。
上面两个步骤完成后，整个扣费过程就结束了，这里最主要的就是扣费的第一步，业务流程图如下：
通过上面的流程图可以知道，整个扣费的第一步主要分为两部分：redis扣费+kafka消费；单独使用redis扣费可以通过lua脚本实现事务，kafka消息队列也可以实现事务，但是如何将这两步操作实现事务就要通过编程来保障。
实现上面的处理流程打算使用一个demo项目来演示。项目使用 SpringBoot+redis+kafka+MySQL 的架构。
首先在MySQL数据库创建用到的几个表：
-- 用户信息
CREATE TABLE `t_user` (
`id` int NOT NULL AUTO_INCREMENT,
`user_name` varchar(128) DEFAULT NULL,
`create_time` datetime NULL DEFAULT NULL,
`modify_time` datetime NULL DEFAULT NULL,
`api_open` tinyint NULL DEFAULT 0,
`deduct_type` varchar(16) DEFAULT NULL,
PRIMARY KEY (`id`) USING BTREE,
UNIQUE INDEX `user_name`(`user_name` ASC) USING BTREE
) ENGINE = InnoDB AUTO_INCREMENT = 1 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_0900_ai_ci ROW_FORMAT = Dynamic;
-- 账户信息
CREATE TABLE `t_account` (
`user_id` int NOT NULL,
`balance` decimal(20, 2) NULL DEFAULT NULL,
`modify_time` datetime NULL DEFAULT NULL,
`create_time` datetime NULL DEFAULT NULL,
`version` bigint NULL DEFAULT 1,
`threshold` decimal(20, 2) NULL DEFAULT NULL,
PRIMARY KEY (`user_id`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8mb4 COLLATE = utf8mb4_0900_ai_ci ROW_FORMAT = DYNAMIC;
-- 订单信息
CREATE TABLE `t_order` (
`id` bigint NOT NULL,
`user_id` int NULL DEFAULT NULL,
`amount` decimal(20, 2) NULL DEFAULT NULL,
`balance` decimal(20, 2) NULL DEFAULT NULL,
`modify_time` datetime NULL DEFAULT NULL,
`create_time` datetime NULL DEFAULT NULL,
PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8mb4 COLLATE = utf8mb4_0900_ai_ci ROW_FORMAT = DYNAMIC;
-- 支付信息
CREATE TABLE `t_pay` (
`id` bigint NOT NULL,
`user_id` int NULL DEFAULT NULL,
`pay` decimal(20, 2) NULL DEFAULT NULL,
`create_time` datetime NULL DEFAULT NULL,
PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8mb4 COLLATE = utf8mb4_0900_ai_ci ROW_FORMAT = Dynamic;
用户信息表 t_user 有两个字段需要说明：api_open 表示用户接口是否开启，如果用户账号余额不足可以把该字段设置为false拦截扣费请求；deduct_type 这个字段表示扣费方式，ASYNC表示异步扣费，先通过redis扣减余额再异步扣减数据库，SYNC表示同步扣费，直接扣减数据库。
账户余额表 t_account 中也要说明两个字段：version 表示余额扣减的版本号，这个版本号只能递增，每更新一次数据库版本号就增加1，在异步扣费时，可以比较redis中数据和db中数据的差异，正常来说redis中的版本号要大于等于db中的版本号；threshold 是余额的一个阈值，由于redis中数据和db数据的差异，当异步扣费时redis中的余额小于该值时，避免有可能存在的超扣情况，要对用户的请求限流。
第一步在redis中扣减客户的余额时，需要处理三个数据：
（1）判断客户余额信息是否存在，如果存在并且余额充足，则扣减客户余额；
（2）生成订单信息缓存，由于数据库的订单和redis扣费订单存在时间差，这里的订单信息可以用于查询订单数据；redis如果发生主从切换，订单信息也可以用于判断该订单是否要重新加载历史数据；
（3）添加订单一致性集合数据，当kafka消息被消费后会把订单ID在这个集合中删除，它主要有两个用途：订单已经在redis中扣费但是由于某些原因没能在kafka中消费到，可以通过补偿逻辑将该订单入库；也可以通过这个集合中的订单条数判断redis处理数据与db处理数据的差异；
正常流程这三步的lua脚本：
local rs
if redis.call('exists', KEYS[1]) > 0 then
local vals = redis.call('hmget', KEYS[1], 'balance', 'threshold', 'v')
local balance = tonumber(vals[1])
local threshold = tonumber(vals[2])
local v0 = tonumber(vals[3])
if balance >= tonumber(ARGV[1]) and (balance - ARGV[1]) >= threshold then
local b = redis.call('hincrby', KEYS[1], 'balance', 0 - ARGV[1])
redis.call('hset', KEYS[1], 'ts', ARGV[2])
redis.call('set', KEYS[2], ARGV[1] .. ';' .. ARGV[2] .. ';' .. b, 'EX', 604800)
redis.call('zadd', KEYS[3], ARGV[2], ARGV[3])
local v = redis.call('hincrby', KEYS[1], 'v', 1)
rs = 'ok;' .. b .. ';' .. v
else
rs = 'fail;' .. balance .. ';' .. v0
end
else
rs = 'null'
end
return rs
最初redis中是不存在数据的，需要将db数据加载到redis中：
if redis.call('exists', KEYS[1]) > 0 then
redis.call('hget', KEYS[1], 'balance')
else
redis.call('hmset', KEYS[1], 'balance', ARGV[1], 'v', ARGV[2], 'threshold', ARGV[3])
end
return 'ok'
当redis扣费成功而后面操作出现异常时需要回滚redis的扣费：
local rs
if redis.call('exists', KEYS[1]) > 0 then
local v = tonumber(redis.call('hget', KEYS[1], 'v'))
if v >= tonumber(ARGV[2]) then
rs = redis.call('hincrby', KEYS[1], 'balance', ARGV[1])
redis.call('hincrby', KEYS[1], 'v', 1)
redis.call('del', KEYS[2])
redis.call('zrem', KEYS[3], ARGV[3])
else
rs = 'fail'
end
else
rs = 'null'
end
return rs
上面的lua脚本涉及到多个键操作，要保证在集群模式下命令正确执行，要让所有的键落在一个hash槽，所以在键的设计时要保证计算hash的部分相同，使用用户ID包裹在{}内就能达到目的，所有涉及到的键封装成一个工具类：
/**
* @Author xingo
* @Date 2024/9/10
*/
public class RedisKeyUtils {
/**
* 用户余额键
* @param userId 用户ID
* @return
*/
public static String userBalanceKey(int userId) {
return ("user:balance:{" + userId + "}").intern();
}
/**
* 用户订单键
* @param userId 用户ID
* @param orderId 订单ID
* @return
*/
public static String userOrderKey(int userId, long orderId) {
return ("user:order:{" + userId + "}:" + orderId).intern();
}
/**
* 保存用户订单一致性的订单集合
* 保存可能已经在redis中但不在数据库中的订单ID集合
* @param userId 用户ID
* @return
*/
public static String userOrderZsetKey(int userId) {
return ("user:order:consistency:{" + userId + "}").intern();
}
/**
* 用户分布式锁键
* @param userId
* @return
*/
public static String userLockKey(int userId) {
return ("user:lock:" + userId).intern();
}
}
使用springboot开发还需要将lua脚本封装成工具类：
import org.springframework.data.redis.core.script.DefaultRedisScript;
/**
* lua脚本工具类
*
* @Author xingo
* @Date 2024/9/10
*/
public class LuaScriptUtils {
/**
* redis数据分隔符
*/
public static final String SEPARATOR = ";";
/**
* 异步扣费lua脚本
* 键1：用户余额键，hash结构
* 键2：用户订单键，string结构
* 参数1：扣减的金额，单位是分；
* 参数2：扣减余额的时间戳
*/
public static final String ASYNC_DEDUCT_BALANCE_STR =
"local rs " +
"if redis.call('exists', KEYS[1]) > 0 then " +
" local vals = redis.call('hmget', KEYS[1], 'balance', 'threshold', 'v') " +
" local balance = tonumber(vals[1]) " +
" local threshold = tonumber(vals[2]) " +
" local v0 = tonumber(vals[3]) " +
" if balance >= tonumber(ARGV[1]) and (balance - ARGV[1]) >= threshold then " +
" local b = redis.call('hincrby', KEYS[1], 'balance', 0 - ARGV[1]) " +
" redis.call('hset', KEYS[1], 'ts', ARGV[2]) " +
" redis.call('set', KEYS[2], ARGV[1] .. '" + SEPARATOR + "' .. ARGV[2] .. '" + SEPARATOR + "' .. b, 'EX', 604800) " +
" redis.call('zadd', KEYS[3], ARGV[2], ARGV[3]) " +
" local v = redis.call('hincrby', KEYS[1], 'v', 1) " +
" rs = 'ok" + SEPARATOR + "' .. b .. '" + SEPARATOR + "' .. v " +
" else " +
" rs = 'fail" + SEPARATOR + "' .. balance .. '" + SEPARATOR + "' .. v0 " +
" end " +
"else " +
" rs = 'null' " +
"end " +
"return rs";
/**
* 同步余额数据lua脚本
* 键：用户余额键，hash结构
* 参数1：扣减的金额，单位是分
* 参数2：扣减余额的时间戳
* 参数3：余额的阈值，单位是分
*/
public static final String SYNC_BALANCE_STR =
"if redis.call('exists', KEYS[1]) > 0 then " +
" redis.call('hget', KEYS[1], 'balance') " +
"else " +
" redis.call('hmset', KEYS[1], 'balance', ARGV[1], 'v', ARGV[2], 'threshold', ARGV[3]) " +
"end " +
"return 'ok'";
/**
* 回滚扣款lua脚本
* 键1：用户余额键，hash结构
* 键2：用户订单键，string结构
* 参数1：回滚的金额，单位是分
* 参数2：扣款时对应的版本号
*/
public static final String ROLLBACK_DEDUCT_STR =
"local rs " +
"if redis.call('exists', KEYS[1]) > 0 then " +
" local v = tonumber(redis.call('hget', KEYS[1], 'v')) " +
" if v >= tonumber(ARGV[2]) then " +
" rs = redis.call('hincrby', KEYS[1], 'balance', ARGV[1]) " +
" redis.call('hincrby', KEYS[1], 'v', 1) " +
" redis.call('del', KEYS[2]) " +
" redis.call('zrem', KEYS[3], ARGV[3]) " +
" else " +
" rs = 'fail' " +
" end " +
"else " +
" rs = 'null' " +
"end " +
"return rs";
public static final DefaultRedisScript<String> ASYNC_DEDUCT_SCRIPT = new DefaultRedisScript<>(LuaScriptUtils.ASYNC_DEDUCT_BALANCE_STR, String.class);
public static final DefaultRedisScript<String> SYNC_BALANCE_SCRIPT = new DefaultRedisScript<>(LuaScriptUtils.SYNC_BALANCE_STR, String.class);
public static final DefaultRedisScript<String> ROLLBACK_DEDUCT_SCRIPT = new DefaultRedisScript<>(LuaScriptUtils.ROLLBACK_DEDUCT_STR, String.class);
}
所有基础组件都已经准备好了，接下来就是编写义务代码：
处理请求接口：
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
import org.xingo.domain.ApiResult;
import org.xingo.front.service.DeductService;
import java.math.BigDecimal;
/**
* @Author xingo
* @Date 2024/9/9
*/
@Slf4j
@RestController
public class DeductController {
@Autowired
private DeductService deductService;
/**
* 异步扣减余额
* @param userId 用户ID
* @param amount 扣减金额
* @return
*/
@GetMapping("/async/dudect")
public ApiResult asyncDeduct(int userId, BigDecimal amount) {
return deductService.asyncDeduct(userId, amount);
}
}
扣费处理服务：
import org.xingo.domain.ApiResult;
import java.math.BigDecimal;
/**
* @Author xingo
* @Date 2024/9/13
*/
public interface DeductService {
/**
* 异步扣减余额
* @param userId
* @param amount
* @return
*/
ApiResult asyncDeduct(int userId, BigDecimal amount);
}
import com.baomidou.mybatisplus.core.toolkit.StringUtils;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import org.xingo.domain.ApiResult;
import org.xingo.domain.DeductResult;
import org.xingo.entity.UserData;
import org.xingo.enums.DeductType;
import org.xingo.front.config.CacheUtils;
import org.xingo.front.service.DeductService;
import org.xingo.front.service.OrderService;
import java.math.BigDecimal;
/**
* @Author xingo
* @Date 2024/9/13
*/
@Slf4j
@Service
public class DeductServiceImpl implements DeductService {
@Autowired
private OrderService orderService;
@Autowired
private CacheUtils cacheUtils;
@Override
public ApiResult asyncDeduct(int userId, BigDecimal amount) {
ApiResult result = null;
UserData user = cacheUtils.getUserData(userId);
if(user != null && user.isApiOpen()) {
amount = amount.abs();
if(user.getDeductType() == DeductType.ASYNC) {
DeductResult rs = orderService.asyncDeductOrder(userId, amount);
if(StringUtils.isNotBlank(rs.getMessage()) && "null".equals(rs.getMessage())) {
BigDecimal rsBalance = orderService.syncBalanceToRedis(userId);
if(rsBalance != null) {
return this.asyncDeduct(userId, amount);
} else {
result = ApiResult.fail("同步余额失败");
}
} else {
result = ApiResult.success(rs);
}
} else {
DeductResult rs = orderService.syncDeductOrder(userId, amount);
return StringUtils.isBlank(rs.getMessage()) ? ApiResult.success(rs) : ApiResult.fail(rs.getMessage());
}
} else {
result = ApiResult.fail("用户接口未开启");
}
return result;
}
}
订单扣减服务
import org.xingo.domain.DeductResult;
import java.math.BigDecimal;
/**
* @Author xingo
* @Date 2024/9/9
*/
public interface OrderService {
/**
* 同步扣减订单
* @param userId
* @param amount
* @return
*/
DeductResult syncDeductOrder(Integer userId, BigDecimal amount);
/**
* 同步余额数据到redis
* @param userId
* @return
*/
BigDecimal syncBalanceToRedis(Integer userId);
/**
* 同步扣减订单
* @param userId
* @param amount
* @return
*/
DeductResult asyncDeductOrder(Integer userId, BigDecimal amount);
}
import cn.hutool.core.util.IdUtil;
import lombok.extern.slf4j.Slf4j;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.kafka.core.KafkaTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;
import org.xingo.common.ConstantVal;
import org.xingo.common.JacksonUtils;
import org.xingo.common.RedisKeyUtils;
import org.xingo.domain.DeductResult;
import org.xingo.entity.AccountData;
import org.xingo.entity.OrderData;
import org.xingo.front.mapper.AccountMapper;
import org.xingo.front.mapper.OrderMapper;
import org.xingo.front.service.OrderService;
import org.xingo.front.service.UserService;
import java.math.BigDecimal;
import java.math.RoundingMode;
import java.time.LocalDateTime;
import java.util.Arrays;
import java.util.Collections;
import java.util.List;
import java.util.concurrent.TimeUnit;
/**
* @Author xingo
* @Date 2024/9/9
*/
@Slf4j
@Service
public class OrderServiceImpl implements OrderService {
/**
* 100倍
*/
BigDecimal ONE_HUNDRED = BigDecimal.valueOf(100);
Logger deductLogger = LoggerFactory.getLogger("deduct");
@Autowired
private AccountMapper accountMapper;
@Autowired
private OrderMapper orderMapper;
@Autowired
private StringRedisTemplate redisTemplate;
@Autowired
private KafkaTemplate<String, String> kafkaTemplate;
@Autowired
private RedissonClient redissonClient;
@Autowired
private UserService userService;
@Override
@Transactional(rollbackFor = Exception.class)
public DeductResult syncDeductOrder(Integer userId, BigDecimal amount) {
String lockKey = RedisKeyUtils.userLockKey(userId);
RLock rlock = redissonClient.getLock(lockKey);
try {
boolean tryLock = rlock.tryLock(5, 5, TimeUnit.SECONDS);
if(tryLock) {
// 扣减账号余额
boolean rs = accountMapper.deductBalanceByUserId(userId, amount);
if(rs) { // 扣减余额成功
// 查找余额
AccountData account = accountMapper.selectById(userId);
if(account.getBalance().compareTo(BigDecimal.ZERO) <= 0) {
userService.closeUserApi(userId);
}
// 增加订单
long id = IdUtil.getSnowflake(1, 1).nextId();
OrderData orderData = OrderData.builder()
.id(id)
.userId(userId)
.amount(amount)
.balance(account.getBalance())
.modifyTime(LocalDateTime.now())
.createTime(LocalDateTime.now())
.build();
orderMapper.insert(orderData);
log.info("同步扣减账号余额|{}|{}|{}|{}", userId, amount, account.getBalance(), id);
// 实时同步余额到redis
String key = RedisKeyUtils.userBalanceKey(userId);
String key1 = RedisKeyUtils.userOrderKey(userId, id);
List<String> keys = Arrays.asList(key, key1);
String execute = redisTemplate.execute(LuaScriptUtils.DB_DEDUCT_SCRIPT, keys,
amount.multiply(ONE_HUNDRED).intValue() + "", System.currentTimeMillis() + "");
if(execute.startsWith("ok")) {
String[] arr = execute.split(";");
int redisVersion = Integer.parseInt(arr[2]);
if(redisVersion < account.getVersion()) {
redisTemplate.delete(key);
log.info("缓存数据版本低于数据库|{}|{}|{}|{}|{}", userId, redisVersion, account.getVersion(), arr[1], account.getBalance());
}
}
log.info("同步扣减数据到缓存|{}|{}|{}|{}", userId, amount, account.getBalance(), execute);
return DeductResult.builder()
.id(id)
.userId(userId)
.amount(amount)
.balance(account.getBalance())
.build();
}
}
} catch (InterruptedException e) {
log.error("获取redisson锁异常", e);
throw new RuntimeException(e);
} finally {
if(rlock.isHeldByCurrentThread()) {
rlock.unlock();
}
}
return DeductResult.builder().message("扣费失败").build();
}
@Override
public BigDecimal syncBalanceToRedis(Integer userId) {
String lockKey = RedisKeyUtils.userLockKey(userId);
RLock rlock = redissonClient.getLock(lockKey);
try {
boolean tryLock = rlock.tryLock(5, 5, TimeUnit.SECONDS);
if(tryLock) {
AccountData balance = accountMapper.selectById(userId);
if(balance != null && balance.getBalance().compareTo(BigDecimal.ZERO) > 0) {
String key = RedisKeyUtils.userBalanceKey(userId);
List<String> keys = Collections.singletonList(key);
try {
String execute = redisTemplate.execute(LuaScriptUtils.SYNC_BALANCE_SCRIPT, keys,
balance.getBalance().multiply(ONE_HUNDRED).intValue() + "",
balance.getVersion().toString(),
balance.getThreshold().multiply(ONE_HUNDRED).intValue() + "");
log.info("同步账号余额到缓存|{}|{}|{}|{}|{}", userId, balance.getBalance(), balance.getVersion(), balance.getThreshold(), execute);
return balance.getBalance();
} catch (Exception e) {
e.printStackTrace();
return null;
}
}
}
} catch (InterruptedException e) {
log.error("获取redisson锁异常", e);
throw new RuntimeException(e);
} finally {
if(rlock.isHeldByCurrentThread()) {
rlock.unlock();
}
}
return null;
}
@Override
public DeductResult asyncDeductOrder(Integer userId, BigDecimal amount) {
long id = IdUtil.getSnowflake(1, 1).nextId();
String key = RedisKeyUtils.userBalanceKey(userId);
String key1 = RedisKeyUtils.userOrderKey(userId, id);
String key2 = RedisKeyUtils.userOrderZsetKey(userId);
List<String> keys = Arrays.asList(key, key1, key2);
try {
long ts = System.currentTimeMillis();
int fee = amount.multiply(ONE_HUNDRED).intValue();
String execute = redisTemplate.execute(LuaScriptUtils.ASYNC_DEDUCT_SCRIPT, keys,
fee + "", ts + "", id + "");
log.info("异步扣减缓存余额|{}|{}|{}", userId, amount, execute);
if(execute.startsWith("ok")) { // 扣费成功
return this.deductSuccess(keys, id, userId, amount, ts, execute);
} else { // 扣费失败
return DeductResult.builder().message(execute).build();
}
} catch (Exception e) {
log.error("扣费异常", e);
// 扣费失败
return DeductResult.builder().message("fail").build();
}
}
/**
* 扣费成功处理逻辑
* @param keys
* @param userId
* @param amount
* @param execute
* @return
* @throws Exception
*/
private DeductResult deductSuccess(List<String> keys, long id, Integer userId, BigDecimal amount, long ts, String execute) throws Exception {
String[] arr = execute.split(";");
BigDecimal balance = new BigDecimal(arr[1]).divide(ONE_HUNDRED, 2, RoundingMode.HALF_UP);
if(balance.compareTo(BigDecimal.ZERO) <= 0) {
userService.closeUserApi(userId);
}
String version = arr[2];
// 扣费成功发送kafka消息
DeductResult deductResult = DeductResult.builder()
.id(id)
.userId(userId)
.balance(balance)
.amount(amount)
.build();
// 发送消息队列采用同步方式，判断发送消息队列成功后才返回接口成功
kafkaTemplate.send(ConstantVal.KAFKA_CONSUMER_TOPIC, userId.toString(), JacksonUtils.toJSONString(deductResult)).handle((rs, throwable) -> {
if (throwable == null) {
return rs;
}
String topic = rs.getProducerRecord().topic();
log.info("异步扣减余额后发送消息队列失败|{}|{}|{}|{}", topic, userId, amount, execute);
// kafka消息发送失败回滚扣费
String execute1 = redisTemplate.execute(LuaScriptUtils.ROLLBACK_DEDUCT_SCRIPT, keys,
amount.multiply(ONE_HUNDRED).intValue() + "", version, id + "");
log.info("异步扣减余额后发送消息队列失败回滚扣费|{}|{}|{}|{}|{}", topic, userId, amount, execute, execute1);
// 提示失败，调用同步扣费
deductResult.setMessage("fail");
return null;
})
.thenAccept(rs -> {
if (rs != null) {
deductLogger.info("{}|{}|{}|{}", userId, id, amount, ts);
}
}).get();
return deductResult;
}
}
上面的代码已经完成了扣费的第一步所有逻辑，只通过redis的高性能扣费逻辑就完成了。使用lua脚本能够保证事务，同时redis是单线程执行命令的不用考虑锁的问题。如果使用数据库完成扣费逻辑，就要考虑使用分布式锁保证服务的安全。
但是上面的代码还有一些点要优化的：
- 当redis集群发生了主从切换，由于redis的异步复制就有可能存在丢失数据的风险，所以我们要在业务系统中保证数据不丢失；
- redis与db库会存在数据差异，这是性能导致的，在某些场景中要考虑这种差异有可能引起的问题。
余额数据在redis中的结构是一个hash，金额的单位为分：
127.0.0.1:7001> hgetall user:balance:{9}
1) "balance"
2) "9970000"
3) "v"
4) "4"
5) "threshold"
6) "500000"
7) "ts"
8) "1728436908699"
订单信息是一个键值对，值的结构是多个;分隔的值，分别为本次扣减金额、时间戳、扣减后余额：
127.0.0.1:7001> get user:order:{9}:1843824075538042880
"10000;1728436890860;9990000"
本站资源均来自互联网，仅供研究学习，禁止违法使用和商用，产生法律纠纷本站概不负责！如果侵犯了您的权益请与我们联系！
转载请注明出处： 免费源码网-免费的源码资源网站 » 通过redis实现高性能计费处理逻辑
发表评论 取消回复