
不知道大家有没有遇到这样的问题,购物节抢购商品的时候,由于抢购人数比较多,网络或者系统会很慢,这时候我们担心自己没有抢到,一般都会多点击几次购买按钮,可是这时候就会出现问题,有可能我们点击了三次,就会生成三个订单,付款的时候一地昂要看清楚了!像是这种情况就涉及到幂等性问题了,不多说了,快跟小编一起来看幂等策略分析吧。
一、幂等性概念
1.幂等概念是从数学中来的,表示N次变换和1次变换的结果是相同的。结合上面的例子,可以理解为,客户端在调用服务时并没有达到预期结果,就会会进行多次调用,为避免多次重复的调用对服务资源产生副作用,服务提供者会承诺满足幂等。
我们理解时需要注意以下几点:
(1)幂等不仅仅只是一次(或者多次)请求对资源没有副作用,还包括第一次请求时对资源产生了副作用,但是以后的多次请求,不会再对资源产生副作用。
(2)幂等关注的是以后的多次请求是否会对资源产生的副作用,而不关注结果。
2.常见场景
1.用户在购物时连续多次点击了提交订单,后台应该只产生一个订单
2.用户发起一笔付款请求,如果遇到网络问题或者系统bug,需要重发,也只应该只扣一次钱
3. 发送消息,也应该只发一次,同样内容发送给用户,用户会哭的;
4. 创建业务订单,一次业务请求只能创建一个订单,如果创建多个,就会导致大问题。
二、幂等的必要
1.幂等能够使客户端逻辑处理变得相对简单(相对的,却使得服务逻辑变得复杂),满足幂等服务,需要在逻辑中至少包含以下两点:
(1)首先要查询上一次的执行状态,如果没有那么就认为是第一次请求
(2)在服务改变状态的业务逻辑前,保证防重复提交的逻辑
2.幂等与防重
(1)重复提交是指,第一次请求已经成功,而人为的进行多次操作,导致不满足幂等要求的服务多次改变状态。
(2)幂等一般是指,第一次请求不知道结果(例如超时)或者失败的异常情况下,发起多次请求,这样做的目的是对第一次请求成功进行确认,并不会因为多次请求而出现多次状态变化。
三、保证幂等策略
幂等是需要通过唯一的业务单号来进行保证的。也就是,相同的业务单号,认为是同一笔业务。以这一唯一的业务单号,对后面多次的相同的业务单号的处理逻辑和执行效果的一致性进行确保。
以上面提交订单为例,在不考虑并发的情况下,可以简单实现幂等:
(1)首先查询订单是否已经提交成功;
(2)若已经提交成功,那么就返回提交成功;若没有提交成功,那么就进入提交页面。
以上就是小编今天跟大家分享的关于幂等策略分析的内容了,关于幂等性还涉及到很多方面,例如什么情况下需要幂等,幂等的不足等等,大家需要去深入了解和学习。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11