看到一篇关于防重复提交的文章，记录一下：
#防重复处理总结
##背景
在业务开发中，我们常会面对防止重复请求的问题。当服务端对于请求的响应涉及数据的修改，或状态的变更时，可能会造成极大的危害。重复请求的后果在交易系统、售后维权，以及支付系统中尤其严重。
前台操作的抖动，快速操作，网络通信或者后端响应慢，都会增加后端重复处理的概率。
前台操作去抖动和防快速操作的措施，我们首先会想到在前端做一层控制。当前端触发操作时，或弹出确认界面，或disable入口并倒计时等等，此处不细表。
但前端的限制仅能解决少部分问题，且不够彻底，后端自有的防重复处理措施必不可少，义不容辞。
在接口实现中，我们常要求接口要满足幂等性，来保证多次重复请求时只有一次有效。
查询类的接口几乎总是幂等的，但在包含诸如数据插入，多模块数据更新时，达到幂等性会比较难，尤其是高并发时的幂等性要求。比如第三方支付前台回调和后台回调，第三方支付批量回调，慢性能业务逻辑（如用户提交退款申请，商家同意退货/退款等）或慢网络环境时，是重复处理的高发场景。
##尝试
这里针对“用户提交退款申请”的例子，说明一下尝试过的防重复处理方法的效果。
后端防重复处理的方式，我们先后尝试了三种：
####1）基于DB中退款订单状态的验证
这种方式简单直观，从DB查询出来的退款详情（包括状态）往往还可以用在后续逻辑中，没有花额外的工作专门应对重复请求的问题。
这种查询状态后进行验证的逻辑，从代码上线后就一直存在于所有含状态的业务逻辑处理中，必不可少。但对于防重复处理效果并不好：在前端添加防重复提交前，每周平均在25笔；前端优化后，每周降到7笔。这个数量占总退款申请数的3%%，一个仍然无法接受的比例。
理论上，任意次请求只要在数据状态更新之前都完成了查询操作，则业务逻辑的重复处理就会发生。如下图所示。优化的方向是减少查询到更新之间业务处理时间，可降低空档期的并发影响。极致情况下如果查询和更新变成了原子操作，则就不存在我们当前的问题。
####2）基于缓存数据状态的验证
Redis存储查询轻量快速。在request进来的时候，可以先记录在缓存中。后续进来的request每次进行验证。整个流程处理完成，清除缓存。以退款为例子：
I. 每次退款发起申请，读取缓存中是否有以orderId为key的值
II. 没有，则往缓存中写入以orderId为key的value
III.有，则说明有该订单的退款正在进行。
IV. 操作完清缓存，或者缓存存值的时候设置生命周期与1）的发放相比，数据库换成响应更快的缓存。但是仍然不是原子操作。插入和读取缓存还是有时间间隔。在极致的情况下还是存在重复操作的情况。
此方法优化后，每周1笔重复操作。
####3）利用唯一索引机制的验证
需要原子性操作，想到了数据库的唯一索引。
新建一个TradeLock表：
CREATE TABLE `TradeLock` (
`id` int(11) unsigned NOT NULL AUTO_INCREMENT,
`type` int(11) NOT NULL COMMENT '锁类型',
`lockId` int(11) NOT NULL DEFAULT '0' COMMENT '业务ID',
`status` int(11) NOT NULL DEFAULT '0' COMMENT '锁状态',
PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=1 DEFAULT CHARSET=utf8 COMMENT='Trade锁机制';每次request进来则往表里面插入数据：
——成功,则可以继续操作（相当于获取锁）；
——失败,则说明有操作在进行。操作完成后，删除此条记录。（相当于释放锁）
目前已经上线，等待下周的数据统计。
####4）基于缓存的计数器验证：
由于数据库的操作比较消耗性能，了解到redis的计数器也是原子性操作。果断采用计数器。既可以提高性能，还不用存储，而且能提升qps的峰值。
还是以订单退款为例子：
每次request进来则新建一个以orderId为key的计数器，然后＋1。
如果>1（不能获得锁）: 说明有操作在进行，删除。
如果=1（获得锁）: 可以操作。操作结束（删除锁）：删除这个计数器。
要了解计数器，可以参考：
