"商城平台用户下单"这一业务场景相信很多小伙伴并不陌生，在正常的情况下，用户在提交完订单/下完单之后，应该是前往"收银台"选择支付方式进行支付，之后只需要提供相应的密码即可完成整个支付过程；然而，"非正常的情况"也总是会有的，即用户在提交完订单之后在"规定的时间内"迟迟没有支付，这个时候我们就需要采取一些措施了，本文就是讲解如何基于Redis的Key失效，即TTL + 定时任务调度 实现这一业务场景的功能。
内容
前面篇章中，我们基本上给各位小伙伴介绍完了缓存中间件Redis各种典型且常见的数据结构及其典型的应用场景，这些数据结构包括字符串String、列表List、集合Set、有序集合SortedSet以及哈希Hash，其常见的业务场景包括"实体对象信息的存储"、"商品列表有序存储"、"List队列特性实现消息的广播通知"、"重复提交"、"随机获取试卷题目列表"、"排行榜"以及"数据字典的实时触发缓存存储"，可以说，真正地做到了技术的学以致用！
本文我们将给大家介绍一个目前在"电商平台"比较常见、典型的业务场景，即"用户在下单之后，支付超时而自动失效该订单"的功能！对于这一功能的实现，如果有小伙伴撸过我的那套"消息中间件RabbitMQ实战视频教程"的课程，那么肯定知晓如何实现！没错，就是利用"死信队列"来实现的！
而现在，我们要介绍的并非RabbitMQ的死信队列，而是想如何基于缓存中间件Redis来实现这一功能！我们知道在使用Redis的缓存功能时，无非就是SET Key Value，这是最为"常规的操作"，但千万要记住，Redis提供的功能的还远不止于此，像设置Key的失效时间，即SET Key Value TTL，其作用就是"设置某个Key的值为Value，同时设置了它在缓存Redis中能存活的时间"。
有些小伙伴听到"能存活的时间"，可能脑袋会灵机一动，"这不跟RabbitMQ死信队列中的消息能存活的时间TTL差不多是一个意思吗？"哈哈，确实是差不多那个意思，我们只需要将用户下单成功得到的"订单号"塞入缓存Redis，并设置其TTL即可(就像我们在RabbitMQ的死信队列设置"订单号"这一消息的TTL一样！)
但有这个还不够，因为 "Redis的Key的TTL一到就自动从缓存中剔除" 这个过程是Redis底层自动触发的，而在我们的程序、代码里是完全感知不到的，因为我们得借助某种机制来帮助我们主动地去检测Redis缓存中那些Key已经失效了，而且，我们希望这种检测可以是"近实时"的！
故而我们将基于Redis的Key失效/存活时间TTL + 定时任务调度(用于主动定时的触发，去检测缓存Redis那些失效了的Key，而且希望Cron可以设置得足够合理，实现"近实时"的功效)！
现在我们基本已经确实了这一功能的实现方案了，等待着我们要去做的无非就是撸码实战了，当然啦，在开始施展我们的代码才华之前，我们有必要给大家贴一下这一业务场景的整体业务流程图！整个业务流程可以说包含两大功能模块，即"用户提交订单/下订单模块"、"定时任务调度定时检测Redis的订单存活时间+自动失效订单记录模块"
一、用户提交订单的核心流程
对于"用户下订单"的功能模块，其实也不是很复杂，就是将前端用户提交过来的信息经过处理生成相应的订单号，然后将该订单记录插入数据库、插入缓存Redis，并设置对应的Key的存活时间TTL，其完整的业务流程如下图所示：
下面我们就进入代码实战环节。
(1)工欲善其事，必先利其器，我们首先仍然需要建立一张数据库表user_order，用于记录用户的下单记录，其DDL定义如下所示：
CREATE TABLE `user_order` ( `id` int(11) NOT NULL AUTO_INCREMENT, `user_id` int(11) DEFAULT NULL COMMENT '用户id', `order_no` varchar(255) CHARACTER SET utf8mb4 DEFAULT NULL COMMENT '订单编号', `pay_status` tinyint(255) DEFAULT '1' COMMENT '支付状态(1=未支付;2=已支付;3=已取消)', `is_active` tinyint(255) DEFAULT '1' COMMENT '是否有效(1=是;0=否)', `order_time` datetime DEFAULT NULL COMMENT '下单时间', `update_time` timestamp NULL DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间', PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='用户下单记录表';
然后，基于Mybatis的逆向工程或者代码生成器生成该数据库表的实体类Entity、Mapper操作接口及其对应的用于写动态SQL的Mapper.xml，在这里我们只贴出两个Mapper操作接口吧，如下所示：
//TODO:查询有效+未支付的订单列表 List selectUnPayOrders();//TODO:失效订单记录int unActiveOrder(@Param("id") Integer id);
其对应的动态SQL是在对应的Mapper.xml中实现的，如下所示：
SELECT FROM user_order WHERE is_active = 1 AND pay_status = 1 ORDER BY order_time DESCupdate user_order set is_active = 0 where id = #{id} and is_active = 1 and pay_status = 1
(2)之后，我们开发一个UserOrderController，用于接收前端过来的请求参数，并在UserOrderService实现"用户下单"的整个业务逻辑，其完整的源代码如下所示：
/**用户下单controller * @Author:debug (SteadyJack) * @Link: weixin-> debug0868 qq-> 1948831260**/@RestController@RequestMapping("user/order")public class UserOrderController { private static final Logger log= LoggerFactory.getLogger(UserOrderController.class); @Autowiredprivate UserOrderService userOrderService; //下单 @RequestMapping(value = "put",method = RequestMethod.POST,consumes = MediaType.APPLICATION_JSON_UTF8_VALUE) public BaseResponse put(@RequestBody @Validated UserOrder userOrder, BindingResult result){ String checkRes=ValidatorUtil.checkResult(result); if (StrUtil.isNotBlank(checkRes)){ return new BaseResponse(StatusCode.InvalidParams.getCode(),checkRes); } BaseResponse response=new BaseResponse(StatusCode.Success); try { log.info("--用户下单：{}",userOrder); String res=userOrderService.putOrder(userOrder); response.setData(res); }catch (Exception e){ log.error("--用户下单-发生异常：",e.fillInStackTrace()); response=new BaseResponse(StatusCode.Fail.getCode(),e.getMessage()); } return response; }}
(3)其对应的userOrderService.putOrder(userOrder);便是真正实现业务服务逻辑的地方，如下所示：
/**用户下单service * @Author:debug (SteadyJack) * @Link: weixin-> debug0868 qq-> 1948831260**/@EnableScheduling@Servicepublic class UserOrderService { private static final Logger log= LoggerFactory.getLogger(UserOrderService.class); //雪花算法生成订单编号 private static final Snowflake SNOWFLAKE=new Snowflake(3,2); //存储至缓存的用户订单编号的前缀 private static final String RedisUserOrderPrefix="SpringBootRedis:UserOrder:"; //用户订单失效的时间配置 - 30minprivate static final Long UserOrderTimeOut=30L; @Autowired private UserOrderMapper userOrderMapper; @Autowiredprivate StringRedisTemplate stringRedisTemplate; /**下单服务* @param entity* @throws Exception*/ @Transactional(rollbackFor = Exception.class) public String putOrder(UserOrder entity) throws Exception{ //用户下单-入库 String orderNo=SNOWFLAKE.nextIdStr(); entity.setOrderNo(orderNo); entity.setOrderTime(DateTime.now().toDate()); int res=userOrderMapper.insertSelective(entity); if (res>0){ //TODO:入库成功后-设定TTL 插入缓存 - TTL一到，该订单对应的Key将自动从缓存中被移除(间接意味着：延迟着做某些时间) stringRedisTemplate.opsForValue().set(RedisUserOrderPrefix+orderNo,entity.getId().toString(),UserOrderTimeOut, TimeUnit.MINUTES); } return orderNo;}}
(4)至此，"用户下单"的功能模块我们就撸完了，下面我们用Postman测试一波吧，如下几张图所示：
二、定时任务调度定时检测Redis的订单存活时间 + 自动失效订单记录模块
对于"定时任务调度定时检测Redis的订单存活时间 + 自动失效订单记录模块"的功能模块，同理也不是很复杂，无非就是开启一个定时任务调度，拉取出数据库DB中"有效且未支付的订单列表"，然后逐个遍历，前往缓存Redis查看该订单编号对应的Key是否还存在，如果不存在，说明TTL早已到期，也就间接地说明了用户在规定的时间TTL内没有完成整个支付流程，此时需要前往数据库DB中失效其对应的订单记录，其完整的业务流程如下图所示：
同理，我们基于此流程图进入代码实战环节！
(1)我们在UserOrderService中定义一个定时任务，并设置该定时频率Cron为每5分钟执行一次，其业务逻辑即为上面流程图所绘制的，完整的代码如下所示：
//TODO：定时任务调度-拉取出 有效 + 未支付 的订单列表，前往缓存查询订单是否已失效 @Scheduled(cron = "0 0/5 * * * ?") @Async("threadPoolTaskExecutor") public void schedulerCheckOrder(){ try { List list=userOrderMapper.selectUnPayOrders(); if (list!=null && !list.isEmpty()){list.forEach(entity -> {final String orderNo=entity.getOrderNo();String key=RedisUserOrderPrefix+orderNo;if (!stringRedisTemplate.hasKey(key)){ //TODO:表示缓存中该Key已经失效了，即“该订单已经是超过30min未支付了，得需要前往数据库将其失效掉” userOrderMapper.unActiveOrder(entity.getId()); log.info("缓存中该订单编号已经是超过指定的时间未支付了，得需要前往数据库将其失效掉！orderNo={}",orderNo);}}); } }catch (Exception e){ log.error("定时任务调度-拉取出 有效 + 未支付 的订单列表，前往缓存查询订单是否已失效-发生异常：",e.fillInStackTrace()); } }
(3)之后，便是启动项目，等待5min，即可看到奇迹的发生！如下图所示：
当然啦，如果在TTL(即30min)内，如果用户完成了支付，那么pay_status将不再为1，即定时任务也就不会拉取到该订单记录了！如果某一订单记录被失效了，那么is_active将变为0，即定时任务在下一次Cron到来时也就不会拉取到该订单记录了！
如下图所示为被拉取到的"未支付+有效"的订单列表在指定的TTL时间内没有支付后采取的"强硬措施"，即所谓的"失效该订单记录"！
至此，我们已经基于 定时任务调度 + Redis的Key失效TTL 相结合实现了"商城平台中用户下单后在指定的时间TTL内没有完成支付而自定失效该订单记录"的功能！
好了，本篇文章我们就介绍到这里了，建议各位小伙伴一定要照着文章提供的样例代码撸一撸，只有撸过才能知道这玩意是咋用的，否则就成了"空谈者"！
对Redis相关技术栈以及实际应用场景实战感兴趣的小伙伴可以前往Debug搭建的技术社区的课程中心进行学习观看：/web/index/course/detail/12 ！
其他相关的技术，感兴趣的小伙伴可以私信Debug！
