共计 8839 个字符，预计需要花费 23 分钟才能阅读完成。
有位敌人，某天忽然问磊哥：在 Java 中，避免反复提交最简略的计划是什么？
这句话中蕴含了两个要害信息，第一：避免反复提交 ；第二： 最简略。
于是磊哥问他，是单机环境还是分布式环境？
失去的反馈是单机环境，那就简略了，于是磊哥就开始装 * 了。
话不多说，咱们先来复现这个问题。
模仿用户场景
依据敌人的反馈，大抵的场景是这样的，如下图所示：
简化的模仿代码如下（基于 Spring Boot）：
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
@RequestMapping("/user")
@RestController
public class UserController {
/**
* 被反复申请的办法
*/
@RequestMapping("/add")
public String addUser(String id) {
// 业务代码...
System.out.println("增加用户 ID:" + id);
return "执行胜利！";
}
}于是磊哥就想到：通过前、后端别离拦挡的形式来解决数据反复提交的问题。
前端拦挡
前端拦挡是指通过 HTML 页面来拦挡反复申请，比方在用户点击完“提交”按钮后，咱们能够把按钮设置为不可用或者暗藏状态。
执行成果如下图所示：
前端拦挡的实现代码：
<html>
<script>
function subCli(){
// 按钮设置为不可用
document.getElementById("btn_sub").disabled="disabled";
document.getElementById("dv1").innerText = "按钮被点击了~";
}
</script>
<body style="margin-top: 100px;margin-left: 100px;">
<input id="btn_sub" type="button" value="提 交" onclick="subCli()">
<div id="dv1" style="margin-top: 80px;"></div>
</body>
</html>但前端拦挡有一个致命的问题，如果是懂行的程序员或非法用户能够间接绕过前端页面，通过模仿申请来反复提交申请，比方充值了 100 元，反复提交了 10 次变成了 1000 元（霎时发现了一个致富的好方法）。
所以除了前端拦挡一部分失常的误操作之外，后端的拦挡也是必不可少。
后端拦挡
后端拦挡的实现思路是在办法执行之前，先判断此业务是否曾经执行过，如果执行过则不再执行，否则就失常执行。
咱们将申请的业务 ID 存储在内存中，并且通过增加互斥锁来保障多线程下的程序执行平安，大体实现思路如下图所示：
然而，将数据存储在内存中，最简略的办法就是应用 HashMap 存储，或者是应用 Guava Cache 也是同样的成果，但很显然 HashMap 能够更快的实现性能，所以咱们先来实现一个 HashMap 的防重（避免反复）版本。
1. 根底版——HashMap
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import java.util.HashMap;
import java.util.Map;
/**
* 一般 Map 版本
*/
@RequestMapping("/user")
@RestController
public class UserController3 {
// 缓存 ID 汇合
private Map<String, Integer> reqCache = new HashMap<>();
@RequestMapping("/add")
public String addUser(String id) {// 非空判断(疏忽)...
synchronized (this.getClass()) {
// 反复申请判断
if (reqCache.containsKey(id)) {
// 反复申请
System.out.println("请勿反复提交！！！" + id);
return "执行失败";
}
// 存储申请 ID
reqCache.put(id, 1);
}
// 业务代码...
System.out.println("增加用户 ID:" + id);
return "执行胜利！";
}
}实现成果如下图所示：
存在的问题：此实现形式有一个致命的问题，因为 HashMap 是有限增长的，因而它会占用越来越多的内存，并且随着 HashMap 数量的减少查找的速度也会升高，所以咱们须要实现一个能够主动“革除”过期数据的实现计划。
2. 优化版——固定大小的数组
此版本解决了 HashMap 有限增长的问题，它应用数组加下标计数器（reqCacheCounter）的形式，实现了固定数组的循环存储。
当数组存储到最初一位时，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")
@RestController
public class UserController {private static String[] reqCache = new String[100]; // 申请 ID 存储汇合
private static Integer reqCacheCounter = 0; // 申请计数器（批示 ID 存储的地位）@RequestMapping("/add")
public String addUser(String id) {// 非空判断(疏忽)...
synchronized (this.getClass()) {
// 反复申请判断
if (Arrays.asList(reqCache).contains(id)) {
// 反复申请
System.out.println("请勿反复提交！！！" + id);
return "执行失败";
}
// 记录申请 ID
if (reqCacheCounter >= reqCache.length) reqCacheCounter = 0; // 重置计数器
reqCache[reqCacheCounter] = id; // 将 ID 保留到缓存
reqCacheCounter++; // 下标往后移一位
}
// 业务代码...
System.out.println("增加用户 ID:" + id);
return "执行胜利！";
}
}3. 扩大版——双重检测锁(DCL)
上一种实现办法将判断和增加业务，都放入 synchronized 中进行加锁操作，这样显然性能不是很高，于是咱们能够应用单例中驰名的 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")
@RestController
public class UserController {private static String[] reqCache = new String[100]; // 申请 ID 存储汇合
private static Integer reqCacheCounter = 0; // 申请计数器（批示 ID 存储的地位）@RequestMapping("/add")
public String addUser(String id) {// 非空判断(疏忽)...
// 反复申请判断
if (Arrays.asList(reqCache).contains(id)) {
// 反复申请
System.out.println("请勿反复提交！！！" + id);
return "执行失败";
}
synchronized (this.getClass()) {
// 双重查看锁（DCL,double checked locking）进步程序的执行效率
if (Arrays.asList(reqCache).contains(id)) {
// 反复申请
System.out.println("请勿反复提交！！！" + id);
return "执行失败";
}
// 记录申请 ID
if (reqCacheCounter >= reqCache.length) reqCacheCounter = 0; // 重置计数器
reqCache[reqCacheCounter] = id; // 将 ID 保留到缓存
reqCacheCounter++; // 下标往后移一位
}
// 业务代码...
System.out.println("增加用户 ID:" + id);
return "执行胜利！";
}
}留神：DCL 实用于反复提交频繁比拟高的业务场景，对于相同的业务场景下 DCL 并不实用。
4. 欠缺版——LRUMap
下面的代码根本曾经实现了反复数据的拦挡，但显然不够简洁和优雅，比方下标计数器的申明和业务解决等，但值得庆幸的是 Apache 为咱们提供了一个 commons-collections 的框架，外面有一个十分好用的数据结构 LRUMap 能够保留指定数量的固定的数据，并且它会依照 LRU 算法，帮你革除最不罕用的数据。
小贴士：LRU 是 Least Recently Used 的缩写，即最近起码应用，是一种罕用的数据淘汰算法，抉择最近最久未应用的数据予以淘汰。
首先，咱们先来增加 Apache commons collections 的援用：
<!-- 汇合工具类 apache commons collections -->
<!-- https://mvnrepository.com/artifact/org.apache.commons/commons-collections4 -->
<dependency>
<groupId>org.apache.commons</groupId>
<artifactId>commons-collections4</artifactId>
<version>4.4</version>
</dependency>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")
@RestController
public class UserController {
// 最大容量 100 个，依据 LRU 算法淘汰数据的 Map 汇合
private LRUMap<String, Integer> reqCache = new LRUMap<>(100);
@RequestMapping("/add")
public String addUser(String id) {// 非空判断(疏忽)...
synchronized (this.getClass()) {
// 反复申请判断
if (reqCache.containsKey(id)) {
// 反复申请
System.out.println("请勿反复提交！！！" + id);
return "执行失败";
}
// 存储申请 ID
reqCache.put(id, 1);
}
// 业务代码...
System.out.println("增加用户 ID:" + id);
return "执行胜利！";
}
}应用了 LRUMap 之后，代码显然简洁了很多。
5. 最终版——封装
以上都是办法级别的实现计划，然而在理论的业务中，咱们可能有很多的办法都须要防重，那么接下来咱们就来封装一个公共的办法，以供所有类应用：
import org.apache.commons.collections4.map.LRUMap;
/**
* 幂等性判断
*/
public class IdempotentUtils {// 依据 LRU(Least Recently Used，最近起码应用)算法淘汰数据的 Map 汇合，最大容量 100 个
private static LRUMap<String, Integer> reqCache = new LRUMap<>(100);
/**
* 幂等性判断
* @return
*/
public static boolean judge(String id, Object lockClass) {synchronized (lockClass) {
// 反复申请判断
if (reqCache.containsKey(id)) {
// 反复申请
System.out.println("请勿反复提交！！！" + id);
return false;
}
// 非反复申请，存储申请 ID
reqCache.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")
@RestController
public class UserController4 {@RequestMapping("/add")
public String addUser(String id) {// 非空判断(疏忽)...
// -------------- 幂等性调用（开始）--------------
if (!IdempotentUtils.judge(id, this.getClass())) {return "执行失败";}
// -------------- 幂等性调用（完结）--------------
// 业务代码...
System.out.println("增加用户 ID:" + id);
return "执行胜利！";
}
}小贴士：个别状况下代码写到这里就完结了，但想要更简洁也是能够实现的，你能够通过自定义注解，将业务代码写到注解中，须要调用的办法只须要写一行注解就能够避免数据反复提交了，老铁们能够自行尝试一下（须要磊哥撸一篇的，评论区留言 666）。
扩大常识——LRUMap 实现原理剖析
既然 LRUMap 如此弱小，咱们就来看看它是如何实现的。
LRUMap 的实质是持有头结点的环回双链表构造，它的存储构造如下：
AbstractLinkedMap.LinkEntry entry;当调用查询方法时，会将应用的元素放在双链表 header 的前一个地位，源码如下：
public V get(Object key, boolean updateToMRU) {LinkEntry<K, V> entry = this.getEntry(key);
if (entry == null) {return null;} else {if (updateToMRU) {this.moveToMRU(entry);
}
return entry.getValue();}
}
protected void moveToMRU(LinkEntry<K, V> 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("Can't 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，增加源码如下：
protected void addMapping(int hashIndex, int hashCode, K key, V value) {
// 判断容器是否已满
if (this.isFull()) {
LinkEntry<K, V> 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.after=null, 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("reuse=null, 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;}**
容量未满就间接增加数据：
super.addMapping(hashIndex, hashCode, key, value);如果容量满了，就调用 reuseMapping 办法应用 LRU 算法对数据进行革除。
综合来说：LRUMap 的实质是持有头结点的环回双链表构造，当应用元素时，就将该元素放在双链表 header 的前一个地位，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
本文讲了避免数据反复提交的 6 种办法，首先是前端的拦挡，通过暗藏和设置按钮的不可用来屏蔽失常操作下的反复提交。但为了防止非正常渠道的反复提交，咱们又实现了 5 个版本的后端拦挡：HashMap 版、固定数组版、双重检测锁的数组版、LRUMap 版和 LRUMap 的封装版。
非凡阐明：本文所有的内容仅实用于单机环境下的反复数据拦挡，如果是分布式环境须要配合数据库或 Redis 来实现，想看分布式反复数据拦挡的老铁们，请给磊哥一个「赞 」，如果 点赞超过 100 个 ，咱们 更新分布式环境下反复数据的解决计划，谢谢你。
参考 & 鸣谢
https://blog.csdn.net/fenglllle/article/details/82659576
关注公众号「Java 中文社群」订阅更多精彩。
<image src=”https://user-gold-cdn.xitu.io/2020/7/6/1732179389ab7c5c?w=344&h=344&f=jpeg&s=9375″ style=”zoom:75%;”></image>