有位朋友，某天突然问磊哥：在 Java 中，防止重复提交最简单的方案是什么？

这句话中包含了两个关键信息，第一：防止重复提交；第二：最简单。

于是磊哥问他，是单机环境还是分布式环境？

得到的反馈是单机环境，那就简单了，于是磊哥就开始装*了。

话不多说，我们先来复现这个问题。

模拟用户场景

根据朋友的反馈，大致的场景是这样的，如下图所示：

简化的模拟代码如下(基于 Spring Boot)：

import org.springframework.web.bind.annotation.RequestMapping;

import org.springframework.web.bind.annotation.RestController;

@RequestMapping("/user")

@RestController

public class UserController {

/**

* 被重复请求的方法

*/

@RequestMapping("/add")

public String addUser(String id) {

// 业务代码...

System.out.println("添加用户ID:" + id);

return "执行成功！";

}

}

于是磊哥就想到：通过前、后端分别拦截的方式来解决数据重复提交的问题。

前端拦截

前端拦截是指通过 HTML 页面来拦截重复请求，比如在用户点击完“提交”按钮后，我们可以把按钮设置为不可用或者隐藏状态。

执行效果如下图所示：

前端拦截的实现代码：

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~";

}

但前端拦截有一个致命的问题，如果是懂行的程序员或非法用户可以直接绕过前端页面，通过模拟请求来重复提交请求，比如充值了 100 元，重复提交了 10 次变成了 1000 元(瞬间发现了一个致富的好办法)。

所以除了前端拦截一部分正常的误操作之外，后端的拦截也是必不可少。

后端拦截

后端拦截的实现思路是在方法执行之前，先判断此业务是否已经执行过，如果执行过则不再执行，否则就正常执行。

我们将请求的业务 ID 存储在内存中，并且通过添加互斥锁来保证多线程下的程序执行安全，大体实现思路如下图所示：

然而，将数据存储在内存中，最简单的方法就是使用 HashMap 存储，或者是使用 Guava Cache 也是同样的效果，但很显然 HashMap 可以更快的实现功能，所以我们先来实现一个 HashMap 的防重(防止重复)版本。

1.基础版——HashMap

import org.springframework.web.bind.annotation.RequestMapping;

import org.springframework.web.bind.annotation.RestController;

import java.util.HashMap;

import java.util.Map;

/**

* 普通 Map 版本

*/

@RequestMapping("/user")

@RestController

public class UserController3 {

// 缓存 ID 集合

private Map reqCache = new HashMap<>();

@RequestMapping("/add")

public String addUser(String id) {

// 非空判断(忽略)...

synchronized (this.getClass()) {

// 重复请求判断

if (reqCache.containsKey(id)) {

// 重复请求

System.out.println("请勿重复提交！！！" + id);

return "执行失败";

}

// 存储请求 ID

reqCache.put(id, 1);

}

// 业务代码...

System.out.println("添加用户ID:" + id);

return "执行成功！";

}

}

实现效果如下图所示：

存在的问题：此实现方式有一个致命的问题，因为 HashMap 是无限增长的，因此它会占用越来越多的内存，并且随着 HashMap 数量的增加查找的速度也会降低，所以我们需要实现一个可以自动“清除”过期数据的实现方案。

2.优化版——固定大小的数组

此版本解决了 HashMap 无限增长的问题，它使用数组加下标计数器(reqCacheCounter)的方式，实现了固定数组的循环存储。

当数组存储到最后一位时，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]; // 请求 ID 存储集合

private static Integer reqCacheCounter = 0; // 请求计数器(指示 ID 存储的位置)

@RequestMapping("/add")

public String addUser(String id) {

// 非空判断(忽略)...

synchronized (this.getClass()) {

// 重复请求判断

if (Arrays.asList(reqCache).contains(id)) {

// 重复请求

System.out.println("请勿重复提交！！！" + id);

return "执行失败";

}

// 记录请求 ID

if (reqCacheCounter >= reqCache.length) reqCacheCounter = 0; // 重置计数器

reqCache[reqCacheCounter] = id; // 将 ID 保存到缓存

reqCacheCounter++; // 下标往后移一位

}

// 业务代码...

System.out.println("添加用户ID:" + id);

return "执行成功！";

}

}

3.扩展版——双重检测锁(DCL)

上一种实现方法将判断和添加业务，都放入 synchronized 中进行加锁操作，这样显然性能不是很高，于是我们可以使用单例中著名的 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]; // 请求 ID 存储集合

private static Integer reqCacheCounter = 0; // 请求计数器(指示 ID 存储的位置)

@RequestMapping("/add")

public String addUser(String id) {

// 非空判断(忽略)...

// 重复请求判断

if (Arrays.asList(reqCache).contains(id)) {

// 重复请求

System.out.println("请勿重复提交！！！" + id);

return "执行失败";

}

synchronized (this.getClass()) {

// 双重检查锁(DCL,double checked locking)提高程序的执行效率

if (Arrays.asList(reqCache).contains(id)) {

// 重复请求

System.out.println("请勿重复提交！！！" + id);

return "执行失败";

}

// 记录请求 ID

if (reqCacheCounter >= reqCache.length) reqCacheCounter = 0; // 重置计数器

reqCache[reqCacheCounter] = id; // 将 ID 保存到缓存

reqCacheCounter++; // 下标往后移一位

}

// 业务代码...

System.out.println("添加用户ID:" + id);

return "执行成功！";

}

}

注意：DCL 适用于重复提交频繁比较高的业务场景，对于相反的业务场景下 DCL 并不适用。

4.完善版——LRUMap

上面的代码基本已经实现了重复数据的拦截，但显然不够简洁和优雅，比如下标计数器的声明和业务处理等，但值得庆幸的是 Apache 为我们提供了一个 commons-collections 的框架，里面有一个非常好用的数据结构 LRUMap 可以保存指定数量的固定的数据，并且它会按照 LRU 算法，帮你清除最不常用的数据。

小贴士：LRU 是 Least Recently Used 的缩写，即最近最少使用，是一种常用的数据淘汰算法，选择最近最久未使用的数据予以淘汰。

首先，我们先来添加 Apache commons collections 的引用：

org.apache.commons

commons-collections4

4.4

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，根据 LRU 算法淘汰数据的 Map 集合

private LRUMap reqCache = new LRUMap<>(100);

@RequestMapping("/add")

public String addUser(String id) {

// 非空判断(忽略)...

synchronized (this.getClass()) {

// 重复请求判断

if (reqCache.containsKey(id)) {

// 重复请求

System.out.println("请勿重复提交！！！" + id);

return "执行失败";

}

// 存储请求 ID

reqCache.put(id, 1);

}

// 业务代码...

System.out.println("添加用户ID:" + id);

return "执行成功！";

}

}

使用了 LRUMap 之后，代码显然简洁了很多。

5.最终版——封装

以上都是方法级别的实现方案，然而在实际的业务中，我们可能有很多的方法都需要防重，那么接下来我们就来封装一个公共的方法，以供所有类使用：

import org.apache.commons.collections4.map.LRUMap;

/**

* 幂等性判断

*/

public class IdempotentUtils {

// 根据 LRU(Least Recently Used，最近最少使用)算法淘汰数据的 Map 集合，最大容量 100 个

private static LRUMap reqCache = new LRUMap<>(100);

/**

* 幂等性判断

* @return

*/

public static boolean judge(String id, Object lockClass) {

synchronized (lockClass) {

// 重复请求判断

if (reqCache.containsKey(id)) {

// 重复请求

System.out.println("请勿重复提交！！！" + id);

return false;

}

// 非重复请求，存储请求 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(忽略)...

// -------------- 幂等性调用(开始) --------------

if (!IdempotentUtils.judge(id, this.getClass())) {

return "执行失败";

}

// -------------- 幂等性调用(结束) --------------

// 业务代码...

System.out.println("添加用户ID:" + id);

return "执行成功！";

}

}

小贴士：一般情况下代码写到这里就结束了，但想要更简洁也是可以实现的，你可以通过自定义注解，将业务代码写到注解中，需要调用的方法只需要写一行注解就可以防止数据重复提交了，老铁们可以自行尝试一下(需要磊哥撸一篇的，评论区留言 666)。

扩展知识——LRUMap 实现原理分析

既然 LRUMap 如此强大，我们就来看看它是如何实现的。

LRUMap 的本质是持有头结点的环回双链表结构，它的存储结构如下：

AbstractLinkedMap.LinkEntry entry;

当调用查询方法时，会将使用的元素放在双链表 header 的前一个位置，源码如下：

public V get(Object key, boolean updateToMRU) {

LinkEntry entry = this.getEntry(key);

if (entry == null) {

return null;

} else {

if (updateToMRU) {

this.moveToMRU(entry);

}

return entry.getValue();

}

}

protected void moveToMRU(LinkEntry 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，添加源码如下：

protected void addMapping(int hashIndex, int hashCode, K key, V value) {

// 判断容器是否已满

if (this.isFull()) {

LinkEntry 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;

}

**

容量未满就直接添加数据：

super.addMapping(hashIndex, hashCode, key, value);

如果容量满了，就调用 reuseMapping 方法使用 LRU 算法对数据进行清除。

综合来说：LRUMap 的本质是持有头结点的环回双链表结构，当使用元素时，就将该元素放在双链表 header 的前一个位置，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

本文讲了防止数据重复提交的 6 种方法，首先是前端的拦截，通过隐藏和设置按钮的不可用来屏蔽正常操作下的重复提交。但为了避免非正常渠道的重复提交，我们又实现了 5 个版本的后端拦截：HashMap 版、固定数组版、双重检测锁的数组版、LRUMap 版和 LRUMap 的封装版。

特殊说明：本文所有的内容仅适用于单机环境下的重复数据拦截，如果是分布式环境需要配合数据库或 Redis 来实现，想看分布式重复数据拦截的老铁们，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重复数据的处理方案，谢谢你。

参考 & 鸣谢