Java防止数据重复提交的方法有哪些

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！";     } }

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。

“Java防止数据重复提交的方法有哪些”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！