前两天有位读者问磊哥：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。
根据朋友的反馈，大致的场景是这样的，如下图所示：
图片
简化的模拟代码如下（基于 Spring Boot）：
importorg.springframework.web.bind.annotation.RequestMapping;importorg.springframework.web.bind.annotation.RestController;@RequestMapping("/user")@RestControllerpublicclass UserController {/**
* 被重复请求的方法
*/@RequestMapping("/add")publicString 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：
图片
前端拦截的实现代码：
<html><script>functionsubCli(){// 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()"><divid="dv1"style="margin-top: 80px;"></div></body></html>
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：
图片
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。
importorg.springframework.web.bind.annotation.RequestMapping;importorg.springframework.web.bind.annotation.RestController;importjava.util.HashMap;importjava.util.Map;/**
* 普通 Map 版本
*/@RequestMapping("/user")@RestControllerpublicclass UserController3 {// 缓存 ID 集合private Map<String,Integer>reqCache=new HashMap<>();@RequestMapping("/add")publicString 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 IDreqCache.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：
图片
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。
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：
importorg.springframework.web.bind.annotation.RequestMapping;importorg.springframework.web.bind.annotation.RestController;importjava.util.Arrays;@RequestMapping("/user")@RestControllerpublicclass UserController {
private static String[]reqCache=new String[100];// 请求 ID 存储集合private staticIntegerreqCacheCounter=0;// 请求计数器（指示 ID 存储的位置）@RequestMapping("/add")publicString 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 IDif(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！";}
}
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：
importorg.springframework.web.bind.annotation.RequestMapping;importorg.springframework.web.bind.annotation.RestController;importjava.util.Arrays;@RequestMapping("/user")@RestControllerpublicclass UserController {
private static String[]reqCache=new String[100];// 请求 ID 存储集合private staticIntegerreqCacheCounter=0;// 请求计数器（指示 ID 存储的位置）@RequestMapping("/add")publicString 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 IDif(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。
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：
<!-- 集合工具类 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：
importorg.apache.commons.collections4.map.LRUMap;importorg.springframework.web.bind.annotation.RequestMapping;importorg.springframework.web.bind.annotation.RestController;@RequestMapping("/user")@RestControllerpublicclass UserController {// 最大容量 100 个，根据 LRU 算法淘汰数据的 Map 集合private LRUMap<String,Integer>reqCache=new LRUMap<>(100);@RequestMapping("/add")publicString 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 IDreqCache.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。
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：
importorg.apache.commons.collections4.map.LRUMap;/**
* 幂等性判断
*/publicclass 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<String,Integer>reqCache=new LRUMap<>(100);/**
* 幂等性判断
* @return
*/publicstaticbooleanjudge(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);returnfalse;}// 非重复请求，存储请求 IDreqCache.put(id,1);}returntrue;}
}
调用代码如下：
importcom.example.idempote.util.IdempotentUtils;importorg.springframework.web.bind.annotation.RequestMapping;importorg.springframework.web.bind.annotation.RestController;@RequestMapping("/user")@RestControllerpublicclass UserController4 {@RequestMapping("/add")publicString 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）。
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：
publicV get(Objectkey,booleanupdateToMRU){
LinkEntry<K,V>entry=this.getEntry(key);if(entry==null){returnnull;}else{if(updateToMRU){
this.moveToMRU(entry);}returnentry.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;}elseif(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(inthashIndex,inthashCode,Kkey,Vvalue){// 判断容器是否已满if(this.isFull()){
LinkEntry<K,V>reuse=this.header.after;booleanremoveLRUEntry=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：
publicbooleanisFull(){returnsize>=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。
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 50 个，咱们更新分布式环境下重复数据的处理方案。
https://blog.csdn.net/fenglllle/article/details/82659576