在微服务应用中，每个细微的问题都可能由于并发被无限放大。
在并发场景下，比较常见的有：秒杀活动中的商品超卖问题、数据冷热分离处理、缓存/数据库双写一致性问题、缓存击穿、缓存穿透、缓存雪崩问题等。
在Java基础中，解决并发的思路就是锁，而锁的本质就是将并发执行串行化，在微服务应用中，synchronized关键字、ReentrantLock类提供的各种lock方法均已失效，因为这些锁的作用域是一个服务的单个节点，对其他节点则无法生效。
单机锁不够用了，大佬们就弄了个分布式锁——Redisson/Zookeeper等框架。Redisson选择了AP、Zookeeper选择了CP，因此Redisson性能相对更快，Zookeeper则有效地保证了数据一致性。
用分布式锁，锁住商品id，每个商品则只会被售卖一次，
避免商品超卖。用Redis缓存热门数据，并发请求会先去缓存中查询，未查询到再查询数据库，实现
数据冷热分离。保证
缓存/数据库双写一致性，则是将数据库读+写入缓存这两个操作加上读写锁中的读锁，修改操作加上读写锁中的写锁。读写锁是一种并发控制机制，同时支持读和写操作。在读写锁中，读操作可以并发进行，而写操作会独占锁。读锁也称为共享锁，是一种允许多个线程同时读取数据的锁。缓存数据的有效时间增加随机偏移量，避免缓存数据同时过期引发
缓存击穿带来的数据库压力。
缓存穿透则是频发查询缓存和数据库不存在的数据，这种情况往往伴随着恶意攻击，可以采取Bloom filter 等技术快速判断一些非法请求、增加参数校验、在缓存中设一个空置返回。
缓存雪崩则是Redis扛不住压力的请求量并发访问造成Redis崩溃，进而引起整个系统的大面积功能瘫痪，这种可以采取Redis Cluster集群+Sentinel控流降级应对。