Redis的并发竞争问题，主要是发生在并发写竞争。
考虑到redis没有像db中的sql语句，update val = val + 10 where ...，无法使用这种方式进行对数据的更新。
假如有某个key = "price"， value值为10，现在想把value值进行+10操作。正常逻辑下，就是先把数据key为price的值读回来，加上10，再把值给设置回去。
如果只有一个连接的情况下，这种方式没有问题，可以工作得很好，但如果有两个连接时，两个连接同时想对还price进行+10操作，就可能会出现问题了。
例如：两个连接同时对price进行写操作，同时加10，最终结果我们知道，应该为30才是正确。
考虑到一种情况：
T1时刻，连接1将price读出，目标设置的数据为10+10 = 20。
T2时刻，连接2也将数据读出，也是为10，目标设置为20。
T3时刻，连接1将price设置为20。
T4时刻，连接2也将price设置为20，则最终结果是一个错误值20。
如何解决redis的并发竞争key问题呢？下面给到3个Redis并发竞争的解决方案。
第一种方案：分布式锁+时间戳
1.整体技术方案
这种情况，主要是准备一个分布式锁，大家去抢锁，抢到锁就做set操作。
加锁的目的实际上就是把并行读写改成串行读写的方式，从而来避免资源竞争。
2.Redis分布式锁的实现
主要用到的redis函数是setnx()
用SETNX实现分布式锁，也是内置的
利用SETNX非常简单地实现分布式锁。例如：某客户端要获得一个名字youzhi的锁，客户端使用下面的命令进行获取：
SETNX lock.youzhi<current Unix time + lock timeout + 1>
如返回1，则该客户端获得锁，把lock.youzhi的键值设置为时间值表示该键已被锁定，该客户端最后可以通过DEL lock.foo来释放该锁。
如返回0，表明该锁已被其他客户端取得，这时我们可以先返回或进行重试等对方完成或等待锁超时。
3.时间戳
由于上面举的例子，要求key的操作需要顺序执行，所以需要保存一个时间戳判断set顺序。
系统A key 1 {ValueA 7:00}
系统B key 1 { ValueB 7:05}
假设系统B先抢到锁，将key1设置为{ValueB 7:05}。接下来系统A抢到锁，发现自己的key1的时间戳早于缓存中的时间戳（7:00<7:05），那就不做set操作了。
当然，分布式锁可以基于很多种方式实现，比如zookeeper、redis等，不管哪种方式实现，基本原理是不变的：用一个状态值表示锁，对锁的占用和释放通过状态值来标识
第二种方案：使用乐观锁的方式进行解决（成本较低，非阻塞，性能较高）
乐观锁（redis 的命令 watch）：
当执行多键值事务操作时，Redis 不仅要求这些键值需要落在同一个 Redis 实例上，还要求落在同一个 slot 上，所以 redis 的事务比较鸡肋
不过可以想办法遵循 redis 内部的分片算法把设计到的所有 key 分到同一个 slot。
如何用乐观锁方式进行解决？
本质上是假设不会进行冲突，使用redis的命令watch进行构造条件。伪代码如下：
watch price
get price $price
$price = $price + 10
multi
set price $price
exec
解释一下：
watch这里表示监控该key值，后面的事务是有条件的执行，如果从watch的exec语句执行时，watch的key对应的value值被修改了，则事务不会执行
同样考虑刚刚的场景
T1时刻，连接1对price进行watch，读出price值为10，目标计算为20；
T2时刻，连接2对price进行watch，读出price值为10，目标计算为20；
T3时刻，连接2将目标值为20写到redis中，执行事务，事务返回成功。
T4时刻，连接1也对price进行写操作，执行事务时，由于之前已经watch了price，price在T1至T4之间已经被修改过了，所以事务执行失败。
综上，该乐观锁机制可以简单明了的解决了写冲突的问题。
又问：如果多个写操作同时过来，100个写操作同时watch，则最终只会有一个成功，99个执行失败，何解？
如果同时进行有多个请求进行写操作，例如同一时刻有100个请求过来，那么只会有一个最终成功，其余99个全部会失败，效率不高。
且从业务层面，有些是不可接受的场景。例如：大家同时去抢一个红包，如果背后也是用乐观锁的机制去处理，那每个请求后都只有一个人成功打开红包，这对业务是不可忍受的。
在这种情况下，如果想让总体效率最大化，可以采用排队的机制进行。
将所有需要对同一个key的请求进行入队操作，然后用一个消费者线程从队头依次读出请求，并对相应的key进行操作。
这样对于同一个key的所有请求就都是顺序访问，正常逻辑下则不会有写失败的情况下产生 。从而最大化写逻辑的总体效率。
第三种方案：利用消息队列
在并发量过大的情况下,可以通过消息中间件进行处理,把并行读写进行串行化。
把Redis.set操作放在队列中使其串行化,必须的一个一个执行。
这种方式在一些高并发的场景中算是一种通用的解决方案。