不懂分布式锁的这些问题，就亏大了

墨墨导读：通过一个很常见的业务场景，引出一个分布式锁的具体方案，如何使用分布式锁呢？通过本文了解下。

为什么用分布式锁？

---

在讨论这个问题之前，我们先来看一个业务场景：

系统A是一个电商系统，目前是一台机器部署，系统中有一个用户下订单的接口，但是用户下订单之前一定要去检查一下库存，确保库存足够了才会给用户下单。

由于系统有一定的并发，所以会预先将商品的库存保存在redis中，用户下单的时候会更新redis的库存。

此时系统架构如下：

但是这样一来会产生一个问题：假如某个时刻，redis里面的某个商品库存为1，此时两个请求同时到来，其中一个请求执行到上图的第3步，更新数据库的库存为0，但是第4步还没有执行。

而另外一个请求执行到了第2步，发现库存还是1，就继续执行第3步。

这样的结果，是导致卖出了2个商品，然而其实库存只有1个。

很明显不对啊！这就是典型的库存超卖问题

我们很容易想到解决方案：用锁把2、3、4步锁住，让他们执行完之后，另一个线程才能进来执行第2步。

按照上面的图，在执行第2步时，使用Java提供的synchronized或者ReentrantLock来锁住，然后在第4步执行完之后才释放锁。

这样一来，2、3、4 这3个步骤就被“锁”住了，多个线程之间只能串行化执行。

但是好景不长，整个系统的并发飙升，一台机器扛不住了。现在要增加一台机器，如下图：

增加机器之后，系统变成上图所示，我的天！

假设此时两个用户的请求同时到来，但是落在了不同的机器上，那么这两个请求是可以同时执行了，还是会出现库存超卖的问题。

为什么呢？因为上图中的两个A系统，运行在两个不同的JVM里面，他们加的锁只对属于自己JVM里面的线程有效，对于其他JVM的线程是无效的。

因此，这里的问题是：Java提供的原生锁机制在多机部署场景下失效了

这是因为两台机器加的锁不是同一个锁(两个锁在不同的JVM里面)。

那么，我们只要保证两台机器加的锁是同一个锁，问题不就解决了吗？

此时，就该分布式锁隆重登场了，分布式锁的思路是：

在整个系统提供一个全局、唯一的获取锁的“东西”，然后每个系统在需要加锁时，都去问这个“东西”拿到一把锁，这样不同的系统拿到的就可以认为是同一把锁。

至于这个“东西”，可以是Redis、Zookeeper，也可以是数据库。

文字描述不太直观，我们来看下图：

通过上面的分析，我们知道了库存超卖场景在分布式部署系统的情况下使用Java原生的锁机制无法保证线程安全，所以我们需要用到分布式锁的方案。

那么，如何实现分布式锁呢？接着往下看！

基于Redis实现分布式锁

上面分析为啥要使用分布式锁了，这里我们来具体看看分布式锁落地的时候应该怎么样处理。

最常见的一种方案就是使用Redis做分布式锁

使用Redis做分布式锁的思路大概是这样的：在redis中设置一个值表示加了锁，然后释放锁的时候就把这个key删除。

具体代码是这样的：

1. // 获取锁

2. // NX是指如果key不存在就成功，key存在返回false，PX可以指定过期时间

3. SET anyLock unique_value NX PX 30000

4. // 释放锁：通过执行一段lua脚本

5. // 释放锁涉及到两条指令，这两条指令不是原子性的

6. // 需要用到redis的lua脚本支持特性，redis执行lua脚本是原子性的

7. if redis.call("get",KEYS[1]) == ARGV[1] then

8. return redis.call("del",KEYS[1])

9. else

10. return 0

11. end

这种方式有几大要点：

• 一定要用SET key value NX PX milliseconds 命令

  如果不用，先设置了值，再设置过期时间，这个不是原子性操作，有可能在设置过期时间之前宕机，会造成死锁(key永久存在)

• value要具有唯一性

  这个是为了在解锁的时候，需要验证value是和加锁的一致才删除key。

  这是避免了一种情况：假设A获取了锁，过期时间30s，此时35s之后，锁已经自动释放了，A去释放锁，但是此时可能B获取了锁。A客户端就不能删除B的锁了。

除了要考虑客户端要怎么实现分布式锁之外，还需要考虑redis的部署问题。

redis有3种部署方式：

• 单机模式

• master-slave + sentinel选举模式

• redis cluster模式

使用redis做分布式锁的缺点在于：如果采用单机部署模式，会存在单点问题，只要redis故障了。加锁就不行了。

采用master-slave模式，加锁的时候只对一个节点加锁，即便通过sentinel做了高可用，但是如果master节点故障了，发生主从切换，此时就会有可能出现锁丢失的问题。

基于以上的考虑，其实redis的作者也考虑到这个问题，他提出了一个RedLock的算法，这个算法的意思大概是这样的：

假设redis的部署模式是redis cluster，总共有5个master节点，通过以下步骤获取一把锁：

• 获取当前时间戳，单位是毫秒

• 轮流尝试在每个master节点上创建锁，过期时间设置较短，一般就几十毫秒

• 尝试在大多数节点上建立一个锁，比如5个节点就要求是3个节点（n / 2 +1）

• 客户端计算建立好锁的时间，如果建立锁的时间小于超时时间，就算建立成功了

• 要是锁建立失败了，那么就依次删除这个锁

• 只要别人建立了一把分布式锁，你就得不断轮询去尝试获取锁

但是这样的这种算法还是颇具争议的，可能还会存在不少的问题，无法保证加锁的过程一定正确。

另一种方式：Redisson

此外，实现Redis的分布式锁，除了自己基于redis client原生api来实现之外，还可以使用开源框架：Redission

Redisson是一个企业级的开源Redis Client，也提供了分布式锁的支持。我也非常推荐大家使用，为什么呢？

回想一下上面说的，如果自己写代码来通过redis设置一个值，是通过下面这个命令设置的。

• SET anyLock unique_value NX PX 30000

这里设置的超时时间是30s，假如我超过30s都还没有完成业务逻辑的情况下，key会过期，其他线程有可能会获取到锁。

这样一来的话，第一个线程还没执行完业务逻辑，第二个线程进来了也会出现线程安全问题。所以我们还需要额外的去维护这个过期时间，太麻烦了~

我们来看看redisson是怎么实现的？先感受一下使用redission的爽：

1. Config config = new Config();

2. config.useClusterServers()

3. .addNodeAddress("redis://192.168.31.101:7001")

4. .addNodeAddress("redis://192.168.31.101:7002")

5. .addNodeAddress("redis://192.168.31.101:7003")

6. .addNodeAddress("redis://192.168.31.102:7001")

7. .addNodeAddress("redis://192.168.31.102:7002")

8. .addNodeAddress("redis://192.168.31.102:7003");

9. RedissonClient redisson = Redisson.create(config);

10. RLock lock = redisson.getLock("anyLock");

11. lock.lock();

12. lock.unlock();

就是这么简单，我们只需要通过它的api中的lock和unlock即可完成分布式锁，他帮我们考虑了很多细节：

• redisson所有指令都通过lua脚本执行，redis支持lua脚本原子性执行

• redisson设置一个key的默认过期时间为30s,如果某个客户端持有一个锁超过了30s怎么办？

  redisson中有一个watchdog的概念，翻译过来就是看门狗，它会在你获取锁之后，每隔10秒帮你把key的超时时间设为30s

  这样的话，就算一直持有锁也不会出现key过期了，其他线程获取到锁的问题了。

• redisson的“看门狗”逻辑保证了没有死锁发生。

  (如果机器宕机了，看门狗也就没了。此时就不会延长key的过期时间，到了30s之后就会自动过期了，其他线程可以获取到锁)

这里稍微贴出来其实现代码：

1. // 加锁逻辑

2. private <T> RFuture<Long> tryAcquireAsync(long leaseTime, TimeUnit unit, final long threadId) {

3. if (leaseTime != -1) {

4. return tryLockInnerAsync(leaseTime, unit, threadId, RedisCommands.EVAL_LONG);

5. }

6. // 调用一段lua脚本，设置一些key、过期时间

7. RFuture<Long> ttlRemainingFuture = tryLockInnerAsync(commandExecutor.getConnectionManager().getCfg().getLockWatchdogTimeout(), TimeUnit.MILLISECONDS, threadId, RedisCommands.EVAL_LONG);

8. ttlRemainingFuture.addListener(new FutureListener<Long>() {

9. @Override

10. public void operationComplete(Future<Long> future) throws Exception {

11. if (!future.isSuccess()) {

12. return;

13. }

14. Long ttlRemaining = future.getNow();

15. // lock acquired

16. if (ttlRemaining == null) {

17. // 看门狗逻辑

18. scheduleExpirationRenewal(threadId);

19. }

20. }

21. });

22. return ttlRemainingFuture;

23. }

24. <T> RFuture<T> tryLockInnerAsync(long leaseTime, TimeUnit unit, long threadId, RedisStrictCommand<T> command) {

25. internalLockLeaseTime = unit.toMillis(leaseTime);

26. return commandExecutor.evalWriteAsync(getName(), LongCodec.INSTANCE, command,

27. "if (redis.call('exists', KEYS[1]) == 0) then " +

28. "redis.call('hset', KEYS[1], ARGV[2], 1); " +

29. "redis.call('pexpire', KEYS[1], ARGV[1]); " +

30. "return nil; " +

31. "end; " +

32. "if (redis.call('hexists', KEYS[1], ARGV[2]) == 1) then " +

33. "redis.call('hincrby', KEYS[1], ARGV[2], 1); " +

34. "redis.call('pexpire', KEYS[1], ARGV[1]); " +

35. "return nil; " +

36. "end; " +

37. "return redis.call('pttl', KEYS[1]);",

38. Collections.<Object>singletonList(getName()), internalLockLeaseTime, getLockName(threadId));

39. }

40. // 看门狗最终会调用了这里

41. private void scheduleExpirationRenewal(final long threadId) {

42. if (expirationRenewalMap.containsKey(getEntryName())) {

43. return;

44. }

45. // 这个任务会延迟10s执行

46. Timeout task = commandExecutor.getConnectionManager().newTimeout(new TimerTask() {

47. @Override

48. public void run(Timeout timeout) throws Exception {

49. // 这个操作会将key的过期时间重新设置为30s

50. RFuture<Boolean> future = renewExpirationAsync(threadId);

51. future.addListener(new FutureListener<Boolean>() {

52. @Override

53. public void operationComplete(Future<Boolean> future) throws Exception {

54. expirationRenewalMap.remove(getEntryName());

55. if (!future.isSuccess()) {

56. log.error("Can't update lock " + getName() + " expiration", future.cause());

57. return;

58. }

59. if (future.getNow()) {

60. // reschedule itself

61. // 通过递归调用本方法，无限循环延长过期时间

62. scheduleExpirationRenewal(threadId);

63. }

64. }

65. });

66. }

67. }, internalLockLeaseTime / 3, TimeUnit.MILLISECONDS);

68. if (expirationRenewalMap.putIfAbsent(getEntryName(), new ExpirationEntry(threadId, task)) != null) {

69. task.cancel();

70. }

71. }

另外，redisson还提供了对redlock算法的支持,

它的用法也很简单：

1. RedissonClient redisson = Redisson.create(config);

2. RLock lock1 = redisson.getFairLock("lock1");

3. RLock lock2 = redisson.getFairLock("lock2");

4. RLock lock3 = redisson.getFairLock("lock3");

5. RedissonRedLock multiLock = new RedissonRedLock(lock1, lock2, lock3);

6. multiLock.lock();

7. multiLock.unlock();

小结：

本节分析了使用redis作为分布式锁的具体落地方案

以及其一些局限性

然后介绍了一个redis的客户端框架redisson，

这也是我推荐大家使用的，

比自己写代码实现会少care很多细节。

基于zookeeper实现分布式锁

常见的分布式锁实现方案里面，除了使用redis来实现之外，使用zookeeper也可以实现分布式锁。

在介绍zookeeper(下文用zk代替)实现分布式锁的机制之前，先粗略介绍一下zk是什么东西：

Zookeeper是一种提供配置管理、分布式协同以及命名的中心化服务。

zk的模型是这样的：zk包含一系列的节点，叫做znode，就好像文件系统一样每个znode表示一个目录，然后znode有一些特性：

• 有序节点：假如当前有一个父节点为/lock，我们可以在这个父节点下面创建子节点；

  zookeeper提供了一个可选的有序特性，例如我们可以创建子节点“/lock/node-”并且指明有序，那么zookeeper在生成子节点时会根据当前的子节点数量自动添加整数序号

  也就是说，如果是第一个创建的子节点，那么生成的子节点为/lock/node-0000000000，下一个节点则为/lock/node-0000000001，依次类推。

• 临时节点：客户端可以建立一个临时节点，在会话结束或者会话超时后，zookeeper会自动删除该节点。

• 事件监听：在读取数据时，我们可以同时对节点设置事件监听，当节点数据或结构变化时，zookeeper会通知客户端。当前zookeeper有如下四种事件：

• 节点创建

• 节点删除

• 节点数据修改

• 子节点变更

基于以上的一些zk的特性，我们很容易得出使用zk实现分布式锁的落地方案：

1. 使用zk的临时节点和有序节点，每个线程获取锁就是在zk创建一个临时有序的节点，比如在/lock/目录下。

2. 创建节点成功后，获取/lock目录下的所有临时节点，再判断当前线程创建的节点是否是所有的节点的序号最小的节点

3. 如果当前线程创建的节点是所有节点序号最小的节点，则认为获取锁成功。

4. 如果当前线程创建的节点不是所有节点序号最小的节点，则对节点序号的前一个节点添加一个事件监听。

   比如当前线程获取到的节点序号为/lock/003,然后所有的节点列表为[/lock/001,/lock/002,/lock/003],则对/lock/002这个节点添加一个事件监听器。

如果锁释放了，会唤醒下一个序号的节点，然后重新执行第3步，判断是否自己的节点序号是最小。

比如/lock/001释放了，/lock/002监听到时间，此时节点集合为[/lock/002,/lock/003],则/lock/002为最小序号节点，获取到锁。

整个过程如下：

具体的实现思路就是这样，至于代码怎么写，这里比较复杂就不贴出来了。

Curator介绍

Curator是一个zookeeper的开源客户端，也提供了分布式锁的实现。

他的使用方式也比较简单：

1. InterProcessMutex interProcessMutex = new InterProcessMutex(client,"/anyLock");

2. interProcessMutex.acquire();

3. interProcessMutex.release();

其实现分布式锁的核心源码如下：

1. private boolean internalLockLoop(long startMillis, Long millisToWait, String ourPath) throws Exception

2. {

3. boolean haveTheLock = false;

4. boolean doDelete = false;

5. try {

6. if ( revocable.get() != null ) {

7. client.getData().usingWatcher(revocableWatcher).forPath(ourPath);

8. }

9. while ( (client.getState() == CuratorFrameworkState.STARTED) && !haveTheLock ) {

10. // 获取当前所有节点排序后的集合

11. List<String> children = getSortedChildren();

12. // 获取当前节点的名称

13. String sequenceNodeName = ourPath.substring(basePath.length() + 1); // +1 to include the slash

14. // 判断当前节点是否是最小的节点

15. PredicateResults predicateResults = driver.getsTheLock(client, children, sequenceNodeName, maxLeases);

16. if ( predicateResults.getsTheLock() ) {

17. // 获取到锁

18. haveTheLock = true;

19. } else {

20. // 没获取到锁，对当前节点的上一个节点注册一个监听器

21. String previousSequencePath = basePath + "/" + predicateResults.getPathToWatch();

22. synchronized(this){

23. Stat stat = client.checkExists().usingWatcher(watcher).forPath(previousSequencePath);

24. if ( stat != null ){

25. if ( millisToWait != null ){

26. millisToWait -= (System.currentTimeMillis() - startMillis);

27. startMillis = System.currentTimeMillis();

28. if ( millisToWait <= 0 ){

29. doDelete = true; // timed out - delete our node

30. break;

31. }

32. wait(millisToWait);

33. }else{

34. wait();

35. }

36. }

37. }

38. // else it may have been deleted (i.e. lock released). Try to acquire again

39. }

40. }

41. }

42. catch ( Exception e ) {

43. doDelete = true;

44. throw e;

45. } finally{

46. if ( doDelete ){

47. deleteOurPath(ourPath);

48. }

49. }

50. return haveTheLock;

51. }

其实curator实现分布式锁的底层原理和上面分析的是差不多的。这里我们用一张图详细描述其原理：

小结：

本节介绍了zookeeperr实现分布式锁的方案以及zk的开源客户端的基本使用，简要的介绍了其实现原理。

两种方案的优缺点比较

学完了两种分布式锁的实现方案之后，本节需要讨论的是redis和zk的实现方案中各自的优缺点。

对于redis的分布式锁而言，它有以下缺点：

• 它获取锁的方式简单粗暴，获取不到锁直接不断尝试获取锁，比较消耗性能。

• 另外来说的话，redis的设计定位决定了它的数据并不是强一致性的，在某些极端情况下，可能会出现问题。锁的模型不够健壮

• 即便使用redlock算法来实现，在某些复杂场景下，也无法保证其实现100%没有问题，关于redlock的讨论可以看How to do distributed locking

• redis分布式锁，其实需要自己不断去尝试获取锁，比较消耗性能。

但是另一方面使用redis实现分布式锁在很多企业中非常常见，而且大部分情况下都不会遇到所谓的“极端复杂场景”

所以使用redis作为分布式锁也不失为一种好的方案，最重要的一点是redis的性能很高，可以支撑高并发的获取、释放锁操作。

对于zk分布式锁而言:

• zookeeper天生设计定位就是分布式协调，强一致性。锁的模型健壮、简单易用、适合做分布式锁。

• 如果获取不到锁，只需要添加一个监听器就可以了，不用一直轮询，性能消耗较小。

但是zk也有其缺点：如果有较多的客户端频繁的申请加锁、释放锁，对于zk集群的压力会比较大。

小结：

综上所述，redis和zookeeper都有其优缺点。我们在做技术选型的时候可以根据这些问题作为参考因素。

作者的一些建议

通过前面的分析，实现分布式锁的两种常见方案：redis和zookeeper，他们各有千秋。应该如何选型呢？

就个人而言的话，我比较推崇zk实现的锁：

因为redis是有可能存在隐患的，可能会导致数据不对的情况。但是，怎么选用要看具体在公司的场景了。

如果公司里面有zk集群条件，优先选用zk实现，但是如果说公司里面只有redis集群，没有条件搭建zk集群。

那么其实用redis来实现也可以，另外还可能是系统设计者考虑到了系统已经有redis，但是又不希望再次引入一些外部依赖的情况下，可以选用redis。

这个是要系统设计者基于架构的考虑了。

出处：石杉的架构笔记（ID：shishan100）

作者：中华石杉，多年BAT架构经验倾囊相授。个人微信公众号：石杉的架构笔记（ID：shishan100）

扩展阅读

---

数据和云

ID：OraNews

如有收获，请划至底部，点击“在看”，谢谢！

云和恩墨大讲堂 | 一个分享交流的地方

长按，识别二维码，加入万人交流社群

请备注：云和恩墨大讲堂