快看我在Redis分布式鎖上，栽的8個(gè)跟頭！
點(diǎn)擊關(guān)注公眾號(hào)，Java干貨及時(shí)送達(dá)
在分布式系統(tǒng)中，由于 redis 分布式鎖相對(duì)于更簡(jiǎn)單和高效，成為了分布式鎖的首先，被我們用到了很多實(shí)際業(yè)務(wù)場(chǎng)景當(dāng)中。
但不是說用了 redis 分布式鎖，就可以高枕無憂了，如果沒有用好或者用對(duì)，也會(huì)引來一些意想不到的問題。
非原子操作
使用 redis 的分布式鎖，我們首先想到的可能是 setNx 命令。
if?(jedis.setnx(lockKey,?val)?==?1)?{
???jedis.expire(lockKey,?timeout);
}
容易，三下五除二，我們就可以把代碼寫好。這段代碼確實(shí)可以加鎖成功，但你有沒有發(fā)現(xiàn)什么問題？
加鎖操作和后面的設(shè)置超時(shí)時(shí)間是分開的，并非原子操作。假如加鎖成功，但是設(shè)置超時(shí)時(shí)間失敗了，該 lockKey 就變成永不失效。
假如在高并發(fā)場(chǎng)景中，有大量的 lockKey 加鎖成功了，但不會(huì)失效，有可能直接導(dǎo)致 redis 內(nèi)存空間不足。
那么，有沒有保證原子性的加鎖命令呢？答案是：有，請(qǐng)看下面。
忘了釋放鎖
上面說到使用 setNx 命令加鎖操作和設(shè)置超時(shí)時(shí)間是分開的，并非原子操作。
String?result?=?jedis.set(lockKey,?requestId,?"NX",?"PX",?expireTime);
if?("OK".equals(result))?{
????return?true;
}
return?false;
其中：
lockKey：鎖的標(biāo)識(shí)
requestId：請(qǐng)求 id
NX：只在鍵不存在時(shí)，才對(duì)鍵進(jìn)行設(shè)置操作。
PX：設(shè)置鍵的過期時(shí)間為 millisecond 毫秒。
expireTime：過期時(shí)間
set 命令是原子操作，加鎖和設(shè)置超時(shí)時(shí)間，一個(gè)命令就能輕松搞定。nice！
使用 set 命令加鎖，表面上看起來沒有問題。但如果仔細(xì)想想，加鎖之后，每次都要達(dá)到了超時(shí)時(shí)間才釋放鎖，會(huì)不會(huì)有點(diǎn)不合理？加鎖后，如果不及時(shí)釋放鎖，會(huì)有很多問題。
分布式鎖更合理的用法是：
手動(dòng)加鎖
業(yè)務(wù)操作
手動(dòng)釋放鎖
如果手動(dòng)釋放鎖失敗了，則達(dá)到超時(shí)時(shí)間，redis 會(huì)自動(dòng)釋放鎖。
大致流程圖如下：
那么問題來了，如何釋放鎖呢？偽代碼如下：
try{
??String?result?=?jedis.set(lockKey,?requestId,?"NX",?"PX",?expireTime);
??if?("OK".equals(result))?{
??????return?true;
??}
??return?false;
}?finally?{
????unlock(lockKey);
}?
需要捕獲業(yè)務(wù)代碼的異常，然后在 finally 中釋放鎖。換句話說就是：無論代碼執(zhí)行成功或失敗了，都需要釋放鎖。
此時(shí)，有些朋友可能會(huì)問：假如剛好在釋放鎖的時(shí)候，系統(tǒng)被重啟了，或者網(wǎng)絡(luò)斷線了，或者機(jī)房斷點(diǎn)了，不也會(huì)導(dǎo)致釋放鎖失?。?/span>
這是一個(gè)好問題，因?yàn)檫@種小概率問題確實(shí)存在。但還記得前面我們給鎖設(shè)置過超時(shí)時(shí)間嗎？
即使出現(xiàn)異常情況造成釋放鎖失敗，但到了我們?cè)O(shè)定的超時(shí)時(shí)間，鎖還是會(huì)被 redis 自動(dòng)釋放。但只在 finally 中釋放鎖，就夠了嗎？
釋放了別人的鎖
做人要厚道，先回答上面的問題：只在 finally 中釋放鎖，當(dāng)然是不夠的，因?yàn)獒尫沛i的姿勢(shì)，還是不對(duì)。
哪里不對(duì)？
答：在多線程場(chǎng)景中，可能會(huì)出現(xiàn)釋放了別人的鎖的情況。
有些朋友可能會(huì)反駁：假設(shè)在多線程場(chǎng)景中，線程 A 獲取到了鎖，但如果線程 A 沒有釋放鎖，此時(shí)，線程 B 是獲取不到鎖的，何來釋放了別人鎖之說？
答：假如線程 A 和線程B，都使用 lockKey 加鎖。線程 A 加鎖成功了，但是由于業(yè)務(wù)功能耗時(shí)時(shí)間很長(zhǎng)，超過了設(shè)置的超時(shí)時(shí)間。這時(shí)候，redis 會(huì)自動(dòng)釋放 lockKey 鎖。
此時(shí)，線程 B 就能給 lockKey 加鎖成功了，接下來執(zhí)行它的業(yè)務(wù)操作。恰好這個(gè)時(shí)候，線程 A 執(zhí)行完了業(yè)務(wù)功能，接下來，在 finally 方法中釋放了鎖 lockKey。這不就出問題了，線程 B 的鎖，被線程 A 釋放了。
我想這個(gè)時(shí)候，線程 B 肯定哭暈在廁所里，并且嘴里還振振有詞。那么，如何解決這個(gè)問題呢？
不知道你們注意到?jīng)]？在使用 set 命令加鎖時(shí)，除了使用 lockKey 鎖標(biāo)識(shí)，還多設(shè)置了一個(gè)參數(shù)：requestId，為什么要需要記錄 requestId 呢？
答：requestId 是在釋放鎖的時(shí)候用的。
if?(jedis.get(lockKey).equals(requestId))?{
????jedis.del(lockKey);
????return?true;
}
return?false;
在釋放鎖的時(shí)候，先獲取到該鎖的值（之前設(shè)置值就是 requestId），然后判斷跟之前設(shè)置的值是否相同，如果相同才允許刪除鎖，返回成功。如果不同，則直接返回失敗。
換句話說就是：自己只能釋放自己加的鎖，不允許釋放別人加的鎖。
這里為什么要用 requestId，用 userId 不行嗎？
答：如果用 userId 的話，對(duì)于請(qǐng)求來說并不唯一，多個(gè)不同的請(qǐng)求，可能使用同一個(gè) userId。而 requestId 是全局唯一的，不存在加鎖和釋放鎖亂掉的情況。
if?redis.call('get',?KEYS[1])?==?ARGV[1]?then?
?return?redis.call('del',?KEYS[1])?
else?
??return?0?
end
lua 腳本能保證查詢鎖是否存在和刪除鎖是原子操作，用它來釋放鎖效果更好一些。
if?(redis.call('exists',?KEYS[1])?==?0)?then
????redis.call('hset',?KEYS[1],?ARGV[2],?1);?
????redis.call('pexpire',?KEYS[1],?ARGV[1]);?
?return?nil;?
end
if?(redis.call('hexists',?KEYS[1],?ARGV[2])?==?1)
???redis.call('hincrby',?KEYS[1],?ARGV[2],?1);?
???redis.call('pexpire',?KEYS[1],?ARGV[1]);?
??return?nil;?
end;?
return?redis.call('pttl',?KEYS[1]);
這是 redisson 框架的加鎖代碼，寫的不錯(cuò)，大家可以借鑒一下。有趣，下面還有哪些好玩的東西？
大量失敗請(qǐng)求
上面的加鎖方法看起來好像沒有問題，但如果你仔細(xì)想想，如果有 1 萬(wàn)的請(qǐng)求同時(shí)去競(jìng)爭(zhēng)那把鎖，可能只有一個(gè)請(qǐng)求是成功的，其余的 9999 個(gè)請(qǐng)求都會(huì)失敗。
在秒殺場(chǎng)景下，會(huì)有什么問題？
答：每 1 萬(wàn)個(gè)請(qǐng)求，有 1 個(gè)成功。再 1 萬(wàn)個(gè)請(qǐng)求，有 1 個(gè)成功。如此下去，直到庫(kù)存不足。這就變成均勻分布的秒殺了，跟我們想象中的不一樣。
如何解決這個(gè)問題呢？
此外，還有一種場(chǎng)景：比如，有兩個(gè)線程同時(shí)上傳文件到 sftp，上傳文件前先要?jiǎng)?chuàng)建目錄。
假設(shè)兩個(gè)線程需要?jiǎng)?chuàng)建的目錄名都是當(dāng)天的日期，比如：20210920，如果不做任何控制，直接并發(fā)的創(chuàng)建目錄，第二個(gè)線程必然會(huì)失敗。
這時(shí)候有些朋友可能會(huì)說：這還不容易，加一個(gè) redis 分布式鎖就能解決問題了，此外再判斷一下，如果目錄已經(jīng)存在就不創(chuàng)建，只有目錄不存在才需要?jiǎng)?chuàng)建。
try?{
??String?result?=?jedis.set(lockKey,?requestId,?"NX",?"PX",?expireTime);
??if?("OK".equals(result))?{
????if(!exists(path))?{
???????mkdir(path);
????}
????return?true;
??}
}?finally{
????unlock(lockKey,requestId);
}??
return?false;
一切看似美好，但經(jīng)不起仔細(xì)推敲。來自靈魂的一問：第二個(gè)請(qǐng)求如果加鎖失敗了，接下來，是返回失敗，還是返回成功呢？
顯然第二個(gè)請(qǐng)求，肯定是不能返回失敗的，如果返回失敗了，這個(gè)問題還是沒有被解決。如果文件還沒有上傳成功，直接返回成功會(huì)有更大的問題。頭疼，到底該如何解決呢？
try?{
??Long?start?=?System.currentTimeMillis();
??while(true)?{
?????String?result?=?jedis.set(lockKey,?requestId,?"NX",?"PX",?expireTime);
?????if?("OK".equals(result))?{
????????if(!exists(path))?{
???????????mkdir(path);
????????}
????????return?true;
?????}
?????long?time?=?System.currentTimeMillis()?-?start;
??????if?(time>=timeout)?{
??????????return?false;
??????}
??????try?{
??????????Thread.sleep(50);
??????}?catch?(InterruptedException?e)?{
??????????e.printStackTrace();
??????}
??}
}?finally{
????unlock(lockKey,requestId);
}??
return?false;
在規(guī)定的時(shí)間，比如 500 毫秒內(nèi)，自旋不斷嘗試加鎖（說白了，就是在死循環(huán)中，不斷嘗試加鎖），如果成功則直接返回。
如果失敗，則休眠 50 毫秒，再發(fā)起新一輪的嘗試。如果到了超時(shí)時(shí)間，還未加鎖成功，則直接返回失敗。好吧，學(xué)到一招了，還有嗎？
鎖重入問題
我們都知道 redis 分布式鎖是互斥的。假如我們對(duì)某個(gè) key 加鎖了，如果該 key 對(duì)應(yīng)的鎖還沒失效，再用相同 key 去加鎖，大概率會(huì)失敗。
沒錯(cuò)，大部分場(chǎng)景是沒問題的。為什么說是大部分場(chǎng)景呢？
因?yàn)檫€有這樣的場(chǎng)景：假設(shè)在某個(gè)請(qǐng)求中，需要獲取一顆滿足條件的菜單樹或者分類樹。我們以菜單為例，這就需要在接口中從根節(jié)點(diǎn)開始，遞歸遍歷出所有滿足條件的子節(jié)點(diǎn)，然后組裝成一顆菜單樹。
需要注意的是菜單不是一成不變的，在后臺(tái)系統(tǒng)中運(yùn)營(yíng)同學(xué)可以動(dòng)態(tài)添加、修改和刪除菜單。為了保證在并發(fā)的情況下，每次都可能獲取最新的數(shù)據(jù)，這里可以加 redis 分布式鎖。
加 redis 分布式鎖的思路是對(duì)的。但接下來問題來了，在遞歸方法中遞歸遍歷多次，每次都是加的同一把鎖。
遞歸第一層當(dāng)然是可以加鎖成功的，但遞歸第二層、第三層...第 N 層，不就會(huì)加鎖失敗了？
private?int?expireTime?=?1000;
public?void?fun(int?level,String?lockKey,String?requestId){
??try{
?????String?result?=?jedis.set(lockKey,?requestId,?"NX",?"PX",?expireTime);
?????if?("OK".equals(result))?{
????????if(level<=10){
???????????this.fun(++level,lockKey,requestId);
????????}?else?{
???????????return;
????????}
?????}
?????return;
??}?finally?{
?????unlock(lockKey,requestId);
??}
}
如果你直接這么用，看起來好像沒有問題。但最終執(zhí)行程序之后發(fā)現(xiàn)，等待你的結(jié)果只有一個(gè)：出現(xiàn)異常。
因?yàn)閺母?jié)點(diǎn)開始，第一層遞歸加鎖成功，還沒釋放鎖，就直接進(jìn)入第二層遞歸。因?yàn)殒i名為 lockKey，并且值為 requestId 的鎖已經(jīng)存在，所以第二層遞歸大概率會(huì)加鎖失敗，然后返回到第一層。第一層接下來正常釋放鎖，然后整個(gè)遞歸方法直接返回了。
這下子，大家知道出現(xiàn)什么問題了吧？沒錯(cuò)，遞歸方法其實(shí)只執(zhí)行了第一層遞歸就返回了，其他層遞歸由于加鎖失敗，根本沒法執(zhí)行。
那么這個(gè)問題該如何解決呢？
答：使用可重入鎖。
我們以 redisson 框架為例，它的內(nèi)部實(shí)現(xiàn)了可重入鎖的功能。古時(shí)候有句話說得好：為人不識(shí)陳近南，便稱英雄也枉然。
我說：分布式鎖不識(shí) redisson，便稱好鎖也枉然。哈哈哈，只是自?shī)首詷芬幌?。由此可見，redisson 在 redis 分布式鎖中的江湖地位很高。
private?int?expireTime?=?1000;
public?void?run(String?lockKey)?{
??RLock?lock?=?redisson.getLock(lockKey);
??this.fun(lock,1);
}
public?void?fun(RLock?lock,int?level){
??try{
??????lock.lock(5,?TimeUnit.SECONDS);
??????if(level<=10){
?????????this.fun(lock,++level);
??????}?else?{
?????????return;
??????}
??}?finally?{
?????lock.unlock();
??}
}
上面的代碼也許并不完美，這里只是給了一個(gè)大致的思路，如果大家有這方面需求的話，以上代碼僅供參考。接下來，聊聊 redisson 可重入鎖的實(shí)現(xiàn)原理。
if?(redis.call('exists',?KEYS[1])?==?0)?
then??
???redis.call('hset',?KEYS[1],?ARGV[2],?1);????????redis.call('pexpire',?KEYS[1],?ARGV[1]);?
???return?nil;?
end;
if?(redis.call('hexists',?KEYS[1],?ARGV[2])?==?1)?
then??
??redis.call('hincrby',?KEYS[1],?ARGV[2],?1);?
??redis.call('pexpire',?KEYS[1],?ARGV[1]);?
??return?nil;?
end;
return?redis.call('pttl',?KEYS[1]);
其中：
KEYS[1]：鎖名
ARGV[1]：過期時(shí)間
ARGV[2]：uuid + ":" + threadId，可認(rèn)為是 requestId
釋放鎖主要是通過以下腳本實(shí)現(xiàn)的：
if?(redis.call('hexists',?KEYS[1],?ARGV[3])?==?0)?
then?
??return?nil
end
local?counter?=?redis.call('hincrby',?KEYS[1],?ARGV[3],?-1);
if?(counter?>?0)?
then?
????redis.call('pexpire',?KEYS[1],?ARGV[2]);?
????return?0;?
?else?
???redis.call('del',?KEYS[1]);?
???redis.call('publish',?KEYS[2],?ARGV[1]);?
???return?1;?
end;?
return?nil
鎖競(jìng)爭(zhēng)問題
如果有大量需要寫入數(shù)據(jù)的業(yè)務(wù)場(chǎng)景，使用普通的 redis 分布式鎖是沒有問題的。但如果有些業(yè)務(wù)場(chǎng)景，寫入的操作比較少，反而有大量讀取的操作。這樣直接使用普通的 redis 分布式鎖，會(huì)不會(huì)有點(diǎn)浪費(fèi)性能？
我們都知道，鎖的粒度越粗，多個(gè)線程搶鎖時(shí)競(jìng)爭(zhēng)就越激烈，造成多個(gè)線程鎖等待的時(shí)間也就越長(zhǎng)，性能也就越差。
所以，提升 redis 分布式鎖性能的第一步，就是要把鎖的粒度變細(xì)。
| 讀寫鎖
眾所周知，加鎖的目的是為了保證，在并發(fā)環(huán)境中讀寫數(shù)據(jù)的安全性，即不會(huì)出現(xiàn)數(shù)據(jù)錯(cuò)誤或者不一致的情況。
但在絕大多數(shù)實(shí)際業(yè)務(wù)場(chǎng)景中，一般是讀數(shù)據(jù)的頻率遠(yuǎn)遠(yuǎn)大于寫數(shù)據(jù)。而線程間的并發(fā)讀操作是并不涉及并發(fā)安全問題，我們沒有必要給讀操作加互斥鎖，只要保證讀寫、寫寫并發(fā)操作上鎖是互斥的就行，這樣可以提升系統(tǒng)的性能。
我們以 redisson 框架為例，它內(nèi)部已經(jīng)實(shí)現(xiàn)了讀寫鎖的功能。
RReadWriteLock?readWriteLock?=?redisson.getReadWriteLock("readWriteLock");
RLock?rLock?=?readWriteLock.readLock();
try?{
????rLock.lock();
????//業(yè)務(wù)操作
}?catch?(Exception?e)?{
????log.error(e);
}?finally?{
????rLock.unlock();
}
RReadWriteLock?readWriteLock?=?redisson.getReadWriteLock("readWriteLock");
RLock?rLock?=?readWriteLock.writeLock();
try?{
????rLock.lock();
????//業(yè)務(wù)操作
}?catch?(InterruptedException?e)?{
???log.error(e);
}?finally?{
????rLock.unlock();
}
將讀鎖和寫鎖分開，最大的好處是提升讀操作的性能，因?yàn)樽x和讀之間是共享的，不存在互斥性。
而我們的實(shí)際業(yè)務(wù)場(chǎng)景中，絕大多數(shù)數(shù)據(jù)操作都是讀操作。所以，如果提升了讀操作的性能，也就會(huì)提升整個(gè)鎖的性能。
下面總結(jié)一個(gè)讀寫鎖的特點(diǎn)：
讀與讀是共享的，不互斥
讀與寫互斥
寫與寫互斥
| 鎖分段
此外，為了減小鎖的粒度，比較常見的做法是將大鎖：分段。
在 java 中 ConcurrentHashMap，就是將數(shù)據(jù)分為 16 段，每一段都有單獨(dú)的鎖，并且處于不同鎖段的數(shù)據(jù)互不干擾，以此來提升鎖的性能。
放在實(shí)際業(yè)務(wù)場(chǎng)景中，我們可以這樣做：比如在秒殺扣庫(kù)存的場(chǎng)景中，現(xiàn)在的庫(kù)存中有 2000 個(gè)商品，用戶可以秒殺。為了防止出現(xiàn)超賣的情況，通常情況下，可以對(duì)庫(kù)存加鎖。如果有 1W 的用戶競(jìng)爭(zhēng)同一把鎖，顯然系統(tǒng)吞吐量會(huì)非常低。
為了提升系統(tǒng)性能，我們可以將庫(kù)存分段，比如：分為 100 段，這樣每段就有 20 個(gè)商品可以參與秒殺。
如此一來，在多線程環(huán)境中，可以大大的減少鎖的沖突。以前多個(gè)線程只能同時(shí)競(jìng)爭(zhēng) 1 把鎖，尤其在秒殺的場(chǎng)景中，競(jìng)爭(zhēng)太激烈了，簡(jiǎn)直可以用慘絕人寰來形容，其后果是導(dǎo)致絕大數(shù)線程在鎖等待。現(xiàn)在多個(gè)線程同時(shí)競(jìng)爭(zhēng) 100 把鎖，等待的線程變少了，從而系統(tǒng)吞吐量也就提升了。
需要注意的地方是：將鎖分段雖說可以提升系統(tǒng)的性能，但它也會(huì)讓系統(tǒng)的復(fù)雜度提升不少。因?yàn)樗枰腩~外的路由算法，跨段統(tǒng)計(jì)等功能。我們?cè)趯?shí)際業(yè)務(wù)場(chǎng)景中，需要綜合考慮，不是說一定要將鎖分段。
鎖超時(shí)問題
我在前面提到過，如果線程 A 加鎖成功了，但是由于業(yè)務(wù)功能耗時(shí)時(shí)間很長(zhǎng)，超過了設(shè)置的超時(shí)時(shí)間，這時(shí)候 redis 會(huì)自動(dòng)釋放線程 A 加的鎖。
有些朋友可能會(huì)說：到了超時(shí)時(shí)間，鎖被釋放了就釋放了唄，對(duì)功能又沒啥影響。
答：錯(cuò)，錯(cuò)，錯(cuò)。對(duì)功能其實(shí)有影響。
通常我們加鎖的目的是：為了防止訪問臨界資源時(shí)，出現(xiàn)數(shù)據(jù)異常的情況。比如：線程 A 在修改數(shù)據(jù) C 的值，線程 B 也在修改數(shù)據(jù) C 的值，如果不做控制，在并發(fā)情況下，數(shù)據(jù) C 的值會(huì)出問題。
為了保證某個(gè)方法，或者段代碼的互斥性，即如果線程 A 執(zhí)行了某段代碼，是不允許其他線程在某一時(shí)刻同時(shí)執(zhí)行的，我們可以用 synchronized 關(guān)鍵字加鎖。
但這種鎖有很大的局限性，只能保證單個(gè)節(jié)點(diǎn)的互斥性。如果需要在多個(gè)節(jié)點(diǎn)中保持互斥性，就需要用 redis 分布式鎖。
此時(shí)，代碼 2 相當(dāng)于裸奔的狀態(tài)，無法保證互斥性。假如它里面訪問了臨界資源，并且其他線程也訪問了該資源，可能就會(huì)出現(xiàn)數(shù)據(jù)異常的情況。（PS：我說的訪問臨界資源，不單單指讀取，還包含寫入）
那么，如何解決這個(gè)問題呢？
答：如果達(dá)到了超時(shí)時(shí)間，但業(yè)務(wù)代碼還沒執(zhí)行完，需要給鎖自動(dòng)續(xù)期。
Timer?timer?=?new?Timer();?
timer.schedule(new?TimerTask()?{
????@Override
????public?void?run(Timeout?timeout)?throws?Exception?{
??????//自動(dòng)續(xù)期邏輯
????}
},?10000,?TimeUnit.MILLISECONDS);
獲取鎖之后，自動(dòng)開啟一個(gè)定時(shí)任務(wù)，每隔 10 秒鐘，自動(dòng)刷新一次過期時(shí)間。這種機(jī)制在 redisson 框架中，有個(gè)比較霸氣的名字：watch dog，即傳說中的看門狗。
if?(redis.call('hexists',?KEYS[1],?ARGV[2])?==?1)?then?
???redis.call('pexpire',?KEYS[1],?ARGV[1]);
??return?1;?
end;
return?0;
需要注意的地方是：在實(shí)現(xiàn)自動(dòng)續(xù)期功能時(shí)，還需要設(shè)置一個(gè)總的過期時(shí)間，可以跟 redisson 保持一致，設(shè)置成 30 秒。如果業(yè)務(wù)代碼到了這個(gè)總的過期時(shí)間，還沒有執(zhí)行完，就不再自動(dòng)續(xù)期了。
自動(dòng)續(xù)期的功能是獲取鎖之后開啟一個(gè)定時(shí)任務(wù)，每隔 10 秒判斷一下鎖是否存在，如果存在，則刷新過期時(shí)間。如果續(xù)期 3 次，也就是 30 秒之后，業(yè)務(wù)方法還是沒有執(zhí)行完，就不再續(xù)期了。
主從復(fù)制的問題
上面花了這么多篇幅介紹的內(nèi)容，對(duì)單個(gè) redis 實(shí)例是沒有問題的。
but，如果 redis 存在多個(gè)實(shí)例。比如：做了主從，或者使用了哨兵模式，基于 redis 的分布式鎖的功能，就會(huì)出現(xiàn)問題。
本來是和諧共處，相安無事的。redis 加鎖操作，都在 master 上進(jìn)行，加鎖成功后，再異步同步給所有的 slave。
如果有個(gè)鎖 A 比較悲催，剛加鎖成功 master 就掛了，還沒來得及同步到 slave1。
這樣會(huì)導(dǎo)致新 master 節(jié)點(diǎn)中的鎖 A 丟失了。后面，如果有新的線程，使用鎖 A 加鎖，依然可以成功，分布式鎖失效了。
那么，如何解決這個(gè)問題呢？
答：redisson 框架為了解決這個(gè)問題，提供了一個(gè)專門的類：RedissonRedLock，使用了 Redlock 算法。
RedissonRedLock 解決問題的思路如下：
需要搭建幾套相互獨(dú)立的 redis 環(huán)境，假如我們?cè)谶@里搭建了 5 套。
每套環(huán)境都有一個(gè) redisson node 節(jié)點(diǎn)。
多個(gè) redisson node 節(jié)點(diǎn)組成了 RedissonRedLock。
環(huán)境包含：?jiǎn)螜C(jī)、主從、哨兵和集群模式，可以是一種或者多種混合。
RedissonRedLock 加鎖過程如下：
獲取所有的 redisson node 節(jié)點(diǎn)信息，循環(huán)向所有的 redisson node 節(jié)點(diǎn)加鎖，假設(shè)節(jié)點(diǎn)數(shù)為 N，例子中 N 等于 5。
如果在 N 個(gè)節(jié)點(diǎn)當(dāng)中，有 N/2+1 個(gè)節(jié)點(diǎn)加鎖成功了，那么整個(gè) RedissonRedLock 加鎖是成功的。
如果在 N 個(gè)節(jié)點(diǎn)當(dāng)中，小于 N/2+1 個(gè)節(jié)點(diǎn)加鎖成功，那么整個(gè) RedissonRedLock 加鎖是失敗的。
如果中途發(fā)現(xiàn)各個(gè)節(jié)點(diǎn)加鎖的總耗時(shí)，大于等于設(shè)置的最大等待時(shí)間，則直接返回失敗。
從上面可以看出，使用 Redlock 算法，確實(shí)能解決多實(shí)例場(chǎng)景中，假如 master 節(jié)點(diǎn)掛了，導(dǎo)致分布式鎖失效的問題。
但也引出了一些新問題，比如：
需要額外搭建多套環(huán)境，申請(qǐng)更多的資源，需要評(píng)估一下成本和性價(jià)比。
如果有 N 個(gè) redisson node 節(jié)點(diǎn)，需要加鎖 N 次，最少也需要加鎖 N/2+1 次，才知道 redlock 加鎖是否成功。顯然，增加了額外的時(shí)間成本，有點(diǎn)得不償失。
由此可見，在實(shí)際業(yè)務(wù)場(chǎng)景，尤其是高并發(fā)業(yè)務(wù)中，RedissonRedLock 其實(shí)使用的并不多。在分布式環(huán)境中，CAP 是繞不過去的。
CAP 指的是在一個(gè)分布式系統(tǒng)中：
一致性（Consistency）
可用性（Availability）
分區(qū)容錯(cuò)性（Partition tolerance）
這三個(gè)要素最多只能同時(shí)實(shí)現(xiàn)兩點(diǎn)，不可能三者兼顧。
如果你的實(shí)際業(yè)務(wù)場(chǎng)景，更需要的是保證數(shù)據(jù)一致性。那么請(qǐng)使用 CP 類型的分布式鎖，比如：zookeeper，它是基于磁盤的，性能可能沒那么好，但數(shù)據(jù)一般不會(huì)丟。
如果你的實(shí)際業(yè)務(wù)場(chǎng)景，更需要的是保證數(shù)據(jù)高可用性。那么請(qǐng)使用 AP 類型的分布式鎖，比如：redis，它是基于內(nèi)存的，性能比較好，但有丟失數(shù)據(jù)的風(fēng)險(xiǎn)。
其實(shí)，在我們絕大多數(shù)分布式業(yè)務(wù)場(chǎng)景中，使用 redis 分布式鎖就夠了，真的別太較真。因?yàn)閿?shù)據(jù)不一致問題，可以通過最終一致性方案解決。但如果系統(tǒng)不可用了，對(duì)用戶來說是暴擊一萬(wàn)點(diǎn)傷害。
????
往 期 推 薦
1、來自谷歌的開發(fā)心得：所有SQL和代碼，都沒必要藏著掖著
2、用了這么久的?Chrome，你不會(huì)還沒掌握這個(gè)功能吧？
點(diǎn)分享
點(diǎn)收藏
點(diǎn)點(diǎn)贊
點(diǎn)在看
