Redis 分布式鎖使用不當(dāng)，釀成一個(gè)重大事故，超賣了100瓶飛天茅臺(tái)！！！

來(lái)源：juejin.cn/post/6854573212831842311
基于Redis使用分布式鎖在當(dāng)今已經(jīng)不是什么新鮮事了。

本篇文章主要是基于我們實(shí)際項(xiàng)目中因?yàn)閞edis分布式鎖造成的事故分析及解決方案。我們項(xiàng)目中的搶購(gòu)訂單采用的是分布式鎖來(lái)解決的，有一次，運(yùn)營(yíng)做了一個(gè)飛天茅臺(tái)的搶購(gòu)活動(dòng)，庫(kù)存100瓶，但是卻超賣了100瓶！要知道，這個(gè)地球上飛天茅臺(tái)的稀缺性啊！！！

事故定為P0級(jí)重大事故...只能坦然接受。整個(gè)項(xiàng)目組被扣績(jī)效了~~

事故發(fā)生后，CTO指名點(diǎn)姓讓我?guī)ь^沖鋒來(lái)處理。好吧，沖~

事故現(xiàn)場(chǎng)

經(jīng)過(guò)一番了解后，得知這個(gè)搶購(gòu)活動(dòng)接口以前從來(lái)沒(méi)有出現(xiàn)過(guò)這種情況，但是這次為什么會(huì)超賣呢？

原因在于：之前的搶購(gòu)商品都不是什么稀缺性商品，而這次活動(dòng)居然是飛天茅臺(tái)，通過(guò)埋點(diǎn)數(shù)據(jù)分析，各項(xiàng)數(shù)據(jù)基本都是成倍增長(zhǎng)，活動(dòng)熱烈程度可想而知！話不多說(shuō)，直接上核心代碼，機(jī)密部分做了偽代碼處理。。。

public SeckillActivityRequestVO seckillHandle(SeckillActivityRequestVO request) {SeckillActivityRequestVO response;    String key = "key:" + request.getSeckillId;    try {        Boolean lockFlag = redisTemplate.opsForValue().setIfAbsent(key, "val", 10, TimeUnit.SECONDS);        if (lockFlag) {            // HTTP請(qǐng)求用戶服務(wù)進(jìn)行用戶相關(guān)的校驗(yàn)            // 用戶活動(dòng)校驗(yàn)
            // 庫(kù)存校驗(yàn)            Object stock = redisTemplate.opsForHash().get(key+":info", "stock");            assert stock != null;            if (Integer.parseInt(stock.toString()) <= 0) {                // 業(yè)務(wù)異常            } else {                redisTemplate.opsForHash().increment(key+":info", "stock", -1);                // 生成訂單                // 發(fā)布訂單創(chuàng)建成功事件                // 構(gòu)建響應(yīng)VO            }        }    } finally {        // 釋放鎖        stringRedisTemplate.delete("key");        // 構(gòu)建響應(yīng)VO    }    return response;}

以上代碼，通過(guò)分布式鎖過(guò)期時(shí)間有效期10s來(lái)保障業(yè)務(wù)邏輯有足夠的執(zhí)行時(shí)間；采用try-finally語(yǔ)句塊保證鎖一定會(huì)及時(shí)釋放。業(yè)務(wù)代碼內(nèi)部也對(duì)庫(kù)存進(jìn)行了校驗(yàn)。看起來(lái)很安全啊~ 別急，繼續(xù)分析。。。

事故原因

飛天茅臺(tái)搶購(gòu)活動(dòng)吸引了大量新用戶下載注冊(cè)我們的APP，其中，不乏很多羊毛黨，采用專業(yè)的手段來(lái)注冊(cè)新用戶來(lái)薅羊毛和刷單。當(dāng)然我們的用戶系統(tǒng)提前做好了防備，接入阿里云人機(jī)驗(yàn)證、三要素認(rèn)證以及自研的風(fēng)控系統(tǒng)等各種十八般武藝，擋住了大量的非法用戶。此處不禁點(diǎn)個(gè)贊~ 但也正因如此，讓用戶服務(wù)一直處于較高的運(yùn)行負(fù)載中。

搶購(gòu)活動(dòng)開(kāi)始的一瞬間，大量的用戶校驗(yàn)請(qǐng)求打到了用戶服務(wù)。導(dǎo)致用戶服務(wù)網(wǎng)關(guān)出現(xiàn)了短暫的響應(yīng)延遲，有些請(qǐng)求的響應(yīng)時(shí)長(zhǎng)超過(guò)了10s，但由于HTTP請(qǐng)求的響應(yīng)超時(shí)我們?cè)O(shè)置的是30s，這就導(dǎo)致接口一直阻塞在用戶校驗(yàn)?zāi)抢铮?0s后，分布式鎖已經(jīng)失效了，此時(shí)有新的請(qǐng)求進(jìn)來(lái)是可以拿到鎖的，也就是說(shuō)鎖被覆蓋了。這些阻塞的接口執(zhí)行完之后，又會(huì)執(zhí)行釋放鎖的邏輯，這就把其他線程的鎖釋放了，導(dǎo)致新的請(qǐng)求也可以競(jìng)爭(zhēng)到鎖~這真是一個(gè)極其惡劣的循環(huán)。這個(gè)時(shí)候只能依賴庫(kù)存校驗(yàn)，但是偏偏庫(kù)存校驗(yàn)不是非原子性的，采用的是get and compare 的方式，超賣的悲劇就這樣發(fā)生了~~~

事故分析

仔細(xì)分析下來(lái)，可以發(fā)現(xiàn)，這個(gè)搶購(gòu)接口在高并發(fā)場(chǎng)景下，是有嚴(yán)重的安全隱患的，主要集中在三個(gè)地方：

沒(méi)有其他系統(tǒng)風(fēng)險(xiǎn)容錯(cuò)處理

由于用戶服務(wù)吃緊，網(wǎng)關(guān)響應(yīng)延遲，但沒(méi)有任何應(yīng)對(duì)方式，這是超賣的導(dǎo)火索。

看似安全的分布式鎖其實(shí)一點(diǎn)都不安全

雖然采用了set key value [EX seconds] [PX milliseconds] [NX|XX]的方式，但是如果線程A執(zhí)行的時(shí)間較長(zhǎng)沒(méi)有來(lái)得及釋放，鎖就過(guò)期了，此時(shí)線程B是可以獲取到鎖的。當(dāng)線程A執(zhí)行完成之后，釋放鎖，實(shí)際上就把線程B的鎖釋放掉了。這個(gè)時(shí)候，線程C又是可以獲取到鎖的，而此時(shí)如果線程B執(zhí)行完釋放鎖實(shí)際上就是釋放的線程C設(shè)置的鎖。這是超賣的直接原因。

非原子性的庫(kù)存校驗(yàn)

非原子性的庫(kù)存校驗(yàn)導(dǎo)致在并發(fā)場(chǎng)景下，庫(kù)存校驗(yàn)的結(jié)果不準(zhǔn)確。這是超賣的根本原因。

通過(guò)以上分析，問(wèn)題的根本原因在于庫(kù)存校驗(yàn)嚴(yán)重依賴了分布式鎖。因?yàn)樵诜植际芥i正常set、del的情況下，庫(kù)存校驗(yàn)是沒(méi)有問(wèn)題的。但是，當(dāng)分布式鎖不安全可靠的時(shí)候，庫(kù)存校驗(yàn)就沒(méi)有用了。

解決方案

知道了原因之后，我們就可以對(duì)癥下藥了。

實(shí)現(xiàn)相對(duì)安全的分布式鎖

相對(duì)安全的定義：set、del是一一映射的，不會(huì)出現(xiàn)把其他現(xiàn)成的鎖del的情況。從實(shí)際情況的角度來(lái)看，即使能做到set、del一一映射，也無(wú)法保障業(yè)務(wù)的絕對(duì)安全。因?yàn)殒i的過(guò)期時(shí)間始終是有界的，除非不設(shè)置過(guò)期時(shí)間或者把過(guò)期時(shí)間設(shè)置的很長(zhǎng)，但這樣做也會(huì)帶來(lái)其他問(wèn)題。故沒(méi)有意義。要想實(shí)現(xiàn)相對(duì)安全的分布式鎖，必須依賴key的value值。在釋放鎖的時(shí)候，通過(guò)value值的唯一性來(lái)保證不會(huì)勿刪。我們基于LUA腳本實(shí)現(xiàn)原子性的get and compare，如下：

public void safedUnLock(String key, String val) {    String luaScript = "local in = ARGV[1] local curr=redis.call('get', KEYS[1]) if in==curr then redis.call('del', KEYS[1]) end return 'OK'"";    RedisScript redisScript = RedisScript.of(luaScript);    redisTemplate.execute(redisScript, Collections.singletonList(key), Collections.singleton(val));}


我們通過(guò)LUA腳本來(lái)實(shí)現(xiàn)安全地解鎖。

實(shí)現(xiàn)安全的庫(kù)存校驗(yàn)

如果我們對(duì)于并發(fā)有比較深入的了解的話，會(huì)發(fā)現(xiàn)想 get and compare/ read and save 等操作，都是非原子性的。如果要實(shí)現(xiàn)原子性，我們也可以借助LUA腳本來(lái)實(shí)現(xiàn)。但就我們這個(gè)例子中，由于搶購(gòu)活動(dòng)一單只能下1瓶，因此可以不用基于LUA腳本實(shí)現(xiàn)而是基于redis本身的原子性。原因在于：

// redis會(huì)返回操作之后的結(jié)果，這個(gè)過(guò)程是原子性的Long currStock = redisTemplate.opsForHash().increment("key", "stock", -1);

發(fā)現(xiàn)沒(méi)有，代碼中的庫(kù)存校驗(yàn)完全是“畫(huà)蛇添足”。

改進(jìn)之后的代碼

經(jīng)過(guò)以上的分析之后，我們決定新建一個(gè)DistributedLocker類專門(mén)用于處理分布式鎖。另外，搜索公眾號(hào)互聯(lián)網(wǎng)架構(gòu)師后臺(tái)回復(fù)“2T”，獲取一份驚喜禮包。

public SeckillActivityRequestVO seckillHandle(SeckillActivityRequestVO request) {SeckillActivityRequestVO response;    String key = "key:" + request.getSeckillId();    String val = UUID.randomUUID().toString();    try {        Boolean lockFlag = distributedLocker.lock(key, val, 10, TimeUnit.SECONDS);        if (!lockFlag) {            // 業(yè)務(wù)異常        }

        // 用戶活動(dòng)校驗(yàn)        // 庫(kù)存校驗(yàn)，基于redis本身的原子性來(lái)保證        Long currStock = stringRedisTemplate.opsForHash().increment(key + ":info", "stock", -1);        if (currStock < 0) { // 說(shuō)明庫(kù)存已經(jīng)扣減完了。            // 業(yè)務(wù)異常。            log.error("[搶購(gòu)下單] 無(wú)庫(kù)存");        } else {            // 生成訂單            // 發(fā)布訂單創(chuàng)建成功事件            // 構(gòu)建響應(yīng)        }    } finally {        distributedLocker.safedUnLock(key, val);        // 構(gòu)建響應(yīng)    }    return response;}

深度思考

分布式鎖有必要么

改進(jìn)之后，其實(shí)可以發(fā)現(xiàn)，我們借助于redis本身的原子性扣減庫(kù)存，也是可以保證不會(huì)超賣的。對(duì)的。但是如果沒(méi)有這一層鎖的話，那么所有請(qǐng)求進(jìn)來(lái)都會(huì)走一遍業(yè)務(wù)邏輯，由于依賴了其他系統(tǒng)，此時(shí)就會(huì)造成對(duì)其他系統(tǒng)的壓力增大。這會(huì)增加的性能損耗和服務(wù)不穩(wěn)定性，得不償失。基于分布式鎖可以在一定程度上攔截一些流量。

分布式鎖的選型

有人提出用RedLock來(lái)實(shí)現(xiàn)分布式鎖。RedLock的可靠性更高，但其代價(jià)是犧牲一定的性能。在本場(chǎng)景，這點(diǎn)可靠性的提升遠(yuǎn)不如性能的提升帶來(lái)的性價(jià)比高。如果對(duì)于可靠性極高要求的場(chǎng)景，則可以采用RedLock來(lái)實(shí)現(xiàn)。

再次思考分布式鎖有必要么

由于bug需要緊急修復(fù)上線，因此我們將其優(yōu)化并在測(cè)試環(huán)境進(jìn)行了壓測(cè)之后，就立馬熱部署上線了。實(shí)際證明，這個(gè)優(yōu)化是成功的，性能方面略微提升了一些，并在分布式鎖失效的情況下，沒(méi)有出現(xiàn)超賣的情況。然而，還有沒(méi)有優(yōu)化空間呢？有的！由于服務(wù)是集群部署，我們可以將庫(kù)存均攤到集群中的每個(gè)服務(wù)器上，通過(guò)廣播通知到集群的各個(gè)服務(wù)器。網(wǎng)關(guān)層基于用戶ID做hash算法來(lái)決定請(qǐng)求到哪一臺(tái)服務(wù)器。這樣就可以基于應(yīng)用緩存來(lái)實(shí)現(xiàn)庫(kù)存的扣減和判斷。性能又進(jìn)一步提升了！

// 通過(guò)消息提前初始化好，借助ConcurrentHashMap實(shí)現(xiàn)高效線程安全private static ConcurrentHashMap SECKILL_FLAG_MAP = new ConcurrentHashMap<>();// 通過(guò)消息提前設(shè)置好。由于AtomicInteger本身具備原子性，因此這里可以直接使用HashMapprivate static Map SECKILL_STOCK_MAP = new HashMap<>();

...

public SeckillActivityRequestVO seckillHandle(SeckillActivityRequestVO request) {SeckillActivityRequestVO response;
    Long seckillId = request.getSeckillId();    if(!SECKILL_FLAG_MAP.get(requestseckillId)) {        // 業(yè)務(wù)異常    }     // 用戶活動(dòng)校驗(yàn)     // 庫(kù)存校驗(yàn)    if(SECKILL_STOCK_MAP.get(seckillId).decrementAndGet() < 0) {        SECKILL_FLAG_MAP.put(seckillId, false);        // 業(yè)務(wù)異常    }    // 生成訂單    // 發(fā)布訂單創(chuàng)建成功事件    // 構(gòu)建響應(yīng)    return response;}

通過(guò)以上的改造，我們就完全不需要依賴redis了。性能和安全性兩方面都能進(jìn)一步得到提升！當(dāng)然，此方案沒(méi)有考慮到機(jī)器的動(dòng)態(tài)擴(kuò)容、縮容等復(fù)雜場(chǎng)景，如果還要考慮這些話，則不如直接考慮分布式鎖的解決方案。

總結(jié)

稀缺商品超賣絕對(duì)是重大事故。如果超賣數(shù)量多的話，甚至?xí)o平臺(tái)帶來(lái)非常嚴(yán)重的經(jīng)營(yíng)影響和社會(huì)影響。經(jīng)過(guò)本次事故，讓我意識(shí)到對(duì)于項(xiàng)目中的任何一行代碼都不能掉以輕心，否則在某些場(chǎng)景下，這些正常工作的代碼就會(huì)變成致命殺手！對(duì)于一個(gè)開(kāi)發(fā)者而言，則設(shè)計(jì)開(kāi)發(fā)方案時(shí)，一定要將方案考慮周全。怎樣才能將方案考慮周全？唯有持續(xù)不斷地學(xué)習(xí)！

-End-