分布式鎖用Redis還是Zookeeper？
為什么用分布式鎖？在討論這個問題之前，我們先來看一個業(yè)務場景。
圖片來自 Pexels
為什么用分布式鎖？
系統(tǒng) A 是一個電商系統(tǒng)，目前是一臺機器部署，系統(tǒng)中有一個用戶下訂單的接口，但是用戶下訂單之前一定要去檢查一下庫存，確保庫存足夠了才會給用戶下單。
由于系統(tǒng)有一定的并發(fā)，所以會預先將商品的庫存保存在 Redis 中，用戶下單的時候會更新 Redis 的庫存。
此時系統(tǒng)架構如下：
但是這樣一來會產(chǎn)生一個問題：假如某個時刻，Redis 里面的某個商品庫存為 1。
此時兩個請求同時到來，其中一個請求執(zhí)行到上圖的第 3 步，更新數(shù)據(jù)庫的庫存為 0，但是第 4 步還沒有執(zhí)行。
而另外一個請求執(zhí)行到了第 2 步，發(fā)現(xiàn)庫存還是 1，就繼續(xù)執(zhí)行第 3 步。這樣的結果，是導致賣出了 2 個商品，然而其實庫存只有 1 個。
很明顯不對啊！這就是典型的庫存超賣問題。此時，我們很容易想到解決方案：用鎖把 2、3、4 步鎖住，讓他們執(zhí)行完之后，另一個線程才能進來執(zhí)行第 2 步。
按照上面的圖，在執(zhí)行第 2 步時，使用 Java 提供的 Synchronized 或者 ReentrantLock 來鎖住，然后在第 4 步執(zhí)行完之后才釋放鎖。
這樣一來，2、3、4 這 3 個步驟就被“鎖”住了，多個線程之間只能串行化執(zhí)行。
但是好景不長，整個系統(tǒng)的并發(fā)飆升，一臺機器扛不住了。現(xiàn)在要增加一臺機器，如下圖：
增加機器之后，系統(tǒng)變成上圖所示，我的天！假設此時兩個用戶的請求同時到來，但是落在了不同的機器上，那么這兩個請求是可以同時執(zhí)行了，還是會出現(xiàn)庫存超賣的問題。
為什么呢？因為上圖中的兩個 A 系統(tǒng)，運行在兩個不同的 JVM 里面，他們加的鎖只對屬于自己 JVM 里面的線程有效，對于其他 JVM 的線程是無效的。
因此，這里的問題是：Java 提供的原生鎖機制在多機部署場景下失效了，這是因為兩臺機器加的鎖不是同一個鎖（兩個鎖在不同的 JVM 里面）。
那么，我們只要保證兩臺機器加的鎖是同一個鎖，問題不就解決了嗎？此時，就該分布式鎖隆重登場了。
分布式鎖的思路是：在整個系統(tǒng)提供一個全局、唯一的獲取鎖的“東西”，然后每個系統(tǒng)在需要加鎖時，都去問這個“東西”拿到一把鎖，這樣不同的系統(tǒng)拿到的就可以認為是同一把鎖。
至于這個“東西”，可以是 Redis、Zookeeper，也可以是數(shù)據(jù)庫。文字描述不太直觀，我們來看下圖：
通過上面的分析，我們知道了庫存超賣場景在分布式部署系統(tǒng)的情況下使用 Java 原生的鎖機制無法保證線程安全，所以我們需要用到分布式鎖的方案。
那么，如何實現(xiàn)分布式鎖呢？接著往下看！
基于 Redis 實現(xiàn)分布式鎖
上面分析為啥要使用分布式鎖了，這里我們來具體看看分布式鎖落地的時候應該怎么樣處理。
①常見的一種方案就是使用?Redis 做分布式鎖
使用 Redis 做分布式鎖的思路大概是這樣的：在 Redis 中設置一個值表示加了鎖，然后釋放鎖的時候就把這個 Key 刪除。
具體代碼是這樣的：
//?獲取鎖
//?NX是指如果key不存在就成功，key存在返回false，PX可以指定過期時間
SET?anyLock?unique_value?NX?PX?30000
//?釋放鎖：通過執(zhí)行一段lua腳本
//?釋放鎖涉及到兩條指令，這兩條指令不是原子性的
//?需要用到redis的lua腳本支持特性，redis執(zhí)行l(wèi)ua腳本是原子性的
if?redis.call("get",KEYS[1])?==?ARGV[1]?then
return?redis.call("del",KEYS[1])
else
return?0
end
這種方式有幾大要點：
一定要用 SET key value NX PX milliseconds 命令。如果不用，先設置了值，再設置過期時間，這個不是原子性操作，有可能在設置過期時間之前宕機，會造成死鎖(Key 永久存在)
Value 要具有唯一性。這個是為了在解鎖的時候，需要驗證 Value 是和加鎖的一致才刪除 Key。
這時避免了一種情況：假設 A 獲取了鎖，過期時間 30s，此時 35s 之后，鎖已經(jīng)自動釋放了，A 去釋放鎖，但是此時可能 B 獲取了鎖。A 客戶端就不能刪除 B 的鎖了。
除了要考慮客戶端要怎么實現(xiàn)分布式鎖之外，還需要考慮 Redis 的部署問題。
Redis 有 3 種部署方式：
單機模式
Master-Slave+Sentinel?選舉模式
Redis Cluster?模式
使用 Redis 做分布式鎖的缺點在于：如果采用單機部署模式，會存在單點問題，只要 Redis 故障了。加鎖就不行了。
采用 Master-Slave 模式，加鎖的時候只對一個節(jié)點加鎖，即便通過 Sentinel 做了高可用，但是如果 Master 節(jié)點故障了，發(fā)生主從切換，此時就會有可能出現(xiàn)鎖丟失的問題。
基于以上的考慮，Redis 的作者也考慮到這個問題，他提出了一個 RedLock 的算法。
這個算法的意思大概是這樣的：假設 Redis 的部署模式是 Redis Cluster，總共有 5 個 Master 節(jié)點。
通過以下步驟獲取一把鎖：
獲取當前時間戳，單位是毫秒。
輪流嘗試在每個 Master 節(jié)點上創(chuàng)建鎖，過期時間設置較短，一般就幾十毫秒。
嘗試在大多數(shù)節(jié)點上建立一個鎖，比如 5 個節(jié)點就要求是 3 個節(jié)點（n / 2 +1）。
客戶端計算建立好鎖的時間，如果建立鎖的時間小于超時時間，就算建立成功了。
要是鎖建立失敗了，那么就依次刪除這個鎖。
只要別人建立了一把分布式鎖，你就得不斷輪詢?nèi)L試獲取鎖。
但是這樣的這種算法還是頗具爭議的，可能還會存在不少的問題，無法保證加鎖的過程一定正確。
②另一種方式：Redisson
此外，實現(xiàn) Redis 的分布式鎖，除了自己基于 Redis Client 原生 API 來實現(xiàn)之外，還可以使用開源框架：Redission。
Redisson 是一個企業(yè)級的開源 Redis Client，也提供了分布式鎖的支持。我也非常推薦大家使用，為什么呢？
回想一下上面說的，如果自己寫代碼來通過 Redis 設置一個值，是通過下面這個命令設置的：
SET?anyLock?unique_value?NX?PX?30000
這里設置的超時時間是 30s，假如我超過 30s 都還沒有完成業(yè)務邏輯的情況下，Key 會過期，其他線程有可能會獲取到鎖。
這樣一來的話，第一個線程還沒執(zhí)行完業(yè)務邏輯，第二個線程進來了也會出現(xiàn)線程安全問題。
所以我們還需要額外的去維護這個過期時間，太麻煩了~我們來看看 Redisson 是怎么實現(xiàn)的？
先感受一下使用 Redission 的爽：
Config?config?=?new?Config();
config.useClusterServers()
.addNodeAddress("redis://192.168.31.101:7001")
.addNodeAddress("redis://192.168.31.101:7002")
.addNodeAddress("redis://192.168.31.101:7003")
.addNodeAddress("redis://192.168.31.102:7001")
.addNodeAddress("redis://192.168.31.102:7002")
.addNodeAddress("redis://192.168.31.102:7003");
RedissonClient?redisson?=?Redisson.create(config);
RLock?lock?=?redisson.getLock("anyLock");
lock.lock();
lock.unlock();
就是這么簡單，我們只需要通過它的 API?中的 Lock 和 Unlock?即可完成分布式鎖，他幫我們考慮了很多細節(jié)：
Redisson 所有指令都通過 Lua 腳本執(zhí)行，Redis 支持 Lua 腳本原子性執(zhí)行。
Redisson 設置一個 Key 的默認過期時間為 30s，如果某個客戶端持有一個鎖超過了 30s 怎么辦？
Redisson 中有一個 Watchdog 的概念，翻譯過來就是看門狗，它會在你獲取鎖之后，每隔 10s 幫你把 Key 的超時時間設為 30s。
這樣的話，就算一直持有鎖也不會出現(xiàn) Key 過期了，其他線程獲取到鎖的問題了。
Redisson 的“看門狗”邏輯保證了沒有死鎖發(fā)生。(如果機器宕機了，看門狗也就沒了。此時就不會延長 Key 的過期時間，到了 30s 之后就會自動過期了，其他線程可以獲取到鎖)
這里稍微貼出來其實現(xiàn)代碼：
//?加鎖邏輯
private??RFuture?tryAcquireAsync(long?leaseTime,?TimeUnit?unit,?final?long?threadId)? {
????if?(leaseTime?!=?-1)?{
????????return?tryLockInnerAsync(leaseTime,?unit,?threadId,?RedisCommands.EVAL_LONG);
????}
????//?調(diào)用一段lua腳本，設置一些key、過期時間
????RFuture?ttlRemainingFuture?=?tryLockInnerAsync(commandExecutor.getConnectionManager().getCfg().getLockWatchdogTimeout(),?TimeUnit.MILLISECONDS,?threadId,?RedisCommands.EVAL_LONG);
????ttlRemainingFuture.addListener(new?FutureListener()?{
????????@Override
????????public?void?operationComplete(Future?future) ?throws?Exception?{
????????????if?(!future.isSuccess())?{
????????????????return;
????????????}
????????????Long?ttlRemaining?=?future.getNow();
????????????//?lock?acquired
????????????if?(ttlRemaining?==?null)?{
????????????????//?看門狗邏輯
????????????????scheduleExpirationRenewal(threadId);
????????????}
????????}
????});
????return?ttlRemainingFuture;
}
?RFuture?tryLockInnerAsync(long?leaseTime,?TimeUnit?unit,?long?threadId,?RedisStrictCommand?command) ? {
????internalLockLeaseTime?=?unit.toMillis(leaseTime);
????return?commandExecutor.evalWriteAsync(getName(),?LongCodec.INSTANCE,?command,
??????????????"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]);",
????????????????Collections. 另外，Redisson 還提供了對 Redlock 算法的支持，它的用法也很簡單：
RedissonClient?redisson?=?Redisson.create(config);
RLock?lock1?=?redisson.getFairLock("lock1");
RLock?lock2?=?redisson.getFairLock("lock2");
RLock?lock3?=?redisson.getFairLock("lock3");
RedissonRedLock?multiLock?=?new?RedissonRedLock(lock1,?lock2,?lock3);
multiLock.lock();
multiLock.unlock();
小結：本節(jié)分析了使用 Redis 作為分布式鎖的具體落地方案以及其一些局限性，然后介紹了一個 Redis 的客戶端框架 Redisson，這也是我推薦大家使用的，比自己寫代碼實現(xiàn)會少 Care 很多細節(jié)。
基于 Zookeeper?實現(xiàn)分布式鎖
常見的分布式鎖實現(xiàn)方案里面，除了使用 Redis 來實現(xiàn)之外，使用 Zookeeper 也可以實現(xiàn)分布式鎖。
在介紹 Zookeeper(下文用 ZK 代替)實現(xiàn)分布式鎖的機制之前，先粗略介紹一下 ZK 是什么東西：ZK?是一種提供配置管理、分布式協(xié)同以及命名的中心化服務。
ZK 的模型是這樣的：ZK 包含一系列的節(jié)點，叫做 Znode，就好像文件系統(tǒng)一樣，每個 Znode 表示一個目錄。
然后 Znode 有一些特性：
有序節(jié)點：假如當前有一個父節(jié)點為?/lock，我們可以在這個父節(jié)點下面創(chuàng)建子節(jié)點，ZK?提供了一個可選的有序特性。
例如我們可以創(chuàng)建子節(jié)點“/lock/node-”并且指明有序，那么 ZK 在生成子節(jié)點時會根據(jù)當前的子節(jié)點數(shù)量自動添加整數(shù)序號。
也就是說，如果是第一個創(chuàng)建的子節(jié)點，那么生成的子節(jié)點為?/lock/node-0000000000，下一個節(jié)點則為 /lock/node-0000000001，依次類推。
臨時節(jié)點：客戶端可以建立一個臨時節(jié)點，在會話結束或者會話超時后，ZK 會自動刪除該節(jié)點。
事件監(jiān)聽：在讀取數(shù)據(jù)時，我們可以同時對節(jié)點設置事件監(jiān)聽，當節(jié)點數(shù)據(jù)或結構變化時，ZK 會通知客戶端。
當前 ZK 有如下四種事件：
節(jié)點創(chuàng)建
節(jié)點刪除
節(jié)點數(shù)據(jù)修改
子節(jié)點變更
基于以上的一些 ZK 的特性，我們很容易得出使用 ZK 實現(xiàn)分布式鎖的落地方案：
使用 ZK 的臨時節(jié)點和有序節(jié)點，每個線程獲取鎖就是在 ZK 創(chuàng)建一個臨時有序的節(jié)點，比如在?/lock/ 目錄下。
創(chuàng)建節(jié)點成功后，獲取?/lock 目錄下的所有臨時節(jié)點，再判斷當前線程創(chuàng)建的節(jié)點是否是所有的節(jié)點的序號最小的節(jié)點。
如果當前線程創(chuàng)建的節(jié)點是所有節(jié)點序號最小的節(jié)點，則認為獲取鎖成功。
如果當前線程創(chuàng)建的節(jié)點不是所有節(jié)點序號最小的節(jié)點，則對節(jié)點序號的前一個節(jié)點添加一個事件監(jiān)聽。
比如當前線程獲取到的節(jié)點序號為?/lock/003，然后所有的節(jié)點列表為[/lock/001，/lock/002，/lock/003]，則對 /lock/002 這個節(jié)點添加一個事件監(jiān)聽器。
如果鎖釋放了，會喚醒下一個序號的節(jié)點，然后重新執(zhí)行第 3 步，判斷是否自己的節(jié)點序號是最小。
比如 /lock/001 釋放了，/lock/002 監(jiān)聽到時間，此時節(jié)點集合為[/lock/002，/lock/003]，則 /lock/002 為最小序號節(jié)點，獲取到鎖。
整個過程如下：
具體的實現(xiàn)思路就是這樣，至于代碼怎么寫，這里比較復雜就不貼出來了。
Curator?介紹
Curator 是一個 ZK 的開源客戶端，也提供了分布式鎖的實現(xiàn)。它的使用方式也比較簡單：
InterProcessMutex?interProcessMutex?=?new?InterProcessMutex(client,"/anyLock");
interProcessMutex.acquire();
interProcessMutex.release();
其實現(xiàn)分布式鎖的核心源碼如下：
private?boolean?internalLockLoop(long?startMillis,?Long?millisToWait,?String?ourPath)?throws?Exception
{
????boolean??haveTheLock?=?false;
????boolean??doDelete?=?false;
????try?{
????????if?(?revocable.get()?!=?null?)?{
????????????client.getData().usingWatcher(revocableWatcher).forPath(ourPath);
????????}
????????while?(?(client.getState()?==?CuratorFrameworkState.STARTED)?&&?!haveTheLock?)?{
????????????//?獲取當前所有節(jié)點排序后的集合
????????????List????????children?=?getSortedChildren();
????????????//?獲取當前節(jié)點的名稱
????????????String??????????????sequenceNodeName?=?ourPath.substring(basePath.length()?+?1);?//?+1?to?include?the?slash
????????????//?判斷當前節(jié)點是否是最小的節(jié)點
????????????PredicateResults????predicateResults?=?driver.getsTheLock(client,?children,?sequenceNodeName,?maxLeases);
????????????if?(?predicateResults.getsTheLock()?)?{
????????????????//?獲取到鎖
????????????????haveTheLock?=?true;
????????????}?else?{
????????????????//?沒獲取到鎖，對當前節(jié)點的上一個節(jié)點注冊一個監(jiān)聽器
????????????????String??previousSequencePath?=?basePath?+?"/"?+?predicateResults.getPathToWatch();
????????????????synchronized(this){
????????????????????Stat?stat?=?client.checkExists().usingWatcher(watcher).forPath(previousSequencePath);
????????????????????if?(?stat?!=?null?){
????????????????????????if?(?millisToWait?!=?null?){
????????????????????????????millisToWait?-=?(System.currentTimeMillis()?-?startMillis);
????????????????????????????startMillis?=?System.currentTimeMillis();
????????????????????????????if?(?millisToWait?<=?0?){
????????????????????????????????doDelete?=?true;????//?timed?out?-?delete?our?node
????????????????????????????????break;
????????????????????????????}
????????????????????????????wait(millisToWait);
????????????????????????}else{
????????????????????????????wait();
????????????????????????}
????????????????????}
????????????????}
????????????????//?else?it?may?have?been?deleted?(i.e.?lock?released).?Try?to?acquire?again
????????????}
????????}
????}
????catch?(?Exception?e?)?{
????????doDelete?=?true;
????????throw?e;
????}?finally{
????????if?(?doDelete?){
????????????deleteOurPath(ourPath);
????????}
????}
????return?haveTheLock;
}
其實 Curator 實現(xiàn)分布式鎖的底層原理和上面分析的是差不多的。這里我們用一張圖詳細描述其原理：
小結：本節(jié)介紹了 ZK 實現(xiàn)分布式鎖的方案以及 ZK 的開源客戶端的基本使用，簡要的介紹了其實現(xiàn)原理。
兩種方案的優(yōu)缺點比較
學完了兩種分布式鎖的實現(xiàn)方案之后，本節(jié)需要討論的是 Redis 和 ZK 的實現(xiàn)方案中各自的優(yōu)缺點。
對于 Redis 的分布式鎖而言，它有以下缺點：
它獲取鎖的方式簡單粗暴，獲取不到鎖直接不斷嘗試獲取鎖，比較消耗性能。
另外來說的話，Redis 的設計定位決定了它的數(shù)據(jù)并不是強一致性的，在某些極端情況下，可能會出現(xiàn)問題。鎖的模型不夠健壯。
即便使用 Redlock 算法來實現(xiàn)，在某些復雜場景下，也無法保證其實現(xiàn) 100%?沒有問題，關于 Redlock 的討論可以看 How to do distributed locking。
Redis 分布式鎖，其實需要自己不斷去嘗試獲取鎖，比較消耗性能。
但是另一方面使用 Redis 實現(xiàn)分布式鎖在很多企業(yè)中非常常見，而且大部分情況下都不會遇到所謂的“極端復雜場景”。
所以使用 Redis 作為分布式鎖也不失為一種好的方案，最重要的一點是 Redis 的性能很高，可以支撐高并發(fā)的獲取、釋放鎖操作。
對于 ZK?分布式鎖而言:
ZK 天生設計定位就是分布式協(xié)調(diào)，強一致性。鎖的模型健壯、簡單易用、適合做分布式鎖。
如果獲取不到鎖，只需要添加一個監(jiān)聽器就可以了，不用一直輪詢，性能消耗較小。
但是 ZK 也有其缺點：如果有較多的客戶端頻繁的申請加鎖、釋放鎖，對于 ZK 集群的壓力會比較大。
小結：綜上所述，Redis 和 ZK 都有其優(yōu)缺點。我們在做技術選型的時候可以根據(jù)這些問題作為參考因素。
一些建議
通過前面的分析，實現(xiàn)分布式鎖的兩種常見方案：Redis 和 ZK，他們各有千秋。應該如何選型呢？
就個人而言的話，我比較推崇 ZK 實現(xiàn)的鎖：因為 Redis 是有可能存在隱患的，可能會導致數(shù)據(jù)不對的情況。但是，怎么選用要看具體在公司的場景了。
如果公司里面有 ZK 集群條件，優(yōu)先選用 ZK 實現(xiàn)，但是如果說公司里面只有 Redis 集群，沒有條件搭建 ZK 集群。
那么其實用 Redis 來實現(xiàn)也可以，另外還可能是系統(tǒng)設計者考慮到了系統(tǒng)已經(jīng)有 Redis，但是又不希望再次引入一些外部依賴的情況下，可以選用 Redis。這個是要系統(tǒng)設計者基于架構來考慮了。
作者：jianfeng
編輯：陶家龍、孫淑娟