中间件聊聊分布式锁的多种实现！面试必备

　　前言
　　今天跟大家探讨一下分布式锁的设计与实现。希望对大家有帮助，如果有不正确的地方，欢迎指出，一起学习，一起进步哈分布式锁概述数据库分布式锁Redis分布式锁Zookeeper分布式锁三种分布式锁对比1。分布式锁概述
　　我们的系统都是分布式部署的，日常开发中，秒杀下单、抢购商品等等业务场景，为了防库存超卖，都需要用到分布式锁。
　　分布式锁其实就是，控制分布式系统不同进程共同访问共享资源的一种锁的实现。如果不同的系统或同一个系统的不同主机之间共享了某个临界资源，往往需要互斥来防止彼此干扰，以保证一致性。
　　业界流行的分布式锁实现，一般有这3种方式：基于数据库实现的分布式锁基于Redis实现的分布式锁基于Zookeeper实现的分布式锁2。基于数据库的分布式锁2。1数据库悲观锁实现的分布式锁
　　可以使用select。。。forupdate来实现分布式锁。我们自己的项目，分布式定时任务，就是使用类似的实现方案，我给大家来展示个简单版的哈
　　表结构如下：CREATETABLEtresourcelock（keyresourcevarchar（45）COLLATEutf8binNOTNULLDEFAULT资源主键，statuschar（1）COLLATEutf8binNOTNULLDEFAULTCOMMENTS，F，P，lockflagint（10）unsignedNOTNULLDEFAULT0COMMENT1是已经锁0是未锁，begintimedatetimeDEFAULTNULLCOMMENT开始时间，endtimedatetimeDEFAULTNULLCOMMENT结束时间，clientipvarchar（45）COLLATEutf8binNOTNULLDEFAULT抢到锁的IP，timeint（10）unsignedNOTNULLDEFAULT60COMMENT方法生命周期内只允许一个结点获取一次锁，单位：分钟，PRIMARYKEY（keyresource）USINGBTREE）ENGINEInnoDBDEFAULTCHARSETutf8COLLATEutf8bin
　　加锁lock方法的伪代码如下：Transcational一定要加事务publicbooleanlock（StringkeyResource，inttime）｛resourceLockselectfromtresourcelockwherekeyresource｛keySource｝forupdate；try｛if（resourceLocknull）｛插入锁的数据resourceLocknewResourceLock（）；resourceLock。setTime（time）；resourceLock。setLockFlag（1）；上锁resourceLock。setStatus（P）；处理中resourceLock。setBeginTime（newDate（））；intcountinsertintoresourceLock；if（count1）｛获取锁成功returntrue；｝returnfalse；｝｝catch（Exceptionx）｛returnfalse；｝没上锁并且锁已经超时，即可以获取锁成功if（resourceLock。getLockFlag0S。equals（resourceLock。getstatus）newDate（）resourceLock。addDateTime（resourceLock。getBeginTime（，time））｛resourceLock。setLockFlag（1）；上锁resourceLock。setStatus（P）；处理中resourceLock。setBeginTime（newDate（））；updateresourceLock；returntrue；｝elseif（newDate（）resourceLock。addDateTime（resourceLock。getBeginTime（，time））｛超时未正常执行结束，获取锁失败returnfalse；｝else｛returnfalse；｝｝
　　解锁unlock方法的伪代码如下：publicvoidunlock（Stringv，status）｛resourceLock。setLockFlag（0）；解锁resourceLock。setStatus（status）；S：表示成功，F表示失败updateresourceLock；return；｝
　　整体流程：try｛if（lock（keyResource，time））｛加锁statusprocess（）；你的业务逻辑处理。｝｝finally｛unlock（keyResource，status）；释放锁｝
　　其实这个悲观锁实现的分布式锁，整体的流程还是比较清晰的。就是先select。。。forupdate锁住主键keyresource那个记录，如果为空，则可以插入一条记录，如果已有记录判断下状态和时间，是否已经超时。这里需要注意一下哈，必须要加事务哈。2。2数据库乐观锁实现的分布式锁
　　除了悲观锁，还可以用乐观锁实现分布式锁。乐观锁，顾名思义，就是很乐观，每次更新操作，都觉得不会存在并发冲突，只有更新失败后，才重试。它是基于CAS思想实现的。我以前的公司，扣减余额就是用这种方案。
　　搞个version字段，每次更新修改，都会自增加一，然后去更新余额时，把查出来的那个版本号，带上条件去更新，如果是上次那个版本号，就更新，如果不是，表示别人并发修改过了，就继续重试。
　　大概流程如下：查询版本号和余额selectversion，balancefromaccountwhereuserid666；
　　假设查到版本号是oldVersion1。逻辑处理，判断余额if（balance扣减金额）｛return；｝leftbalancebalance扣减金额；进行扣减余额updateaccountsetbalance｛leftbalance｝，versionversion1whereversion｛oldVersion｝andbalance｛leftbalance｝anduserid666；
　　大家可以看下这个流程图哈：
　　这种方式适合并发不高的场景，一般需要设置一下重试的次数3。基于Redis实现的分布式锁
　　Redis分布式锁一般有以下这几种实现方式：setnxexpiresetnxvalue值是过期时间set的扩展命令（setexpxnx）setexpxnx校验唯一随机值，再删除RedissonRedissonRedLock3。1setnxexpire
　　聊到Redis分布式锁，很多小伙伴反手就是setnxexpire，如下：if（jedis。setnx（key，lockvalue）1）｛setnx加锁expire（key，100）；设置过期时间try｛dosomething业务处理｝catch（）｛｝finally｛jedis。del（key）；释放锁｝｝
　　这段代码是可以加锁成功，但是你有没有发现问题，加锁操作和设置超时时间是分开的。假设在执行完setnx加锁后，正要执行expire设置过期时间时，进程crash掉或者要重启维护了，那这个锁就长生不老了，别的线程永远获取不到锁啦，所以分布式锁不能这么实现！3。2setnxvalue值是过期时间longexpiresSystem。currentTimeMillis（）expireTime；系统时间设置的过期时间StringexpiresStrString。valueOf（expires）；如果当前锁不存在，返回加锁成功if（jedis。setnx（key，expiresStr）1）｛returntrue；｝如果锁已经存在，获取锁的过期时间StringcurrentValueStrjedis。get（key）；如果获取到的过期时间，小于系统当前时间，表示已经过期if（currentValueStr！nullLong。parseLong（currentValueStr）System。currentTimeMillis（））｛锁已过期，获取上一个锁的过期时间，并设置现在锁的过期时间（不了解redis的getSet命令的小伙伴，可以去官网看下哈）StringoldValueStrjedis。getSet（key，expiresStr）；if（oldValueStr！nulloldValueStr。equals（currentValueStr））｛考虑多线程并发的情况，只有一个线程的设置值和当前值相同，它才可以加锁returntrue；｝｝其他情况，均返回加锁失败returnfalse；｝
　　日常开发中，有些小伙伴就是这么实现分布式锁的，但是会有这些缺点：过期时间是客户端自己生成的，分布式环境下，每个客户端的时间必须同步。没有保存持有者的唯一标识，可能被别的客户端释放解锁。锁过期的时候，并发多个客户端同时请求过来，都执行了jedis。getSet（），最终只能有一个客户端加锁成功，但是该客户端锁的过期时间，可能被别的客户端覆盖。3。3set的扩展命令（setexpxnx）
　　这个命令的几个参数分别表示什么意思呢？跟大家复习一下：SETkeyvalue〔EXseconds〕〔PXmilliseconds〕〔NXXX〕EXsecond：设置键的过期时间为second秒。PXmillisecond：设置键的过期时间为millisecond毫秒。NX：只在键不存在时，才对键进行设置操作。XX：只在键已经存在时，才对键进行设置操作。if（jedis。set（key，lockvalue，NX，EX，100s）1）｛加锁try｛dosomething业务处理｝catch（）｛｝finally｛jedis。del（key）；释放锁｝｝
　　这个方案可能存在这样的问题：锁过期释放了，业务还没执行完。锁被别的线程误删。
　　有些伙伴可能会有个疑问，就是锁为什么会被别的线程误删呢？假设并发多线程场景下，线程A获得了锁，但是它没释放锁的话，线程B是获取不到锁的，所以按道理它是执行不到加锁下面的代码滴，怎么会导致锁被别的线程误删呢？
　　假设线程A和B，都想用key加锁，最后A抢到锁加锁成功，但是由于执行业务逻辑的耗时很长，超过了设置的超时时间100s。这时候，Redis就自动释放了key锁。这时候线程B就可以加锁成功了，接下啦，它也执行业务逻辑处理。假设碰巧这时候，A执行完自己的业务逻辑，它就去释放锁，但是它就把B的锁给释放了。3。4setexpxnx校验唯一随机值，再删除
　　为了解决锁被别的线程误删问题。可以在setexpxnx的基础上，加上个校验的唯一随机值，如下：if（jedis。set（key，unirequestid，NX，EX，100s）1）｛加锁try｛dosomething业务处理｝catch（）｛｝finally｛判断是不是当前线程加的锁，是才释放if（unirequestid。equals（jedis。get（key）））｛jedis。del（key）；释放锁｝｝｝
　　在这里，判断当前线程加的锁和释放锁不是一个原子操作。如果调用jedis。del（）释放锁的时候，可能这把锁已经不属于当前客户端，会解除他人加的锁。
　　一般可以用lua脚本来包一下。lua脚本如下：ifredis。call（get，KEYS〔1〕）ARGV〔1〕thenreturnredis。call（del，KEYS〔1〕）elsereturn0end；
　　这种方式比较不错了，一般情况下，已经可以使用这种实现方式。但是还是存在：锁过期释放了，业务还没执行完的问题。3。5Redisson
　　对于可能存在锁过期释放，业务没执行完的问题。我们可以稍微把锁过期时间设置长一些，大于正常业务处理时间就好啦。如果你觉得不是很稳，还可以给获得锁的线程，开启一个定时守护线程，每隔一段时间检查锁是否还存在，存在则对锁的过期时间延长，防止锁过期提前释放。
　　当前开源框架Redisson解决了这个问题。可以看下Redisson底层原理图：
　　只要线程一加锁成功，就会启动一个watchdog看门狗，它是一个后台线程，会每隔10秒检查一下，如果线程1还持有锁，那么就会不断的延长锁key的生存时间。因此，Redisson就是使用watchdog解决了锁过期释放，业务没执行完问题。3。6RedissonRedLock
　　前面六种方案都只是基于Redis单机版的分布式锁讨论，还不是很完美。因为Redis一般都是集群部署的：
　　如果线程一在Redis的master节点上拿到了锁，但是加锁的key还没同步到slave节点。恰好这时，master节点发生故障，一个slave节点就会升级为master节点。线程二就可以顺理成章获取同个key的锁啦，但线程一也已经拿到锁了，锁的安全性就没了。
　　为了解决这个问题，Redis作者antirez提出一种高级的分布式锁算法：Redlock。它的核心思想是这样的：
　　部署多个Redismaster，以保证它们不会同时宕掉。并且这些master节点是完全相互独立的，相互之间不存在数据同步。同时，需要确保在这多个master实例上，是与在Redis单实例，使用相同方法来获取和释放锁。
　　我们假设当前有5个Redismaster节点，在5台服务器上面运行这些Redis实例。
　　RedLock的实现步骤：获取当前时间，以毫秒为单位。按顺序向5个master节点请求加锁。客户端设置网络连接和响应超时时间，并且超时时间要小于锁的失效时间。（假设锁自动失效时间为10秒，则超时时间一般在550毫秒之间，我们就假设超时时间是50ms吧）。如果超时，跳过该master节点，尽快去尝试下一个master节点。客户端使用当前时间减去开始获取锁时间（即步骤1记录的时间），得到获取锁使用的时间。当且仅当超过一半（N21，这里是5213个节点）的Redismaster节点都获得锁，并且使用的时间小于锁失效时间时，锁才算获取成功。（如上图，10s30ms40ms50ms4m0s50ms）如果取到了锁，key的真正有效时间就变啦，需要减去获取锁所使用的时间。如果获取锁失败（没有在至少N21个master实例取到锁，有或者获取锁时间已经超过了有效时间），客户端要在所有的master节点上解锁（即便有些master节点根本就没有加锁成功，也需要解锁，以防止有些漏网之鱼）。
　　简化下步骤就是：按顺序向5个master节点请求加锁根据设置的超时时间来判断，是不是要跳过该master节点。如果大于等于3个节点加锁成功，并且使用的时间小于锁的有效期，即可认定加锁成功啦。如果获取锁失败，解锁！
　　Redisson实现了redLock版本的锁，有兴趣的小伙伴，可以去了解一下哈4。Zookeeper分布式锁
　　在学习Zookeeper分布式锁之前，我们复习一下Zookeeper的节点哈。
　　Zookeeper的节点Znode有四种类型：持久节点：默认的节点类型。创建节点的客户端与zookeeper断开连接后，该节点依旧存在。持久节点顺序节点：所谓顺序节点，就是在创建节点时，Zookeeper根据创建的时间顺序给该节点名称进行编号，持久节点顺序节点就是有顺序的持久节点。临时节点：和持久节点相反，当创建节点的客户端与zookeeper断开连接后，临时节点会被删除。临时顺序节点：有顺序的临时节点。
　　Zookeeper分布式锁实现应用了临时顺序节点。这里不贴代码啦，来讲下zk分布式锁的实现原理吧。4。1zk获取锁过程
　　当第一个客户端请求过来时，Zookeeper客户端会创建一个持久节点locks。如果它（Client1）想获得锁，需要在locks节点下创建一个顺序节点lock1。如图
　　接着，客户端Client1会查找locks下面的所有临时顺序子节点，判断自己的节点lock1是不是排序最小的那一个，如果是，则成功获得锁。
　　这时候如果又来一个客户端client2前来尝试获得锁，它会在locks下再创建一个临时节点lock2
　　客户端client2一样也会查找locks下面的所有临时顺序子节点，判断自己的节点lock2是不是最小的，此时，发现lock1才是最小的，于是获取锁失败。获取锁失败，它是不会甘心的，client2向它排序靠前的节点lock1注册Watcher事件，用来监听lock1是否存在，也就是说client2抢锁失败进入等待状态。
　　此时，如果再来一个客户端Client3来尝试获取锁，它会在locks下再创建一个临时节点lock3
　　同样的，client3一样也会查找locks下面的所有临时顺序子节点，判断自己的节点lock3是不是最小的，发现自己不是最小的，就获取锁失败。它也是不会甘心的，它会向在它前面的节点lock2注册Watcher事件，以监听lock2节点是否存在。
　　4。2释放锁
　　我们再来看看释放锁的流程，Zookeeper的客户端业务完成或者发生故障，都会删除临时节点，释放锁。如果是任务完成，Client1会显式调用删除lock1的指令
　　如果是客户端故障了，根据临时节点得特性，lock1是会自动删除的
　　lock1节点被删除后，Client2可开心了，因为它一直监听着lock1。lock1节点删除，Client2立刻收到通知，也会查找locks下面的所有临时顺序子节点，发下lock2是最小，就获得锁。
　　同理，Client2获得锁之后，Client3也对它虎视眈眈，啊哈哈Zookeeper设计定位就是分布式协调，简单易用。如果获取不到锁，只需添加一个监听器即可，很适合做分布式锁。Zookeeper作为分布式锁也缺点：如果有很多的客户端频繁的申请加锁、释放锁，对于Zookeeper集群的压力会比较大。5。三种分布式锁对比
　　5。1数据库分布式锁实现
　　优点：简单，使用方便，不需要引入Redis、zookeeper等中间件。
　　缺点：不适合高并发的场景db操作性能较差；5。2Redis分布式锁实现
　　优点：性能好，适合高并发场景较轻量级有较好的框架支持，如Redisson
　　缺点：过期时间不好控制需要考虑锁被别的线程误删场景5。3Zookeeper分布式锁实现
　　缺点：性能不如redis实现的分布式锁比较重的分布式锁。
　　优点：有较好的性能和可靠性有封装较好的框架，如Curator5。4对比汇总从性能角度（从高到低）RedisZookeeper数据库；从理解的难易程度角度（从低到高）数据库RedisZookeeper；从实现的复杂性角度（从低到高）ZookeeperRedis数据库；从可靠性角度（从高到低）ZookeeperRedis数据库。
　　声明：本文来捡田螺的小男孩，版权归作者所有。文章内容仅代表作者独立观点，不代表码者人生立场，转载目的在于传递更多技术，帮助同仁们快速学习，为中国互联网技术发展添一块小砖，如果有侵权，请联系我删除。