一文来了解关于分布式锁的那些事儿

什么是分布式锁

通过互斥性质，来保证线程对分布式系统中共享资源的有序访问说人话：一把锁，挨个进

分布式锁的特性

• 互斥（线程独享）：即同一时刻只有一个线程能够获取锁

• 避免死锁：获得锁的线程崩溃后，不会影响后续线程获取锁，操作共享资源

• 隔离性：A 获取的锁，不能让 B 去解锁（解铃还须系铃人）

• 原子性：加锁和解锁必须保证为原子操作

文章相关视频

C++后台开发架构师学习视频

Redis实现分布式锁以及数据库锁

必备技能—锁；原子操作 CAS

分布式锁的实现方式

1. 基于 Redis 演变过程：

V-1.0:

• SETNX：Redis 提供了 SETNE（SET if Not eXists）命令，表示当 Key 不存在时，才能设置 Value,否则设置失败（获取锁失败）

• DEL KEY:第一步获取锁成功，对共享资源操作完后，释放锁

问题：如果业务代码出现异常，阻塞或者报错了，那么该线程就一直持有锁，不释放，其他线程也永远获取不到————我王霸天得不到的谁也别想得到！V-2.0:

• SETNX+EXPIRE：给锁上过期时间，假如持有锁线程崩溃了，达到设置的过期时间后，会自动释放锁，避免后续线程获取不到锁！

问题：仍旧会死锁！SETNX 和 EXPIRE 是两条命令，Redis 单命令是原子操作，但多条命令为非原子操作！SETNX 执行成功，EXPIRE 失败时就会发生死锁 v-3.0:

• SET(NX+EX)（2.6.12 版本之后）：获取锁，并设置锁过期时间（原子操作）

如此，可以说是彻底解决了死锁问题！

那么还问存在其他问题吗？分析分布式锁的特征：互斥、死锁、原子等特性，我们都算是解决了！但还未考虑隔离性的问题！

场景

1. 线程 A 加锁成功后，去操作共享资源

2. 但是因为发生了意外，线程 A 操作的时间超过了锁过期时间，锁被释放了

3. 线程 B 进来了，枷锁成功，去操作共享资源了

4. 此时，线程 A 操作完成了，回来释放锁，线程 B 的锁被 A 释放（动了别人的老婆！）

隔离性带来的问题：

1. 锁的过期时间设置不合理，导致线程 A 锁过期，被释放

2. 线程 A 释放了线程 B 的锁

分析：

• 线程 A 的过期时间设置不合理，那就换一个合理的时间————对应到现实工作中，就是根据程序员的工作经验，对改值进行较为合理的设置，实在不行，杀了祭天！（不是很可靠）

• 其实很简单，锁过期就像去麦当劳喝咖啡喝完了呗，还想喝怎么办？续杯！————获取锁时，先设置一个过期时间，同时，开启一个守护线程，定时去查看锁的剩余存活时间，假如锁的存活时间快过期了，但业务代码还没执行完，赶紧去给大爷续杯,即重新设置过期时间（看门狗）

• 至于第二个问题，还是那句老话————解铃还须系铃人，加一个业务唯一标识，每个线程只能根据业务唯一去释放自己的锁，同时，需要注意：判断是否为自己的锁和删除锁应为原子操作！不然仍旧会删错锁！

实现

• Redission 的看门狗（基于 Netty 时间轮算法实现）：

private long lockWatchdogTimeout = 30 * 1000;

public RedissonLock(CommandAsyncExecutor commandExecutor, String name) {    super(commandExecutor, name);    this.commandExecutor = commandExecutor;    //会获取看门狗设置的时间，默认为10s检查一次，锁过快过期，且业务代码还没执行完，就会给锁续上这个时间，默认30s    this.internalLockLeaseTime = commandExecutor.getConnectionManager().getCfg().getLockWatchdogTimeout();    this.pubSub = commandExecutor.getConnectionManager().getSubscribeService().getLockPubSub();}

private RFuture<Boolean> tryAcquireOnceAsync(long waitTime, long leaseTime, TimeUnit unit, long threadId) {
    //如果锁是永不过期，那么就按常规方式索取锁    if (leaseTime != -1) {        return tryLockInnerAsync(waitTime, leaseTime, unit, threadId, RedisCommands.EVAL_NULL_BOOLEAN);    }
    //否则，会在获取锁之后，加一个定时任务，在锁执行完业务代码自行释放之前，不断的给所续上过期时间（默认10s检查一次，每次给锁续期30s）    RFuture<Boolean> ttlRemainingFuture = tryLockInnerAsync(waitTime, internalLockLeaseTime,TimeUnit.MILLISECONDS, threadId, RedisCommands.EVAL_NULL_BOOLEAN);
    ttlRemainingFuture.onComplete((ttlRemaining, e) -> {        if (e != null) {            return;        }
        // lock acquired        if (ttlRemaining) {            scheduleExpirationRenewal(threadId);        }    });    return ttlRemainingFuture;}

实现具体细节，参见 Redission 源码

• 线程隔离的问题：

考虑到获取锁判断后，再删除锁，这两个操作必须是原子性的，那么就需要查看一下 Redis 的 API 有没有提供这两个操作的原子性操作了结果发现，没有！那么叫考虑第二种方案，在 Redis 中除了单条命令是原子性的，还有执行 Lua 脚本也是原子性操作！

//如果是自己的锁，则进行删除，否则返回if redis.call("GET",KEY[1]) == ARGV[1] then             return redis.call("DEL",KEY[1])else  return 0end

总览

现在 C++程序员面临的竞争压力越来越大。那么，作为一名 C++程序员，怎样努力才能快速成长为一名高级的程序员或者架构师，或者说一名优秀的高级工程师或架构师应该有怎样的技术知识体系，这不仅是一个刚刚踏入职场的初级程序员，也是工作三五年之后开始迷茫的老程序员，都必须要面对和想明白的问题。为了帮助大家少走弯路，技术要做到知其然还要知其所以然。以下视频获取点击：C++架构师学习资料

如果想学习 C++工程化、高性能及分布式、深入浅出。性能调优、TCP，协程，Nginx 源码分析 Nginx，ZeroMQ，MySQL，Redis，MongoDB，ZK，Linux 内核，P2P，K8S，Docker，TCP/IP，协程，DPDK 的朋友可以看一下这个学习地址：C/C++Linux服务器开发高级架构师/Linux后台架构师

​

小总结

经过了这几波优化之后，基于 Redis 的分布式锁（Redis 单实例），可算是安全放心大胆的使用了！悄悄的告诉你，其实我们这些优化过程 Redis 作者早就想到了，同时，他也提供了较为完善的解决方案，在工作中 Redission 可以实现以上所有！

作为技术宅男，要有极客精神（其实就是闲了无聊），有心的人，可能会发现，以上粉色标粗的 Redis 单实例字样,确实！以上分析的分布式锁适合单节点的 Redis 实例，如果遇到主从+哨兵的模式基本凉凉！

凉凉场景：

1. 线程 A 在遇到主从架构时，先在 Master 上加锁成功

2. 此时，还未等加锁命令 SET 同步到 Slave 上，Master 就出现问题，宕机了！

3. 通过哨兵过半原则，重新选出新的主节点，那么此时这把锁在新的主库上是找不到的！出现新问题了！

为之奈何？

遇到这种情况是不是就完了！芭比 Q 了！准备提桶跑路了！

亲妈解法！

​

如果一遇到这种问题，就要程序员提桶跑路，那么 Redis 的作者恐怕在大佬圈是混不下去了！于是，他苦心钻研，誓死捍卫 Redis 尊严！于是乎它就出世了！————RedLock

要求：

1. 主节点至少 5 个实例多主部署 2. 不再需要从节点和哨兵

原理：

1. 加锁线程带着 Expire 时间进入，在加锁前记录一个开始加锁时间 T12. 轮流用相同的 key 和 value 在不同的节点上进行加锁操作，并且必须保证大多数（N/2+1）节点加锁成功，才算成功 3. 最少(N/2+1)个节点加锁成功后，记录当前时间 T24. 如果 T2-T1 < Expire，则加锁成功，反之失败 5. 释放锁时，要向所有节点（不管是否在该节点加锁成功）发送解锁请求！6. 此时，锁的 Key 真正有效时间为：Expire - (T2-T1)7. 部署的节点数最好是奇数，以更好的满足过半原则

疑问：

1. 为什么是 N/2+1 个节点加锁？

2. 加锁成功后，计算加锁耗时的意义？

3. 为什么释放锁时，要给所有节点（包括没有加锁成功的节点）发送解锁请求?

分析：

1. N/2+1 公式为过半原则，这里的本质时为了容错，CAP 中的 P 说到，当分布式系统中，如果存在部分故障节点，但大多数节点仍旧正常时，可以认为整个系统仍旧可用

2. 假如 T2-T1 > Expire 就意味着一定会存在，最早加锁的节点过期自动解锁的情况，那么此时的加锁节点计数就不再正确！那么此次加锁就毫无意义了！（T2-T1 为加锁时间，Expire 为过期时间）

3. 假设某节点加锁成功了，但是后续因为其他原因（网络）导致无法从该节点上获取响应结果，而被判断为未成功加锁，如果只给加锁成功的节点发起解锁请求，那么此时该节点是收不到解锁请求的，就会一直持有，影响后续无法使用

理性看待

其实，Redis 作者研究出来的 RedLock，在一些极端的情况下是存在风险的，比如：

• N 节点的时钟存在较大偏差时，T2-T1 < Expire 的讨论就是毫无意义的，依然存在琐失效的问题，想要解决这个问题，就得需要人工的去维护 N 节点之间的时钟趋于一致

• RedLock 仍旧解决不了获得锁的线程客户端发生长时间 GC，导致锁过期，如果再出现第二个线程仍旧可以获取锁，此时，就会出现同一时刻两个线程对共享资源同时获得锁的矛盾情况，严重违反分布式锁特性中的互斥性

• 因为 RedLock 无法提供类似 fencing token 的设计方案，从而推导出 RedLock 无法保证分布式的正确性

1. 基于 Zookeeper

• 利用节点名称唯一性原理

1. 加锁时,所有线程均在相同的目录下创建一个文件，谁先创建成功，就代表获得锁，否则就代表失败,只能等待下次

2. 当获取得锁的线程操作完业务代码后，会将该文件删除，同时通知其余客户端再次进入竞争

3. 在一个路径下只能创建一个唯一的文件（文件名唯一），但容易引起“惊群”效应

• 利用临时顺序节点原理

1. 所有线程刚开始都会在 ZK 中创建自己的临时节点，由 ZK 去保证这些节点的顺序

2. 加锁时，线程会判断 ZK 下的第一个节点是不是自己创建的，如果是，则加锁成功，如果不是，加锁失败，同时，给自己的上一个节点加一个****节点监听器

3. 当节点监听器被通知上一个节点被删除时，当前节点会重新判断 ZK 下第一个节点是否是自己创建的，循环 2 的判断操作

4. 用完锁后，每个线程只能删除自己创建的临时节点

​

1. 二者对比

• 效率：ZK 锁远不如 Redis 锁

• 失败处理：ZK 锁只需要维护 Watch 监听器，等待锁被释放 Redis 锁则是自旋重试，高并发时耗性能

• 宕机处理：ZK 是根据客户端上报心跳（长连接），判断客户端是否存在（持有锁），无心跳上报时，会删除节点（释放锁）————（客户端长 GC 时，锁会被 ZK 释放）Redis 则是需要等到过期时间，才会释放锁