老大吩咐的可重入分布式锁,终于完美的实现了!!!
重做永远比改造简单
最近在做一个项目,将一个其他公司的实现系统(下文称作旧系统),完整的整合到自己公司的系统(下文称作新系统)中,这其中需要将对方实现的功能完整在自己系统也实现一遍。
旧系统还有一批存量商户,为了不影响存量商户的体验,新系统提供的对外接口,还必须得跟以前一致。最后系统完整切换之后,功能只运行在新系统中,这就要求旧系统的数据还需要完整的迁移到新系统中。
当然这些在做这个项目之前就有预期,想过这个过程很难,但是没想到有那么难。原本感觉排期大半年,时间还是挺宽裕,现在感觉就是大坑,还不得不在坑里一点点去填。
哎,说多都是泪,不吐槽了,等到下次做完再给大家复盘下真正心得体会。
回到正文,上篇文章Redis 分布式锁,咱们基于 Redis 实现一个分布式锁。这个分布式锁基本功能没什么问题,但是缺少可重入的特性,所以这篇文章小黑哥就带大家来实现一下可重入的分布式锁。
本篇文章将会涉及以下内容:
可重入
基于 ThreadLocal 实现方案
基于 Redis Hash 实现方案
先赞后看,养成习惯。微信搜索「程序通事」,关注就完事了~
可重入
说到可重入锁,首先我们来看看一段来自 wiki 上可重入的解释:
>若一个程序或子程序可以“在任意时刻被中断然后操作系统调度执行另外一段代码,这段代码又调用了该子程序不会出错”,则称其为可重入(reentrant或re-entrant)的。即当该子程序正在运行时,执行线程可以再次进入并执行它,仍然获得符合设计时预期的结果。与多线程并发执行的线程安全不同,可重入强调对单个线程执行时重新进入同一个子程序仍然是安全的。
当一个线程执行一段代码成功获取锁之后,继续执行时,又遇到加锁的代码,可重入性就就保证线程能继续执行,而不可重入就是需要等待锁释放之后,再次获取锁成功,才能继续往下执行。
用一段 Java 代码解释可重入:
假设 X 线程在 a 方法获取锁之后,继续执行 b 方法,如果此时不可重入,线程就必须等待锁释放,再次争抢锁。
锁明明是被 X 线程拥有,却还需要等待自己释放锁,然后再去抢锁,这看起来就很奇怪,我释放我自己~
可重入性就可以解决这个尴尬的问题,当线程拥有锁之后,往后再遇到加锁方法,直接将加锁次数加 1,然后再执行方法逻辑。退出加锁方法之后,加锁次数再减 1,当加锁次数为 0 时,锁才被真正的释放。
可以看到可重入锁最大特性就是计数,计算加锁的次数。所以当可重入锁需要在分布式环境实现时,我们也就需要统计加锁次数。
分布式可重入锁实现方式有两种:
基于 ThreadLocal 实现方案
基于 Redis Hash 实现方案
首先我们看下基于 ThreadLocal 实现方案。
基于 ThreadLocal 实现方案
实现方式
Java 中 ThreadLocal
可以使每个线程拥有自己的实例副本,我们可以利用这个特性对线程重入次数进行技术。
下面我们定义一个ThreadLocal
的全局变量 LOCKS
,内存存储 Map
实例变量。
每个线程都可以通过 ThreadLocal
获取自己的 Map
实例,Map
中 key
存储锁的名称,而 value
存储锁的重入次数。
加锁的代码如下:
ps:
redisLock#tryLock
为上一篇文章实现的分布锁。
>
由于公号外链无法直接跳转,关注『程序通事』,回复分布式锁获取源代码。
加锁方法首先判断当前线程是否已经已经拥有该锁,若已经拥有,直接对锁的重入次数加 1。
若还没拥有该锁,则尝试去 Redis 加锁,加锁成功之后,再对重入次数加 1 。
释放锁的代码如下:
释放锁的时首先判断重入次数,若大于 1,则代表该锁是被该线程拥有,所以直接将锁重入次数减 1 即可。
若当前可重入次数小于等于 1,首先移除 Map
中锁对应的 key,然后再到 Redis 释放锁。
这里需要注意的是,当锁未被该线程拥有,直接解锁,可重入次数也是小于等于 1 ,这次可能无法直接解锁成功。
ThreadLocal
使用过程要记得及时清理内部存储实例变量,防止发生内存泄漏,上下文数据串用等问题。
>
下次咱来聊聊最近使用
ThreadLocal
写的 Bug。
相关问题
使用 ThreadLocal
这种本地记录重入次数,虽然真的简单高效,但是也存在一些问题。
过期时间问题
上述加锁的代码可以看到,重入加锁时,仅仅对本地计数加 1 而已。这样可能就会导致一种情况,由于业务执行过长,Redis 已经过期释放锁。
而再次重入加锁时,由于本地还存在数据,认为锁还在被持有,这就不符合实际情况。
如果要在本地增加过期时间,还需要考虑本地与 Redis 过期时间一致性的,代码就会变得很复杂。
不同线程/进程可重入问题
狭义上可重入性应该只是对于同一线程的可重入,但是实际业务可能需要不同的应用线程之间可以重入同把锁。
而 ThreadLocal
的方案仅仅只能满足同一线程重入,无法解决不同线程/进程之间重入问题。
不同线程/进程重入问题就需要使用下述方案 Redis Hash 方案解决。
基于 Redis Hash 可重入锁
实现方式
ThreadLocal
的方案中我们使用了 Map
记载锁的可重入次数,而 Redis 也同样提供了 Hash (哈希表)这种可以存储键值对数据结构。所以我们可以使用 Redis Hash 存储的锁的重入次数,然后利用 lua
脚本判断逻辑。
加锁的 lua 脚本如下:
如果 KEYS:[lock],ARGV[1000,uuid]
不熟悉 lua 语言同学也不要怕,上述逻辑还是比较简单的。
加锁代码首先使用 Redis exists
命令判断当前 lock 这个锁是否存在。
如果锁不存在的话,直接使用 hincrby
创建一个键为 lock
hash 表,并且为 Hash 表中键为 uuid
初始化为 0,然后再次加 1,最后再设置过期时间。
如果当前锁存在,则使用 hexists
判断当前 lock
对应的 hash 表中是否存在 uuid
这个键,如果存在,再次使用 hincrby
加 1,最后再次设置过期时间。
最后如果上述两个逻辑都不符合,直接返回。
加锁代码如下:
Spring-Boot 2.2.7.RELEASE
只要搞懂 Lua 脚本加锁逻辑,Java 代码实现还是挺简单的,直接使用 SpringBoot 提供的 StringRedisTemplate
即可。
解锁的 Lua 脚本如下:
首先使用 hexists
判断 Redis Hash 表是否存给定的域。
如果 lock 对应 Hash 表不存在,或者 Hash 表不存在 uuid 这个 key,直接返回 nil
。
若存在的情况下,代表当前锁被其持有,首先使用 hincrby
使可重入次数减 1 ,然后判断计算之后可重入次数,若小于等于 0,则使用 del
删除这把锁。
解锁的 Java 代码如下:
解锁代码执行方式与加锁类似,只不过解锁的执行结果返回类型使用 Long
。这里之所以没有跟加锁一样使用 Boolean
,这是因为解锁 lua 脚本中,三个返回值含义如下:
1 代表解锁成功,锁被释放
0 代表可重入次数被减 1
null
代表其他线程尝试解锁,解锁失败
如果返回值使用 Boolean
,Spring-data-redis 进行类型转换时将会把 null
转为 false,这就会影响我们逻辑判断,所以返回类型只好使用 Long
。
以下代码来自 JedisScriptReturnConverter
:
相关问题
spring-data-redis 低版本问题
如果 Spring-Boot 使用 Jedis 作为连接客户端,并且使用Redis Cluster 集群模式,需要使用 2.1.9 以上版本的spring-boot-starter-data-redis,不然执行过程中将会抛出:
如果当前应用无法升级 spring-data-redis
也没关系,可以使用如下方式,直接使用原生 Jedis 连接执行 lua 脚本。
以加锁代码为例:
数据类型转化问题
如果使用 Jedis 原生连接执行 Lua 脚本,那么可能又会碰到数据类型的转换坑。
可以看到 Jedis#eval
返回 Object
,我们需要具体根据 Lua 脚本的返回值的,再进行相关转化。这其中就涉及到 Lua 数据类型转化为 Redis 数据类型。
下面主要我们来讲下 Lua 数据转化 Redis 的规则中几条比较容易踩坑:
1、Lua number 与 Redis 数据类型转换
Lua 中 number 类型是一个双精度的浮点数,但是 Redis 只支持整数类型,所以这个转化过程将会丢弃小数位。
2、Lua boolean 与 Redis 类型转换
这个转化比较容易踩坑,Redis 中是不存在 boolean 类型,所以当Lua 中 true
将会转为 Redis 整数 1。而 Lua 中 false
并不是转化整数,而是转化 null 返回给客户端。
3、Lua nil 与 Redis 类型转换
Lua nil 可以当做是一个空值,可以等同于 Java 中的 null。在 Lua 中如果 nil 出现在条件表达式,将会当做 false 处理。
所以 Lua nil 也将会 null 返回给客户端。
其他转化规则比较简单,详情参考:
http://doc.redisfans.com/script/eval.html
总结
可重入分布式锁关键在于对于锁重入的计数,这篇文章主要给出两种解决方案,一种基于 ThreadLocal
实现方案,这种方案实现简单,运行也比较高效。但是若要处理锁过期的问题,代码实现就比较复杂。
另外一种采用 Redis Hash 数据结构实现方案,解决了 ThreadLocal
的缺陷,但是代码实现难度稍大,需要熟悉 Lua 脚本,以及Redis 一些命令。另外使用 spring-data-redis 等操作 Redis 时不经意间就会遇到各种问题。
帮助
https://www.sofastack.tech/blog/sofa-jraft-rheakv-distributedlock/
最后说两句(求关注)
看完文章,哥哥姐姐们点个赞吧,周更真的超累,不知觉又写了两天,拒绝白嫖,来点正反馈呗~。
最后感谢各位的阅读,才疏学浅,难免存在纰漏,如果你发现错误的地方,可以留言指出。如果看完文章还有其他不懂的地方,欢迎加我,互相学习,一起成长~
最后谢谢大家支持~
最最后,重要的事再说一篇~
快来关注我呀~
快来关注我呀~
快来关注我呀~
版权声明: 本文为 InfoQ 作者【楼下小黑哥】的原创文章。
原文链接:【http://xie.infoq.cn/article/a39c72d2f5e2e47f8902de7c6】。文章转载请联系作者。
评论 (1 条评论)