面试必备：聊聊分布式锁的多种实现！

桃扇骨 2023-09-28 10:12 174阅读 0赞

### 前言 ###

大家好，我是**捡田螺的小男孩**。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，为了防⽌库存超卖，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 ... for update`来实现分布式锁。我们自己的项目，**分布式定时任务**，就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：

CREATE TABLE `t_resource_lock` (
      `key_resource` varchar(45) COLLATE utf8_bin NOT NULL DEFAULT '资源主键',
      `status` char(1) COLLATE utf8_bin NOT NULL DEFAULT '' COMMENT 'S,F,P',
      `lock_flag` int(10) unsigned NOT NULL DEFAULT '0' COMMENT '1是已经锁 0是未锁',
      `begin_time` datetime DEFAULT NULL COMMENT '开始时间',
      `end_time` datetime DEFAULT NULL COMMENT '结束时间',
      `client_ip` varchar(45) COLLATE utf8_bin NOT NULL DEFAULT '抢到锁的IP',
      `time` int(10) unsigned NOT NULL DEFAULT '60' COMMENT '方法生命周期内只允许一个结点获取一次锁，单位：分钟',
      PRIMARY KEY (`key_resource`) USING BTREE
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_bin

加锁`lock`方法的伪代码如下：

@Transcational //一定要加事务
    public boolean lock(String keyResource，int time){
       resourceLock = 'select * from t_resource_lock where key_resource ='#{keySource}' for update';
       
       try{
        if(resourceLock==null){
          //插入锁的数据
          resourceLock = new ResourceLock();
          resourceLock.setTime(time);
          resourceLock.setLockFlag(1);  //上锁
          resourceLock.setStatus(P); //处理中
          resourceLock.setBeginTime(new Date());
          int count = "insert into resourceLock"; 
          if(count==1){
             //获取锁成功
             return true;
          }
          return false;
       }
       }catch(Exception x){
          return false;
       }
       
       //没上锁并且锁已经超时，即可以获取锁成功
       if(resourceLock.getLockFlag=='0'&&'S'.equals(resourceLock.getstatus)
        && new Date()>=resourceLock.addDateTime(resourceLock.getBeginTime(,time)){
          resourceLock.setLockFlag(1);  //上锁
          resourceLock.setStatus(P); //处理中
          resourceLock.setBeginTime(new Date());
          //update resourceLock;
          return true;
       }else if(new Date()>=resourceLock.addDateTime(resourceLock.getBeginTime(,time)){
         //超时未正常执行结束,获取锁失败
         return false;
       }else{
         return false;
       } 
    }

解锁`unlock`方法的伪代码如下：

public void unlock(String v，status){
          resourceLock.setLockFlag(0);  //解锁
          resourceLock.setStatus(status); S:表示成功，F表示失败
          //update resourceLock;
          return ;
    }

整体流程：

try{
    if(lock(keyResource,time)){ //加锁
       status = process();//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 ... for update`锁住主键`key_resource`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：

1.  查询版本号和余额

select version,balance from account where user_id ='666';

假设查到版本号是oldVersion=1.

1.  逻辑处理，判断余额

if(balance<扣减金额){
       return；
    }
    
    left_balance = balance - 扣减金额;

1.  进行扣减余额

update account set balance = #{left_balance} ,version = version+1 where version 
    = #{oldVersion} and balance>= #{left_balance} and user_id ='666';

大家可以看下这个流程图哈：

![cb350d62a761aac10734e8fd8525bb84.png][]

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：

*  setnx + expire
 *  setnx + value值是过期时间
 *  set的扩展命令（set ex px nx）
 *  set ex px nx + 校验唯一随机值,再删除
 *  Redisson
 *  Redisson + RedLock

#### 3.1 setnx + expire ####

聊到Redis分布式锁，很多小伙伴反手就是`setnx + expire`，如下：

if（jedis.setnx(key,lock_value) == 1）{ //setnx加锁
        expire（key，100）; //设置过期时间
        try {
            do something  //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**！

#### 3.2 setnx + value值是过期时间 ####

long expires = System.currentTimeMillis() + expireTime; //系统时间+设置的过期时间
    String expiresStr = String.valueOf(expires);
    
    // 如果当前锁不存在，返回加锁成功
    if (jedis.setnx(key, expiresStr) == 1) {
            return true;
    } 
    // 如果锁已经存在，获取锁的过期时间
    String currentValueStr = jedis.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 != null && Long.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）
        String oldValueStr = jedis.getSet(key, expiresStr);
        
        if (oldValueStr != null && oldValueStr.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
             return true;
        }
    }
            
    //其他情况，均返回加锁失败
    return false;
    }

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。**

#### 3.3 set的扩展命令(set ex px nx) ####

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：

SET key value [EX seconds] [PX milliseconds] [NX|XX]

*  EX second ：设置键的过期时间为`second`秒。
 *  PX millisecond ：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, lock_value, "NX", "EX", 100s) == 1）{ //加锁
        try {
            do something  //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。

#### 3.4 set ex px nx + 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`set ex px nx`的基础上，加上个校验的唯一随机值，如下：

if（jedis.set(key, uni_request_id, "NX", "EX", 100s) == 1）{ //加锁
        try {
            do something  //业务处理
        }catch(){
      }
      finally {
           //判断是不是当前线程加的锁,是才释放
           if (uni_request_id.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：

if redis.call('get',KEYS[1]) == ARGV[1] then 
       return redis.call('del',KEYS[1]) 
    else
       return 0
    end;

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**。

#### 3.5 Redisson ####

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：

![ee2df3d248184bb29a549bd7d26ca190.gif][]

只要线程一加锁成功，就会启动一个`watch dog`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`watch dog`解决了**锁过期释放，业务没执行完问题**。

#### 3.6 Redisson + RedLock ####

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：

![dde42e6901c3722af7f04925d4abd0e1.png][]

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Redis master，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Redis master节点，在5台服务器上面运行这些Redis实例。

![24f9874271ec07d5bf90139c9c69b1ca.png][]

RedLock的实现步骤:

1.  获取当前时间，以毫秒为单位。
2.  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5-50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。
3.  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（N/2+1，这里是5/2+1=3个节点）的Redis master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，10s> 30ms+40ms+50ms+4m0s+50ms）
4.  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。
5.  如果获取锁失败（没有在至少N/2+1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。

#### 4.1 zk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

![4f05e6e2fc190eb16a71ecf2f858b2b3.png][]

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。

![3f313af18126d2dbd57cfbceea438aa4.png][]

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`

![f243119294df0e071896441d47284cfc.png][]

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。

![b0a3f6bfa7a491a46993ec81810edb90.png][]

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

![248cb5dc8eb297764986edff32453547.png][]

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。

![b18ce9a21b9faec0ce38b5ed004c4914.png][]

#### 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

![cc44696f084aa4ab644022be200820ab.png][]

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

![23c666f323e264f0fd53fe77cf613b7e.png][]

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。

![5bb46f0867f593f5f9c4a144e5e0eef1.png][]

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；

#### 5.2 Redis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

#### 5.3 Zookeeper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Curator

#### 5.4 对比汇总 ####

*  从性能角度（从高到低）Redis > Zookeeper >= 数据库；
 *  从理解的难易程度角度（从低到高）数据库 > Redis > Zookeeper；
 *  从实现的复杂性角度（从低到高）Zookeeper > Redis > 数据库；
 *  从可靠性角度（从高到低）Zookeeper > Redis > 数据库。

[cb350d62a761aac10734e8fd8525bb84.png]: https://img-blog.csdnimg.cn/img_convert/cb350d62a761aac10734e8fd8525bb84.png
[ee2df3d248184bb29a549bd7d26ca190.gif]: https://img-blog.csdnimg.cn/ee2df3d248184bb29a549bd7d26ca190.gif
[dde42e6901c3722af7f04925d4abd0e1.png]: https://img-blog.csdnimg.cn/img_convert/dde42e6901c3722af7f04925d4abd0e1.png
[24f9874271ec07d5bf90139c9c69b1ca.png]: https://img-blog.csdnimg.cn/img_convert/24f9874271ec07d5bf90139c9c69b1ca.png
[4f05e6e2fc190eb16a71ecf2f858b2b3.png]: https://img-blog.csdnimg.cn/img_convert/4f05e6e2fc190eb16a71ecf2f858b2b3.png
[3f313af18126d2dbd57cfbceea438aa4.png]: https://img-blog.csdnimg.cn/img_convert/3f313af18126d2dbd57cfbceea438aa4.png
[f243119294df0e071896441d47284cfc.png]: https://img-blog.csdnimg.cn/img_convert/f243119294df0e071896441d47284cfc.png
[b0a3f6bfa7a491a46993ec81810edb90.png]: https://img-blog.csdnimg.cn/img_convert/b0a3f6bfa7a491a46993ec81810edb90.png
[248cb5dc8eb297764986edff32453547.png]: https://img-blog.csdnimg.cn/img_convert/248cb5dc8eb297764986edff32453547.png
[b18ce9a21b9faec0ce38b5ed004c4914.png]: https://img-blog.csdnimg.cn/img_convert/b18ce9a21b9faec0ce38b5ed004c4914.png
[cc44696f084aa4ab644022be200820ab.png]: https://img-blog.csdnimg.cn/img_convert/cc44696f084aa4ab644022be200820ab.png
[23c666f323e264f0fd53fe77cf613b7e.png]: https://img-blog.csdnimg.cn/img_convert/23c666f323e264f0fd53fe77cf613b7e.png
[5bb46f0867f593f5f9c4a144e5e0eef1.png]: https://img-blog.csdnimg.cn/img_convert/5bb46f0867f593f5f9c4a144e5e0eef1.png