探讨一下分布式锁的设计与实现

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

基于微服务的思想，构建在 B2C 电商场景下的项目实战。核心技术栈，是 Spring Boot + Dubbo 。未来，会重构成 Spring Cloud Alibaba 。

项目地址：https://github.com/YunaiV/onemall

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：

CREATETABLE`t_resource_lock`(
`key_resource`varchar(45)COLLATEutf8_binNOTNULLDEFAULT'资源主键',
`status`char(1)COLLATEutf8_binNOTNULLDEFAULT''COMMENT'S,F,P',
`lock_flag`int(10)unsignedNOTNULLDEFAULT'0'COMMENT'1是已经锁0是未锁',
`begin_time`datetimeDEFAULTNULLCOMMENT'开始时间',
`end_time`datetimeDEFAULTNULLCOMMENT'结束时间',
`client_ip`varchar(45)COLLATEutf8_binNOTNULLDEFAULT'抢到锁的IP',
`time`int(10)unsignedNOTNULLDEFAULT'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',
PRIMARYKEY(`key_resource`)USINGBTREE
)ENGINE=InnoDBDEFAULTCHARSET=utf8COLLATE=utf8_bin

加锁lock方法的伪代码如下：

@Transcational//一定要加事务
publicbooleanlock(StringkeyResource，inttime){
resourceLock='select*fromt_resource_lockwherekey_resource='#{keySource}'forupdate';

try{
if(resourceLock==null){
//插入锁的数据
resourceLock=newResourceLock();
resourceLock.setTime(time);
resourceLock.setLockFlag(1);//上锁
resourceLock.setStatus(P);//处理中
resourceLock.setBeginTime(newDate());
intcount="insertintoresourceLock";
if(count==1){
//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.getLockFlag=='0'&&'S'.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
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：

查询版本号和余额

selectversion,balancefromaccountwhereuser_id='666';

假设查到版本号是oldVersion=1.

逻辑处理，判断余额

if(balance<扣减金额){
   return；
}

left_balance = balance - 扣减金额;

进行扣减余额

updateaccountsetbalance=#{left_balance},version=version+1whereversion
=#{oldVersion}andbalance>=#{left_balance}anduser_id='666';

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：

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{
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 ！

3.2 setnx + value值是过期时间

longexpires=System.currentTimeMillis()+expireTime;//系统时间+设置的过期时间
StringexpiresStr=String.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
StringcurrentValueStr=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：

SETkeyvalue[EXseconds][PXmilliseconds][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{
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。

3.4 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{
dosomething//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：

ifredis.call('get',KEYS[1])==ARGV[1]then
returnredis.call('del',KEYS[1])
else
return0
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：

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：

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。

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。

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）

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

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；

5.2 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。

审核编辑：刘清