分布式鎖用Redis還是Zookeeper？
為什么用分布式鎖？
在討論這個問題之前，我們先來看一個業務場景：
系統A是一個電商系統，目前是一臺機器部署，系統中有一個用戶下訂單的接口，但是用戶下訂單之前一定要去檢查一下庫存，確保庫存足夠了才會給用戶下單。
由于系統有一定的并發，所以會預先將商品的庫存保存在redis中，用戶下單的時候會更新redis的庫存。
此時系統架構如下：
但是這樣一來會產生一個問題：假如某個時刻，redis里面的某個商品庫存為1，此時兩個請求同時到來，其中一個請求執行到上圖的第3步，更新數據庫的庫存為0，但是第4步還沒有執行。
而另外一個請求執行到了第2步，發現庫存還是1，就繼續執行第3步。
這樣的結果，是導致賣出了2個商品，然而其實庫存只有1個。
很明顯不對啊！這就是典型的庫存超賣問題
此時，我們很容易想到解決方案：用鎖把2、3、4步鎖住，讓他們執行完之后，另一個線程才能進來執行第2步。
按照上面的圖，在執行第2步時，使用Java提供的synchronized或者ReentrantLock來鎖住，然后在第4步執行完之后才釋放鎖。
這樣一來，2、3、4 這3個步驟就被“鎖”住了，多個線程之間只能串行化執行。
但是好景不長，整個系統的并發飆升，一臺機器扛不住了。現在要增加一臺機器，如下圖：
增加機器之后，系統變成上圖所示，我的天！
假設此時兩個用戶的請求同時到來，但是落在了不同的機器上，那么這兩個請求是可以同時執行了，還是會出現庫存超賣的問題。
為什么呢？因為上圖中的兩個A系統，運行在兩個不同的JVM里面，他們加的鎖只對屬于自己JVM里面的線程有效，對于其他JVM的線程是無效的。
因此，這里的問題是：Java提供的原生鎖機制在多機部署場景下失效了
這是因為兩臺機器加的鎖不是同一個鎖(兩個鎖在不同的JVM里面)。
那么，我們只要保證兩臺機器加的鎖是同一個鎖，問題不就解決了嗎？
此時，就該分布式鎖隆重登場了，分布式鎖的思路是：
在整個系統提供一個全局、唯一的獲取鎖的“東西”，然后每個系統在需要加鎖時，都去問這個“東西”拿到一把鎖，這樣不同的系統拿到的就可以認為是同一把鎖。
至于這個“東西”，可以是Redis、Zookeeper，也可以是數據庫。
文字描述不太直觀，我們來看下圖：
通過上面的分析，我們知道了庫存超賣場景在分布式部署系統的情況下使用Java原生的鎖機制無法保證線程安全，所以我們需要用到分布式鎖的方案。
那么，如何實現分布式鎖呢？接著往下看！
基于Redis實現分布式鎖
上面分析為啥要使用分布式鎖了，這里我們來具體看看分布式鎖落地的時候應該怎么樣處理。擴展：Redisson是如何實現分布式鎖的？
最常見的一種方案就是使用Redis做分布式鎖
使用Redis做分布式鎖的思路大概是這樣的：在redis中設置一個值表示加了鎖，然后釋放鎖的時候就把這個key刪除。
具體代碼是這樣的：
- // 獲取鎖
- // NX是指如果key不存在就成功，key存在返回false，PX可以指定過期時間
- SET anyLock unique_value NX PX 30000
- // 釋放鎖：通過執行一段lua腳本
- // 釋放鎖涉及到兩條指令，這兩條指令不是原子性的
- // 需要用到redis的lua腳本支持特性，redis執行lua腳本是原子性的
- if redis.call("get",KEYS[1]) == ARGV[1] then
- return redis.call("del",KEYS[1])
- else
- return 0
- end
這種方式有幾大要點：
- 一定要用SET key value NX PX milliseconds 命令
如果不用，先設置了值，再設置過期時間，這個不是原子性操作，有可能在設置過期時間之前宕機，會造成死鎖(key永久存在)
- value要具有唯一性
這個是為了在解鎖的時候，需要驗證value是和加鎖的一致才刪除key。
這是避免了一種情況：假設A獲取了鎖，過期時間30s，此時35s之后，鎖已經自動釋放了，A去釋放鎖，但是此時可能B獲取了鎖。A客戶端就不能刪除B的鎖了。
除了要考慮客戶端要怎么實現分布式鎖之外，還需要考慮redis的部署問題。
redis有3種部署方式：
- 單機模式
- master-slave + sentinel選舉模式
- redis cluster模式
使用redis做分布式鎖的缺點在于：如果采用單機部署模式，會存在單點問題，只要redis故障了。加鎖就不行了。
采用master-slave模式，加鎖的時候只對一個節點加鎖，即便通過sentinel做了高可用，但是如果master節點故障了，發生主從切換，此時就會有可能出現鎖丟失的問題。
基于以上的考慮，其實redis的作者也考慮到這個問題，他提出了一個RedLock的算法，這個算法的意思大概是這樣的：
假設redis的部署模式是redis cluster，總共有5個master節點，通過以下步驟獲取一把鎖：
- 獲取當前時間戳，單位是毫秒
- 輪流嘗試在每個master節點上創建鎖，過期時間設置較短，一般就幾十毫秒
- 嘗試在大多數節點上建立一個鎖，比如5個節點就要求是3個節點（n / 2 +1）
- 客戶端計算建立好鎖的時間，如果建立鎖的時間小于超時時間，就算建立成功了
- 要是鎖建立失敗了，那么就依次刪除這個鎖
- 只要別人建立了一把分布式鎖，你就得不斷輪詢去嘗試獲取鎖
但是這樣的這種算法還是頗具爭議的，可能還會存在不少的問題，無法保證加鎖的過程一定正確。
另一種方式：Redisson
此外，實現Redis的分布式鎖，除了自己基于redis client原生api來實現之外，還可以使用開源框架：Redission
Redisson是一個企業級的開源Redis Client，也提供了分布式鎖的支持。我也非常推薦大家使用，為什么呢？
回想一下上面說的，如果自己寫代碼來通過redis設置一個值，是通過下面這個命令設置的。
- SET anyLock unique_value NX PX 30000
這里設置的超時時間是30s，假如我超過30s都還沒有完成業務邏輯的情況下，key會過期，其他線程有可能會獲取到鎖。
這樣一來的話，第一個線程還沒執行完業務邏輯，第二個線程進來了也會出現線程安全問題。所以我們還需要額外的去維護這個過期時間，太麻煩了~
我們來看看redisson是怎么實現的？先感受一下使用redission的爽：
- Config config = new Config();
- config.useClusterServers()
- .addNodeAddress("redis://192.168.31.101:7001")
- .addNodeAddress("redis://192.168.31.101:7002")
- .addNodeAddress("redis://192.168.31.101:7003")
- .addNodeAddress("redis://192.168.31.102:7001")
- .addNodeAddress("redis://192.168.31.102:7002")
- .addNodeAddress("redis://192.168.31.102:7003");
- RedissonClient redisson = Redisson.create(config);
- RLock lock = redisson.getLock("anyLock");
- lock.lock();
- lock.unlock();
就是這么簡單，我們只需要通過它的api中的lock和unlock即可完成分布式鎖，他幫我們考慮了很多細節：
- redisson所有指令都通過lua腳本執行，redis支持lua腳本原子性執行
- redisson設置一個key的默認過期時間為30s,如果某個客戶端持有一個鎖超過了30s怎么辦？
redisson中有一個watchdog的概念，翻譯過來就是看門狗，它會在你獲取鎖之后，每隔10秒幫你把key的超時時間設為30s
這樣的話，就算一直持有鎖也不會出現key過期了，其他線程獲取到鎖的問題了。
- redisson的“看門狗”邏輯保證了沒有死鎖發生。
(如果機器宕機了，看門狗也就沒了。此時就不會延長key的過期時間，到了30s之后就會自動過期了，其他線程可以獲取到鎖)
這里稍微貼出來其實現代碼：
- // 加鎖邏輯
- private <T> RFuture<Long> tryAcquireAsync(long leaseTime, TimeUnit unit, final long threadId) {
- if (leaseTime != -1) {
- return tryLockInnerAsync(leaseTime, unit, threadId, RedisCommands.EVAL_LONG);
- }
- // 調用一段lua腳本，設置一些key、過期時間
- RFuture<Long> ttlRemainingFuture = tryLockInnerAsync(commandExecutor.getConnectionManager().getCfg().getLockWatchdogTimeout(), TimeUnit.MILLISECONDS, threadId, RedisCommands.EVAL_LONG);
- ttlRemainingFuture.addListener(new FutureListener<Long>() {
- @Override
- public void operationComplete(Future<Long> future) throws Exception {
- if (!future.isSuccess()) {
- return;
- }
- Long ttlRemaining = future.getNow();
- // lock acquired
- if (ttlRemaining == null) {
- // 看門狗邏輯
- scheduleExpirationRenewal(threadId);
- }
- }
- });
- return ttlRemainingFuture;
- }
- <T> RFuture<T> tryLockInnerAsync(long leaseTime, TimeUnit unit, long threadId, RedisStrictCommand<T> command) {
- internalLockLeaseTime = unit.toMillis(leaseTime);
- return commandExecutor.evalWriteAsync(getName(), LongCodec.INSTANCE, command,
- "if (redis.call('exists', KEYS[1]) == 0) then " +
- "redis.call('hset', KEYS[1], ARGV[2], 1); " +
- "redis.call('pexpire', KEYS[1], ARGV[1]); " +
- "return nil; " +
- "end; " +
- "if (redis.call('hexists', KEYS[1], ARGV[2]) == 1) then " +
- "redis.call('hincrby', KEYS[1], ARGV[2], 1); " +
- "redis.call('pexpire', KEYS[1], ARGV[1]); " +
- "return nil; " +
- "end; " +
- "return redis.call('pttl', KEYS[1]);",
- Collections.<Object>singletonList(getName()), internalLockLeaseTime, getLockName(threadId));
- }
- // 看門狗最終會調用了這里
- private void scheduleExpirationRenewal(final long threadId) {
- if (expirationRenewalMap.containsKey(getEntryName())) {
- return;
- }
- // 這個任務會延遲10s執行
- Timeout task = commandExecutor.getConnectionManager().newTimeout(new TimerTask() {
- @Override
- public void run(Timeout timeout) throws Exception {
- // 這個操作會將key的過期時間重新設置為30s
- RFuture<Boolean> future = renewExpirationAsync(threadId);
- future.addListener(new FutureListener<Boolean>() {
- @Override
- public void operationComplete(Future<Boolean> future) throws Exception {
- expirationRenewalMap.remove(getEntryName());
- if (!future.isSuccess()) {
- log.error("Can't update lock " + getName() + " expiration", future.cause());
- return;
- }
- if (future.getNow()) {
- // reschedule itself
- // 通過遞歸調用本方法，無限循環延長過期時間
- scheduleExpirationRenewal(threadId);
- }
- }
- });
- }
- }, internalLockLeaseTime / 3, TimeUnit.MILLISECONDS);
- if (expirationRenewalMap.putIfAbsent(getEntryName(), new ExpirationEntry(threadId, task)) != null) {
- task.cancel();
- }
- }
另外，redisson還提供了對redlock算法的支持,
它的用法也很簡單：
- RedissonClient redisson = Redisson.create(config);
- RLock lock1 = redisson.getFairLock("lock1");
- RLock lock2 = redisson.getFairLock("lock2");
- RLock lock3 = redisson.getFairLock("lock3");
- RedissonRedLock multiLock = new RedissonRedLock(lock1, lock2, lock3);
- multiLock.lock();
- multiLock.unlock();
小結：
本節分析了使用redis作為分布式鎖的具體落地方案
以及其一些局限性
然后介紹了一個redis的客戶端框架redisson，
這也是我推薦大家使用的，
比自己寫代碼實現會少care很多細節。
基于zookeeper實現分布式鎖
常見的分布式鎖實現方案里面，除了使用redis來實現之外，使用zookeeper也可以實現分布式鎖。
在介紹zookeeper(下文用zk代替)實現分布式鎖的機制之前，先粗略介紹一下zk是什么東西：
Zookeeper是一種提供配置管理、分布式協同以及命名的中心化服務。
zk的模型是這樣的：zk包含一系列的節點，叫做znode，就好像文件系統一樣每個znode表示一個目錄，然后znode有一些特性：
- 有序節點：假如當前有一個父節點為/lock，我們可以在這個父節點下面創建子節點；
zookeeper提供了一個可選的有序特性，例如我們可以創建子節點“/lock/node-”并且指明有序，那么zookeeper在生成子節點時會根據當前的子節點數量自動添加整數序號
也就是說，如果是第一個創建的子節點，那么生成的子節點為/lock/node-0000000000，下一個節點則為/lock/node-0000000001，依次類推。
- 臨時節點：客戶端可以建立一個臨時節點，在會話結束或者會話超時后，zookeeper會自動刪除該節點。
- 事件監聽：在讀取數據時，我們可以同時對節點設置事件監聽，當節點數據或結構變化時，zookeeper會通知客戶端。當前zookeeper有如下四種事件：
- 節點創建
- 節點刪除
- 節點數據修改
- 子節點變更
基于以上的一些zk的特性，我們很容易得出使用zk實現分布式鎖的落地方案：
- 使用zk的臨時節點和有序節點，每個線程獲取鎖就是在zk創建一個臨時有序的節點，比如在/lock/目錄下。
- 創建節點成功后，獲取/lock目錄下的所有臨時節點，再判斷當前線程創建的節點是否是所有的節點的序號最小的節點
- 如果當前線程創建的節點是所有節點序號最小的節點，則認為獲取鎖成功。
- 如果當前線程創建的節點不是所有節點序號最小的節點，則對節點序號的前一個節點添加一個事件監聽。
- 比如當前線程獲取到的節點序號為/lock/003,然后所有的節點列表為[/lock/001,/lock/002,/lock/003],則對/lock/002這個節點添加一個事件監聽器。
如果鎖釋放了，會喚醒下一個序號的節點，然后重新執行第3步，判斷是否自己的節點序號是最小。
比如/lock/001釋放了，/lock/002監聽到時間，此時節點集合為[/lock/002,/lock/003],則/lock/002為最小序號節點，獲取到鎖。
整個過程如下：
具體的實現思路就是這樣，至于代碼怎么寫，這里比較復雜就不貼出來了。
Curator介紹
Curator是一個zookeeper的開源客戶端，也提供了分布式鎖的實現。
他的使用方式也比較簡單：
- InterProcessMutex interProcessMutex = new InterProcessMutex(client,"/anyLock");
- interProcessMutex.acquire();
- interProcessMutex.release();
其實現分布式鎖的核心源碼如下：
- private boolean internalLockLoop(long startMillis, Long millisToWait, String ourPath) throws Exception
- {
- boolean haveTheLock = false;
- boolean doDelete = false;
- try {
- if ( revocable.get() != null ) {
- client.getData().usingWatcher(revocableWatcher).forPath(ourPath);
- }
- while ( (client.getState() == CuratorFrameworkState.STARTED) && !haveTheLock ) {
- // 獲取當前所有節點排序后的集合
- List<String> children = getSortedChildren();
- // 獲取當前節點的名稱
- String sequenceNodeName = ourPath.substring(basePath.length() + 1); // +1 to include the slash
- // 判斷當前節點是否是最小的節點
- PredicateResults predicateResults = driver.getsTheLock(client, children, sequenceNodeName, maxLeases);
- if ( predicateResults.getsTheLock() ) {
- // 獲取到鎖
- haveTheLock = true;
- } else {
- // 沒獲取到鎖，對當前節點的上一個節點注冊一個監聽器
- String previousSequencePath = basePath + "/" + predicateResults.getPathToWatch();
- synchronized(this){
- Stat stat = client.checkExists().usingWatcher(watcher).forPath(previousSequencePath);
- if ( stat != null ){
- if ( millisToWait != null ){
- millisToWait -= (System.currentTimeMillis() - startMillis);
- startMillis = System.currentTimeMillis();
- if ( millisToWait <= 0 ){
- doDelete = true; // timed out - delete our node
- break;
- }
- wait(millisToWait);
- }else{
- wait();
- }
- }
- }
- // else it may have been deleted (i.e. lock released). Try to acquire again
- }
- }
- }
- catch ( Exception e ) {
- doDelete = true;
- throw e;
- } finally{
- if ( doDelete ){
- deleteOurPath(ourPath);
- }
- }
- return haveTheLock;
- }
其實curator實現分布式鎖的底層原理和上面分析的是差不多的。這里我們用一張圖詳細描述其原理：
小結：
本節介紹了zookeeperr實現分布式鎖的方案以及zk的開源客戶端的基本使用，簡要的介紹了其實現原理。相關可以參考：肝一下ZooKeeper實現分布式鎖的方案，附帶實例！
兩種方案的優缺點比較
學完了兩種分布式鎖的實現方案之后，本節需要討論的是redis和zk的實現方案中各自的優缺點。
對于redis的分布式鎖而言，它有以下缺點：
- 它獲取鎖的方式簡單粗暴，獲取不到鎖直接不斷嘗試獲取鎖，比較消耗性能。
- 另外來說的話，redis的設計定位決定了它的數據并不是強一致性的，在某些極端情況下，可能會出現問題。鎖的模型不夠健壯
- 即便使用redlock算法來實現，在某些復雜場景下，也無法保證其實現100%沒有問題，關于redlock的討論可以看How to do distributed locking
- redis分布式鎖，其實需要自己不斷去嘗試獲取鎖，比較消耗性能。
但是另一方面使用redis實現分布式鎖在很多企業中非常常見，而且大部分情況下都不會遇到所謂的“極端復雜場景”
所以使用redis作為分布式鎖也不失為一種好的方案，最重要的一點是redis的性能很高，可以支撐高并發的獲取、釋放鎖操作。
對于zk分布式鎖而言:
- zookeeper天生設計定位就是分布式協調，強一致性。鎖的模型健壯、簡單易用、適合做分布式鎖。
- 如果獲取不到鎖，只需要添加一個監聽器就可以了，不用一直輪詢，性能消耗較小。
但是zk也有其缺點：如果有較多的客戶端頻繁的申請加鎖、釋放鎖，對于zk集群的壓力會比較大。
小結：
綜上所述，redis和zookeeper都有其優缺點。我們在做技術選型的時候可以根據這些問題作為參考因素。
建議
通過前面的分析，實現分布式鎖的兩種常見方案：redis和zookeeper，他們各有千秋。應該如何選型呢？
就個人而言的話，我比較推崇zk實現的鎖：
因為redis是有可能存在隱患的，可能會導致數據不對的情況。但是，怎么選用要看具體在公司的場景了。
如果公司里面有zk集群條件，優先選用zk實現，但是如果說公司里面只有redis集群，沒有條件搭建zk集群。
那么其實用redis來實現也可以，另外還可能是系統設計者考慮到了系統已經有redis，但是又不希望再次引入一些外部依賴的情況下，可以選用redis。
這個是要系統設計者基于架構的考慮了。
