前言

公司交给了萌新小猿一个光荣而艰巨的项目，该项目需要使用分布式锁，这可难道了小猿，只是听说过分布式锁很牛掰，其他就一概不知了，唉不懂就问呗，遂向老板请教。

老板：我们每天不都在经历分布式锁吗，我来给你回忆回忆。
小猿：好勒，瓜子板凳已备好。

本文结构

• 为什么要使用分布式锁
• 分布式锁有哪些特点
• 分布式锁流行算法及其优缺点
  • 基本算法
  • relock算法
  • token算法
  • 数据库排它锁、ZooKeeper分布式锁、Google的Chubby分布式锁
• 总结

1、为什么要使用分布式锁

这个问题应该拆分成以下2个问题回答。

1.1、为什么使用锁

保证在同一时刻共享资源只能被一个客户端访问；
根据锁用途分为以下两种：

• 共享资源只允许一个客户端操作；
• 共享资源允许多个客户端操作；

1.1.1、仅允许一个客户端访问

共享资源的操作不具备幂等性。
常见于 数据的修改、删除操作；

在上面的例子中，

人物事件	系统含义
经理A-N	多个线程
码农小猿-调高空调温度	非幂等共享资源
秘书的允许	获取锁

1.1.2、允许多个客户端操作

主要应用场景是：共享资源的操作具有幂等性；
如 数据的查询。
既然都具有幂等性了，为什么还需要分布式锁呢，通常是为了效率或性能，避免重复操作（尤其是消耗资源的操作）。例如我们常见的缓存方案。

在上面的例子中，

人物事件	系统含义
经理A-N	多个线程
码农小猿-整理昨天的资料	幂等共享资源
秘书的允许	获取锁
自己存资料	缓存

由于此处的资源是幂等的，通常会将这类资源做缓存，这就是常见的锁+缓存架构。 常适用于 获取较为消耗资源（时间、内存、CPU等）的幂等资源，如：

• 查询用户信息；
• 查询历史订单；

当然，如果资源仅在一段时间范围内具有幂等性，这时候，架构就应该升级了：
锁+缓存+缓存失效/失效重新获取/缓存定时更新。

1.2、锁为什么需要分布式的？

还是以上面的缓存方案为例，此处略作变化。

人物事件	系统含义
系统A、B	彼此独立的系统
码农小猿-调高空调温度	非幂等共享资源
李秘书的允许	获取锁
王秘书的允许	获取锁
李秘书、王秘书信息绝对互通	单一锁升级为分布式锁

2、高级分布式锁有哪些特点？

2.1、互斥性

• 在任意时刻，仅允许有一个客户端获得锁；

PS：如果多个客户端都能同时获得锁，那锁就没意义了，共享资源的安全性也就无法保证了。

老板：当我在会议室接待客户A时，其他客户只有等待，你需要等到我空闲了才能把其他人带到我办公室。
小猿：明白。
接待客户（非幂等共享资源）；等到老板空闲（获取锁）。

2.2、可重入性

• 客户端A获得了锁，只要锁没有过期，客户端A可以继续获得该锁。 锁在我这里，我还要继续使用，其他人不准抢。
  这种特性可以很好的支持【锁续约】功能。

例如：客户端A获取锁，锁释放时间为10S，即将到达10S时，客户端A未完成任务，需要再申请5S。若锁没有可重入性，客户端A将无法续约，导致锁可能被其他客户端抢走。

小猿：受教了，老板3分钟后你还有一场面试。
老板：小猿啊，难得你这么好学，我很欣慰，我们的交流时间延10分钟吧，其他会议延后。

2.3、高性能

• 获取锁的效率应该足够高；
• 总不能让业务阻塞在获取锁上面吧？

小猿：好的，我已在钉钉申请将会议延长10分钟了；
老板：嗯，我已经接受会议邀请了；
小猿：老板你真高效。

2.4、高可用

分布式、微服务环境下，必须保证服务的高可用，否则轻则影响其他业务模块，重则引发服务雪崩。

老板：我手机24小时开机，有会议时联系不上我也可以联系我秘书。

2.5、支持阻塞和非阻塞式锁

• 获取锁失败，是直接返回失败，还是一直阻塞知道获取成功？ 不同的业务场景有不同的答案。 例如：

锁阻塞性	示例
非阻塞式	常见的工单系统，员工A、B同时想操作订单1（抢单）。当员工A获得锁并如愿操作订单1；员工B获取锁失败，不能一直阻塞，应该告知失败，让员工B去做其他事，否则员工B就光明正大上班划水了。
阻塞式	打电话给老板审核方案，老板在通话中（获取锁失败），此时需要每隔一段时间就给老板打电话，直到联系上老板才行。谁让老板下了死命令今天必须审核通过呢，呜呜呜。

2.6、解锁权限

• 客户端仅能释放（解锁）自己加的锁；

常见的解决方案是，给锁加随机数（或ThreadID）。

老板：小猿啊，给你讲了这么多，都明白了吗？
笼子里的鹦鹉：明白啦，明白啦。
老板：闭嘴，我问的是小猿，只有小猿自己有资格回答。

2.7、避免死锁

• 加锁方异常终止无法主动释放锁； 常规做法是 加锁时设置超时时间，如果未主动释放锁，则利用Redis的自动过期被动释放锁。

秘书破门而入：老板，你们10分钟的会议已经到点了，隔壁的李总已经等不及了；

老板：一不留神就忘记时间了，我得去见李总了。

小猿：老板，我们还没聊完呢,,,

2.8、异常处理

• 常见的异常情况有Redis宕机、时钟跳跃、网络故障等；

小猿：不管出现哪种情况，我获取锁都会失败啊，这可怎么办呢？
PS：这就复杂了，需要根据具体的业务场景分析。对于必须同步处理的业务，则必须失败告警，对于允许延迟处理的业务可以考虑记录失败信息待其他系统处理。

3、分布式锁流行算法

3.1、基本方案SETNX

基于Redis的SETNX指令完成锁的获取；

3.1.1、获取锁 SET lock:resource_name random_value NX PX 30000

lock:resource_name：资源名字，加锁对象的唯一标记；
random_value：通常存储加锁方的唯一标记，如“UUID+ThreadID”；
NX：key不存在才设置，即锁未被其他人加锁才能加锁；
PX：锁超时时间；

当然，此种加锁方式是不支持“锁重入性”的。

3.1.2、释放锁（LUA脚本）

checkValueThenDelete：检查解锁方是否是加锁方，是则允许解锁，否则不允许解锁；
伪代码是：

public class RedisTool {
    // 释放锁成功标记
    private static final Long RELEASE_LOCK_SUCCESS = 1L;

    /**
     * 释放分布式锁
     *
     * @param jedis     Redis客户端
     * @param lockKey   锁标记
     * @param lockValue 加锁方标记
     * @return 是否释放成功
     */
    public static boolean releaseDistributedLock(Jedis jedis, String lockKey, String lockValue) {
        String script = "" +
                "if redis.call('get', KEYS[1]) == ARGV[1] then" +
                "    return redis.call('del', KEYS[1]) " +
                "else" +
                "    return 0 " +
                "end";
        // Collections.singletonList()：用于只有一个元素的场景，减少内存分配
        Object result = jedis.eval(script, Collections.singletonList(lockKey), Collections.singletonList(lockValue));
        if (RELEASE_LOCK_SUCCESS.equals(result)) {
            return true;
        }
        return false;
    }
}

3.2、Redlock算法

此算法由Redis作者antirez提出，作为一种分布式场景下的锁实现方案；

3.2.1、Redlock算法原理

【核心】大多数节点获取锁成功且锁依旧有效；

• Step1、获取当前时间（毫秒数）；
• Step2、按序想N个Redis节点获取锁；
  • Step2.1、设置随机字符串random_value；
  • Step2.2、设置锁过期时间；
  • Note1：获取锁需设置超时时间（防止某个节点不可用），且timeout应远小于锁有效时间（几十毫秒级）；
  • Note2：某节点获取锁失败后，立即向下一个节点获取锁（任何类型失败，包含该节点上的锁已被其他客户端持有）；
• Step3、计算获取锁的总耗时totalTime；
• Step4、获取锁成功
  • 获取锁成功：客户端从大多数节点（>=N/2+1）成功获取锁，且totalTime不超过锁的有效时间；
  • 重新计算锁有效时间：最初锁有效时间减3.1计算的获取锁消耗的时间；
• Step5、获取锁失败
  • 获取失败后应立即向【所有】客户端发起释放锁（Lua脚本）；
• Step6、释放锁
  • 业务完成后应立即向【所有】客户端发起释放锁（Lua脚本）；

3.2.2、Redlock算法优点

• 可用性高，大多数节点正常即可；
• 单Redis节点的分布式锁在failover时锁失效问题不复存在；

3.2.3、Redlock算法问题点

• Redis节点崩溃将影响锁安全性
  A、节点崩溃前锁未持久化，节点重启后锁将丢失；
  B、Redis默认AOF持久化是每秒刷盘（fsync）一次，最坏情况将丢失1秒的数据；
• 需避免始终跳跃；
  A、管理员手动修改时钟；
  B、使用[不会跳跃调整系统时钟]的ntpd（时钟同步）程序，对时钟修改通过多次微调实现；
• 客户端阻塞导致锁过期，导致共享资源不安全；
• 如果获取锁消耗时间较长，导致效时间很短，是否应该立即释放锁？多段才算短？

3.3、带fencing token的实现

分布式系统专家Martin Kleppmann讨论提出RedLock存在安全性问题；

3.3.1、神仙之战

Martin Kleppmann认为Redis作者antirez提出的RedLock算法有安全性问题，双方在网络上多轮探讨交锋。Martin指出RedLock算法的核心问题点如下：

• 锁过期或者网络延迟将导致锁冲突： A、客户端A进程pause》锁过期》客户端B持有锁》客户端A恢复并向共享资源发起写请求；
  B、网络延迟也会产生类似效果；
• RedLock安全性对系统时钟有强依赖；

3.3.2、fencing token算法原理

• fencing token是一个单调递增的数字，当客户端成功获取锁时随同锁一起返回给客户端；
• 客户端访问共享资源时带上token；
• 共享资源服务检查token，拒绝延迟到来的请求；

3.3.3、fencing token算法问题点

• 需要改造共享资源服务；
• 如果资源服务也是分布式，如何保证token在多个资源服务节点递增；
• 2个fencing token到达资源服务的顺序颠倒，服务检查将异常；
• 【antirez】既然存在fencing机制保持资源互斥访问，为什么还需要分布式锁且要求強安全性呢；

3.4、其他分布式锁

3.4.1、数据库排它锁

• 获取锁（select for update ，悲观锁）；
• 处理业务逻辑；
• 释放锁（connection.commit()）；
• 注意：InnoDB引擎在加锁的时候，只有通过索引进行检索的时候才会使用行级锁，否则会使用表级锁。So 必须给lock_name加索引。

3.4.2、ZooKeeper分布式锁

• 客户端创建znode节点，创建成功则获取锁成功；
• 持有锁的客户端访问共享资源完成后删除znode；
• znode创建成ephemeral（znode特性），保证创建znode的客户端崩溃后，znode会被自动删除；
• 【问题】Zookeeper基于客户端与Zookeeper某台服务器维护Session，Session依赖定期心跳（heartbeat）维持。Zookeeper长时间收不到客户端心跳，就任务Session过期，这个Session所创建的所有ephemeral类型的znode节点都将被删除。

3.4.3、Google的Chubby分布式锁

• sequencer机制（类似fencing token）缓解延迟导致的问题；
• 锁持有者可随时请求一个sequencer；
• 客户端操作资源时将sequencer传给资源服务器；
• 资源服务器检查sequencer有效性；
  • ①调用Chubby的API（CheckSequencer）检查；
  • ②对比检查客户端、资源服务器当前观察到的sequencer（类似fencing token）；
  • ③lock-delay：允许客户端为持有锁指定一个lock-delay延迟时间，Chubby发现客户端失去联系时，在lock-delay时间内组织其他客户端获取锁；

4、总结

4.1、我们该使用怎样的分布式锁算法？

• 技术都是为业务服务的，避免选择“高大上”的炫技；
• 依托业务场景，尽可能选择最简单的做法；
• 最简单的分布式锁导致偶发性异常如何处理呢？
  • 建议增加额外的机制甚至人工介入保证业务准确性，通常这部分成本低于复杂的分布式锁的开发、运维成本。

4.2、分布式锁的另类玩法

• “分而治之”经久不衰：
  • 如果共享资源本身可以拆分，那就分开处理吧。
  • 比如电商系统防止超卖，假设有10000个口罩将被秒杀，常规做法是一个锁控制所有资源。另类玩法就是将10000个口罩交由20个锁控制，整体性能瞬间提升几十倍。
  • PS：此处超卖仅是举例，真实场景下的秒杀超卖有更加复杂的场景，慎重。

敬请关注后续《玩转Redis》系列文章。

---

祝君好运！
Life is all about choices！
将来的你一定会感激现在拼命的自己！
【CSDN】【GitHub】【OSCHINA】【掘金】【语雀】【微信公众号】

---