锁过期了业务还没跑完:SETNX 分布式锁 1000 次并发实测

0 阅读6分钟

100 件库存,1000 个并发请求,同一套扣减逻辑,只换锁的写法。

结果差了两个数量级:看门狗版卖出 100 单、超卖 0;只加 20ms 过期的版本卖出 428 单,超卖 328 单。

图 1:五种策略跑完后同屏对比,当前停在被删错锁的 TTL 版本

为什么值得看

分布式锁的难点从来不是 SETNX 这一行怎么写。

难的是锁的租期和业务耗时对不上,以及释放的时候删的是谁的锁。

库存扣减只有三步:读库存、减一、写回。

这三个动作只要不在同一个互斥区间里,同一份库存就会被卖两次。

我把五种写法放进同一个页面,参数一致、随机种子固定,只切换策略。

1000 个请求都在 400ms 内到齐,库存 100,TTL 20ms,正常业务耗时 2~6ms。

另有 12% 的慢请求要跑 30~60ms,模拟线上偶发的慢查询和 GC。

读库存和写回都在临界区里完成,和缓存扣减的真实写法一致。

时间线上一条色块代表一次锁持有,红色表示两个持有者的区间重叠。

盯住红色的分布,就能看出锁是在哪一刻失效的。

五种写法,五个结果

策略成功下单超卖互斥冲突锁过期p95 等待
无锁直接扣减100099999900ms
SETNX 裸锁2100085ms
SETNX + 20ms 过期42832885741028ms
过期 + token 校验12929127171001ms
过期 + token + 看门狗1000001007ms

第一行最刺眼:账面库存只减了 1,却卖出去 1000 单。

1000 个请求都读到同一个 100,又都把 99 写了回去,后写的覆盖先写的。

这类问题在监控上只有一个信号:对账时订单数和库存变动对不上。

等发现的时候,货已经发出去大半了。

第二行换成了真锁,互斥本身没问题。

但第一个持锁的请求崩溃后没有执行 DEL,锁又没有过期时间,后面 978 个请求一直等到超时。

互斥对了,可用性没了,账面库存停在 79 件。

一把没有租期的锁,本质上是把故障从"并发"换成了"停服"。

第三行是这次最想验证的情况:锁有了 20ms 过期时间,崩溃后能自动放开。

问题是慢请求要跑 30~60ms,锁在业务结束前就到期了。

第二个请求进来读到的还是同一份旧值,减一之后又写了回去。

两次扣减落在同一个库存数字上,428 单里有 328 单没有库存可扣。

比超卖更隐蔽的是释放那一步:DEL 之前不看 token。

锁被超时抢走后,原来的持有者结束时把新持有者的锁删了。

一次过期引发连锁,页面记录 4 次锁过期,却有 555 次删掉了别人的锁。

这类故障不会报错,只会在日志里留下一串莫名其妙的提前释放。

第四行说明 token 校验只解决了一半。

17 次释放因为 token 不匹配被拒绝,误删被堵住了,超卖仍有 29 单,临界区重叠 127 次。

校验能保证不误删,保证不了不并发。

只要锁会在业务结束前过期,超卖就还在。

第五行才是我会放进生产配置的写法:TTL 照给,看门狗每 TTL/3 续一次。

业务跑多久锁就活多久,释放时再校验 token。

100 单卖完,库存归零,互斥冲突和超卖都是 0,续期一共触发 56 次。

代价在 p95 那一列:1007ms,所有请求被排成一队。

如果业务能接受这个排队时间,这版就是可用的。

不能接受,就该拆库存分片或者缩短临界区,而不是把 TTL 一路调长。

验证与踩坑

页面留了一条失败路径:把 TTL 改成 0 再点运行。

模拟不会启动,参数栏下面直接弹出红条,提示 TTL 必须大于等于 1ms。

这条校验不是装饰:Redis 的 SET 加 EX 0 会直接报错,很多封装遇到异常会退化成不带过期的永久锁。

永久锁配上崩溃,就是第二行那个 978 个请求等到超时的结局。

图 2:TTL 填 0 时页面直接拦下,没有发起任何请求

除了看结果,我还给页面写了 14 条断言,覆盖五种策略和两条边界。

例如无锁版超卖必须大于 900、看门狗版的冲突必须为 0、TTL 版必须真的出现过期。

在浏览器里跑完是 14/14 通过。

下面是其中 6 条,粘到控制台就能复跑:

const r = LAB.runAll();
const checks = [
  r.naked.over > 900,
  r.setnx.stalled > 900,
  r.ttl.expirations > 0,
  r.token.over > 0,
  r.watchdog.over === 0,
  r.watchdog.conflicts === 0
];
console.log(checks.filter(Boolean).length + '/' + checks.length);

本地复现

页面是单文件,没有构建步骤,也没有依赖。

git clone https://gitcode.com/OPCTeam/demo_park.git
cd demo_park/codearts-distributed-lock-lab
python -m http.server 8000

浏览器打开 http://localhost:8000/ 就能跑。

点「五种模式全跑」,或者按 F12 在控制台调 LAB.run('watchdog')。

页面代码的提交是 fcd7446,改动只包含 index.html 和 screenshots 下的 5 张图。

换种子会换一组业务耗时,数字会变,但五种策略的排序不变。

进入码道 Web(AI 开发者空间)

浏览器打开码道 Web 版:devcloud.cn-north-4.huaweicloud.com/chat?source…

使用码道体会

码道有三种使用方式:WebUI(浏览器对话)、TUI(终端命令行)和桌面 IDE(IDE 插件)。

这一轮我先用 WebUI 提需求,排队到并发会话上限后一直等不到结果。

换到 TUI 后,短需求能跑通,稍长的需求会静默退出,只留下一个空的构建提示。

最终页面是我按同一份需求手写、再用浏览器逐项验证的,没有把生成结果直接当成品。

心得是:把锁语义这种纯逻辑题交给生成工具时,需求里要写死时间线、并发数和判定指标。

否则生成物只有界面,没有可验收的数字。

写在最后

锁的过期时间不是安全垫,它只是故障时的兜底。

真正决定正确性的是三件事:租期是否覆盖业务耗时,续期是否跟得上,释放是否认主人。

这三件事在单机上是代码问题,在分布式里是时序问题。

只能靠模拟和压测把边界逼出来,再拿数字决定 TTL 和分片策略。

直接试玩

仓库地址:gitcode.com/OPCTeam/dem…

图 3:无锁版 1000 单全部成功,账面库存只减了 1

图 4:裸锁版崩溃一次,978 个请求等到超时

图 5:看门狗版零超卖零冲突,代价是排队