最近在微信公眾號上看到一篇名為《分散式鎖用Redis還是Zookeeper?》的文章，感覺作者總結的很不錯，於是轉載過來，以便和大家一起學習！

為什麼用分散式鎖？

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，系統中有一個使用者下訂單的介面，但是使用者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使用者下單。

由於系統有一定的併發，所以會預先將商品的庫存儲存在redis中，使用者下單的時候會更新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裡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，更新資料庫的庫存為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，讓他們執行完之後，另一個執行緒才能進來執行第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，然後在第4步執行完之後才釋放鎖。

這樣一來，2、3、4 這3個步驟就被“鎖”住了，多個執行緒之間只能序列化執行。

但是好景不長，整個系統的併發飆升，一臺機器扛不住了。現在要增加一臺機器，如下圖：

增加機器之後，系統變成上圖所示，我的天！

假設此時兩個使用者的請求同時到來，但是落在了不同的機器上，那麼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。

為什麼呢？因為上圖中的兩個A系統，執行在兩個不同的JVM裡面，他們加的鎖只對屬於自己JVM裡面的執行緒有效，對於其他JVM的執行緒是無效的。

因此，這裡的問題是：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裡面)。

那麼，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，就該分散式鎖隆重登場了，分散式鎖的思路是：

在整個系統提供一個全域性、唯一的獲取鎖的“東西”，然後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。

至於這個“東西”，可以是Redis、Zookeeper，也可以是資料庫。

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散式部署系統的情況下使用Java原生的鎖機制無法保證執行緒安全，所以我們需要用到分散式鎖的方案。

那麼，如何實現分散式鎖呢？接著往下看！

基於Redis實現分散式鎖

上面分析為啥要使用分散式鎖了，這裡我們來具體看看分散式鎖落地的時候應該怎麼樣處理。

最常見的一種方案就是使用Redis做分散式鎖

使用Redis做分散式鎖的思路大概是這樣的：在redis中設定一個值表示加了鎖，然後釋放鎖的時候就把這個key刪除。

具體程式碼是這樣的：

// 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指令碼
// 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指令碼支援特性，redis執行lua指令碼是原子性的
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，先設定了值，再設定過期時間，這個不是原子性操作，有可能在設定過期時間之前宕機，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之後，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麼實現分散式鎖之外，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做分散式鎖的缺點在於：如果採用單機部署模式，會存在單點問題，只要redis故障了。加鎖就不行了。

採用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。

基於以上的考慮，其實redis的作者也考慮到這個問題，他提出了一個RedLock的演算法，這個演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節點上建立鎖，過期時間設定較短，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於超時時間，就算建立成功了

• 要是鎖建立失敗了，那麼就依次刪除這個鎖

• 只要別人建立了一把分散式鎖，你就得不斷輪詢去嘗試獲取鎖

但是這樣的這種演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的分散式鎖，除了自己基於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，也提供了分散式鎖的支援。我也非常推薦大家使用，為什麼呢？

回想一下上面說的，如果自己寫程式碼來通過redis設定一個值，是通過下面這個命令設定的。

• SET anyLock unique_value NX PX 30000

這裡設定的超時時間是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，其他執行緒有可能會獲取到鎖。

這樣一來的話，第一個執行緒還沒執行完業務邏輯，第二個執行緒進來了也會出現執行緒安全問題。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是怎麼實現的？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();

就是這麼簡單，我們只需要通過它的api中的lock和unlock即可完成分散式鎖，他幫我們考慮了很多細節：

• redisson所有指令都通過lua指令碼執行，redis支援lua指令碼原子性執行

• redisson設定一個key的預設過期時間為30s,如果某個客戶端持有一個鎖超過了30s怎麼辦？

  redisson中有一個watchdog的概念，翻譯過來就是看門狗，它會在你獲取鎖之後，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，其他執行緒獲取到鎖的問題了。

• 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之後就會自動過期了，其他執行緒可以獲取到鎖)

這裡稍微貼出來其實現程式碼：

// 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);
    }
    // 呼叫一段lua指令碼，設定一些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));
}



// 看門狗最終會呼叫了這裡
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的過期時間重新設定為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
                        // 通過遞迴呼叫本方法，無限迴圈延長過期時間
                        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演算法的支援,

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作為分散式鎖的具體落地方案

以及其一些侷限性

然後介紹了一個redis的客戶端框架redisson，

這也是我推薦大家使用的，

比自己寫程式碼實現會少care很多細節。

基於zookeeper實現分散式鎖

常見的分散式鎖實現方案裡面，除了使用redis來實現之外，使用zookeeper也可以實現分散式鎖。

在介紹zookeeper(下文用zk代替)實現分散式鎖的機制之前，先粗略介紹一下zk是什麼東西：

Zookeeper是一種提供配置管理、分散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，就好像檔案系統一樣每個znode表示一個目錄，然後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建立子節點；

  zookeeper提供了一個可選的有序特性，例如我們可以建立子節點“/lock/node-”並且指明有序，那麼zookeeper在生成子節點時會根據當前的子節點數量自動新增整數序號

  也就是說，如果是第一個建立的子節點，那麼生成的子節點為/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後，zookeeper會自動刪除該節點。

• 事件監聽：在讀取資料時，我們可以同時對節點設定事件監聽，當節點資料或結構變化時，zookeeper會通知客戶端。當前zookeeper有如下四種事件：

• 節點建立

• 節點刪除

• 節點資料修改

• 子節點變更

基於以上的一些zk的特性，我們很容易得出使用zk實現分散式鎖的落地方案：

1. 使用zk的臨時節點和有序節點，每個執行緒獲取鎖就是在zk建立一個臨時有序的節點，比如在/lock/目錄下。

2. 建立節點成功後，獲取/lock目錄下的所有臨時節點，再判斷當前執行緒建立的節點是否是所有的節點的序號最小的節點

3. 如果當前執行緒建立的節點是所有節點序號最小的節點，則認為獲取鎖成功。

4. 如果當前執行緒建立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新增一個事件監聽。

   比如當前執行緒獲取到的節點序號為/lock/003,然後所有的節點列表為[/lock/001,/lock/002,/lock/003],則對/lock/002這個節點新增一個事件監聽器。

如果鎖釋放了，會喚醒下一個序號的節點，然後重新執行第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，至於程式碼怎麼寫，這裡比較複雜就不貼出來了。

Curator介紹

Curator是一個zookeeper的開源客戶端，也提供了分散式鎖的實現。

他的使用方式也比較簡單：

InterProcessMutex interProcessMutex = new InterProcessMutex(client,"/anyLock");
interProcessMutex.acquire();
interProcessMutex.release();

其實現分散式鎖的核心原始碼如下：

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後的集合
            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註冊一個監聽器
                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實現分散式鎖的底層原理和上面分析的是差不多的。這裡我們用一張圖詳細描述其原理：

小結：

本節介紹了zookeeperr實現分散式鎖的方案以及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實現分散式鎖的方案，附帶例項！

兩種方案的優缺點比較

學完了兩種分散式鎖的實現方案之後，本節需要討論的是redis和zk的實現方案中各自的優缺點。

對於redis的分散式鎖而言，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，比較消耗效能。

• 另外來說的話，redis的設計定位決定了它的資料並不是強一致性的，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演算法來實現，在某些複雜場景下，也無法保證其實現100%沒有問題，關於redlock的討論可以看How to do distributed locking

• redis分散式鎖，其實需要自己不斷去嘗試獲取鎖，比較消耗效能。

但是另一方面使用redis實現分散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“極端複雜場景”

所以使用redis作為分散式鎖也不失為一種好的方案，最重要的一點是redis的效能很高，可以支撐高併發的獲取、釋放鎖操作。

對於zk分散式鎖而言:

• zookeeper天生設計定位就是分散式協調，強一致性。鎖的模型健壯、簡單易用、適合做分散式鎖。

• 如果獲取不到鎖，只需要新增一個監聽器就可以了，不用一直輪詢，效能消耗較小。

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，對於zk叢集的壓力會比較大。

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，實現分散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，可能會導致資料不對的情況。但是，怎麼選用要看具體在公司的場景了。

如果公司裡面有zk叢集條件，優先選用zk實現，但是如果說公司裡面只有redis叢集，沒有條件搭建zk叢集。

那麼其實用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於架構的考慮了