分散式鎖定的實作方式通常有：
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，目前是一台機器部署，系統中有一個用戶下訂單的接口，但是用戶下訂單前一定要去檢查庫存，確保庫存足夠了才會給用戶下單。由於系統有一定的並發，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
：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，另一個線程才能進來執行第2步。
依照上面的圖，執行步驟2時，使用Java提供的synchronized或ReentrantLock來鎖住，然後在第4步執行完後才釋放鎖定。
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串行化執行。
但是好景不長，整個系統的並發飆升，一台機器扛不住了。現在要增加一台機器，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？因為上圖的兩個A系統，運行在兩個不同的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
這是因為兩台機器加的鎖不是同一個鎖(兩個鎖在不同的JVM裡面)。
那麼，我們只要保證兩台機器加的鎖是同一個鎖，問題不就解決了嗎？
此時，就該分散式鎖定隆重登場了，分散式鎖的思路是：
在整個系統提供一個全局、唯一的獲取鎖定的“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：
#透過上面的分析，我們知道了庫存超賣場景在分散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，要如何實作分散式鎖定呢？接著往下看！
上面分析為啥要使用分散式鎖定了，這裡我們來具體看看分散式鎖落地的時候該怎麼樣處理。
最常見的一個方案就是使用Redis做分散式鎖定
#使用Redis做分散式鎖的想法大概是這樣的：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：
// 获取锁 // NX是指如果key不存在就成功，key存在返回false，PX可以指定过期时间 SET anyLock unique_value NX PX 30000 // 释放锁：通过执行一段lua脚本 // 释放锁涉及到两条指令，这两条指令不是原子性的 // 需要用到redis的lua脚本支持特性，redis执行lua脚本是原子性的 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 指令
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作分散式鎖定之外，還需要考慮redis的部署問題。
redis有3種部署方式：
使用redis做分散式鎖定的缺點在於：如果採用單機部署模式，就會有單點問題，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，即便透過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，透過以下步驟取得一個鎖：###但是这样的这种算法还是颇具争议的，可能还会存在不少的问题，无法保证加锁的过程一定正确。
此外，实现Redis的分布式锁，除了自己基于redis client原生api来实现之外，还可以使用开源框架：Redission
Redisson是一个企业级的开源Redis Client，也提供了分布式锁的支持。我也非常推荐大家使用，为什么呢？
回想一下上面说的，如果自己写代码来通过redis设置一个值，是通过下面这个命令设置的。
这里设置的超时时间是30s，假如我超过30s都还没有完成业务逻辑的情况下，key会过期，其他线程有可能会获取到锁。
这样一来的话，第一个线程还没执行完业务逻辑，第二个线程进来了也会出现线程安全问题。所以我们还需要额外的去维护这个过期时间，太麻烦了~
我们来看看redisson是怎么实现的？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();
就是这么简单，我们只需要通过它的api中的lock和unlock即可完成分布式锁，他帮我们考虑了很多细节：
redisson所有指令都通过lua脚本执行，redis支持lua脚本原子性执行
redisson设置一个key的默认过期时间为30s,如果某个客户端持有一个锁超过了30s怎么办？
redisson中有一个watchdog的概念，翻译过来就是看门狗，它会在你获取锁之后，每隔10秒帮你把key的超时时间设为30s
这样的话，就算一直持有锁也不会出现key过期了，其他线程获取到锁的问题了。
redisson的“看门狗”逻辑保证了没有死锁发生。
(如果机器宕机了，看门狗也就没了。此时就不会延长key的过期时间，到了30s之后就会自动过期了，其他线程可以获取到锁)
这里稍微贴出来其实现代码：
// 加锁逻辑 privateRFuture tryAcquireAsync(long leaseTime, TimeUnit unit, final long threadId) { if (leaseTime != -1) { return tryLockInnerAsync(leaseTime, unit, threadId, RedisCommands.EVAL_LONG); } // 调用一段lua脚本，设置一些key、过期时间 RFuture ttlRemainingFuture = tryLockInnerAsync(commandExecutor.getConnectionManager().getCfg().getLockWatchdogTimeout(), TimeUnit.MILLISECONDS, threadId, RedisCommands.EVAL_LONG); ttlRemainingFuture.addListener(new FutureListener () { @Override public void operationComplete(Future future) throws Exception { if (!future.isSuccess()) { return; } Long ttlRemaining = future.getNow(); // lock acquired if (ttlRemaining == null) { // 看门狗逻辑 scheduleExpirationRenewal(threadId); } } }); return ttlRemainingFuture; } RFuture tryLockInnerAsync(long leaseTime, TimeUnit unit, long threadId, RedisStrictCommand 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.
另外，redisson还提供了对redlock算法的支持,
它的用法也很简单：
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();
小结：
本节分析了使用Redis作为分布式锁的具体落地方案，以及其一些局限性，然后介绍了一个Redis的客户端框架redisson。这也是我推荐大家使用的，比自己写代码实现会少care很多细节。
常见的分布式锁实现方案里面，除了使用redis来实现之外，使用zookeeper也可以实现分布式锁。
在介绍zookeeper(下文用zk代替)实现分布式锁的机制之前，先粗略介绍一下zk是什么东西：
Zookeeper是一种提供配置管理、分布式协同以及命名的中心化服务。
zk的模型是这样的：zk包含一系列的节点，叫做znode，就好像文件系统一样每个znode表示一个目录，然后znode有一些特性：
有序節點：假如目前有一個父節點為/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，例如我們可以創建子節點“/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添加整數序號
也就是說，如果是第一個建立的子節點，那麼產生的子節點為/lock/node-0000000000，下一個節點則為/lock/node-0000000001，依序類別推。
臨時節點：用戶端可以建立一個臨時節點，在會話結束或會話逾時後，zookeeper會自動刪除節點。
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更時，zookeeper會通知客戶端。目前zookeeper有以下四個事件：
比如当前线程获取到的节点序号为/lock/003,然后所有的节点列表为[/lock/001,/lock/002,/lock/003],则对/lock/002这个节点添加一个事件监听器。
如果锁释放了，会唤醒下一个序号的节点，然后重新执行第3步，判断是否自己的节点序号是最小。
比如/lock/001释放了，/lock/002监听到时间，此时节点集合为[/lock/002,/lock/003],则/lock/002为最小序号节点，获取到锁。
整个过程如下：
具体的实现思路就是这样，至于代码怎么写，这里比较复杂就不贴出来了。
Curator是一个zookeeper的开源客户端，也提供了分布式锁的实现。
他的使用方式也比较简单：
InterProcessMutex interProcessMutex = new InterProcessMutex(client,"/anyLock"); interProcessMutex.acquire(); interProcessMutex.release();
其实现分布式锁的核心源码如下：
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 ) { // 获取当前所有节点排序后的集合 List children = getSortedChildren(); // 获取当前节点的名称 String sequenceNodeName = ourPath.substring(basePath.length() + 1); // +1 to include the slash // 判断当前节点是否是最小的节点 PredicateResults predicateResults = driver.getsTheLock(client, children, sequenceNodeName, maxLeases); if ( predicateResults.getsTheLock() ) { // 获取到锁 haveTheLock = true; } else { // 没获取到锁，对当前节点的上一个节点注册一个监听器 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; }
其实curator实现分布式锁的底层原理和上面分析的是差不多的。这里我们用一张图详细描述其原理：
小结：
本节介绍了Zookeeperr实现分布式锁的方案以及zk的开源客户端的基本使用，简要的介绍了其实现原理。
#學完了兩種分散式鎖定的實作方案之後，本節需要討論的是redis和zk的實作方案中各自的優缺點。
對於redis的分散式鎖定而言，它有以下缺點：
但是另一方面使用redis實作分散式鎖定在許多企業中非常常見，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作為分散式鎖定也不失為一種好的方案，最重要的一點是redis的性能很高，可以支撐高並發的獲取、釋放鎖定操作。
對於zk分散式鎖定而言:
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。
以上是分散式鎖用 Redis 還是 Zookeeper？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
