分布式锁及其实现
为什么需要分布式锁
在单机部署的项目中，多线程间的并发控制可以由Java相关的并发处理API来控制线程间的通信和互斥。但是在分布式集群的系统中，单机部署情况下的并发控制策略就会失效了，单纯的Java API是不具备分布式环境下的并发控制能力的；所以这就需要一种跨JVM的互斥机制来控制对共享资源的访问，这就是分布式锁要解决的问题了
在分布式场景下，CAP理论已经证明了任何一个分布式系统都无法同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance），最多只能同时满足两项；所以为了保证在分布式环境下的数据最终一致性，需要很多的技术方案来支持，比如分布式事务、分布式锁等
分布式锁的特性
- 在分布式系统环境下，一个方法在同一时间只能被一个机器的一个线程执行
- 高可用、高性能的获取锁与释放锁
- 具备可重入特性
- 具备锁失效机制，防止死锁
- 具备非阻塞锁特性，即没有获取到锁将直接返回获取锁失败
分布式锁的三种实现方案
数据库实现
数据库实现分布式锁主要是依赖唯一索引
（唯一索引：不允许具有索引值相同的行，从而禁止重复的索引或键值。数据库会在创建该索引时检查是否有重复的键值，并在每次使用 INSERT 或 UPDATE 语句时进行检查）
实现的思路：在数据库中创建一个表，表中包含方法名等字段，并在方法名字段上创建唯一索引，想要执行某个方法，就使用这个方法名向表中插入数据，因为做了唯一索引，所以即使多个请求同时提交到数据库，都只会保证只有一个操作能够成功，插入成功则获取到该方法的锁，执行完成后删除对应的行数据释放锁
CREATE TABLE `distributed_lock` (
`id` int(11) NOT NULL COMMENT '主键',
`method_name` varchar(64) NOT NULL COMMENT '方法名(需要锁住的方法名)',
`desc` varchar(255) NOT NULL COMMENT '备注信息',
`create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
`update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
PRIMARY KEY (`id`),
UNIQUE KEY `index_method_name` (`method_name`) USING BTREE
) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=utf8;
数据库实现分布式锁的增强
- 该分布式锁依赖数据库的可用性，如果数据库是单点且挂掉，那么分布式锁功能失效
- 解决方案：
- 多机部署，数据同步，数据库主备切换
- 解决方案：
- 同一个线程在释放锁之前，行数据一直存在，无法再次插入数据；这种情况下该分布式锁不具备可重入性
- 解决方案：在表中新增一列用于记录当前获取到锁的机器和线程信息，在该线程再次获取锁的时候，先查询表中机器和线程信息是否和当前机器和线程相同，若相同则直接获取锁
- 没有锁失效的机制可能会出现在获取锁之后，数据库宕机，对应的行数据没有被删除，等到数据库服务器恢复后，表中的数据仍然存在，从而无法再获取到锁；或者释放锁失败
- 解决方案：
- 在表中新增一列，用于记录失效时间，并且需要有定时任务清除这些失效的数据；此时也需要根据业务需求考虑定时任务的执行时间，不能过长或者过短
- 多机部署，数据同步，数据库主备切换
- 解决方案：
- 阻塞锁特性，在代码逻辑中增加失败重试机制（while循环），根据业务需求多次去获取锁直到成功或者达到失败次数后返回等等
数据库实现分布式锁的问题
虽然我们对method_name 使用了唯一索引，并且显示使用for update来使用行级锁。
但是，MySql会对查询进行优化，即便在条件中使用了索引字段，但是否使用索引来检索数据是由 MySQL 通过判断不同执行计划的代价来决定的，如果 MySQL 认为全表扫效率更高，比如对一些很小的表，它就不会使用索引，这种情况下 InnoDB 将使用表锁，而不是行锁
Redis实现分布式锁
实现思路：
- setnx：当且仅当key不存在时，set一个key为val的字符串，返回1；若key存在，则什么都不做，返回0
- 获取锁的时候，使用setnx加锁，锁的value值可以是一个随机生成的UUID，并使用expire命令为锁添加一个超时时间，超过该时间则自动释放锁
- 获取锁的时候设置一个获取锁的超时时间，若超过这个时间则放弃获取锁
- 释放锁的时候，通过随机生成的UUID去匹对锁的键值对是否对应，若是则执行delete释放锁
/**
* redis实现分布式锁
*/
@Component
public class DistributedLock {
@Autowired
private JedisPool jedisPool;
/**
* 加锁
* @param lockName 存放redis中的key
* @param acquireTimeOut 分布式锁的过期时间
* @param timeout 获取锁的超时时间
* @return
*/
public String lockWithTimeOut(String lockName, int acquireTimeOut, long timeout) {
/**
* 先setnx key是否成功;
* 成功则设置随机值(UUID),然后设置过期时间,返回随机值给释放锁用
*
* 失败则计算获取锁的超时时间,时间未到则自旋获取锁直到成功或者达到超时时间
*/
String identifier = UUID.randomUUID().toString().replaceAll("-", "");
timeout = System.currentTimeMillis() + timeout;
String reIdentifier = "";
Jedis jedis = null;
try {
jedis = jedisPool.getResource();
jedis.select(0);
//带超时时间的循环获取锁实现锁阻塞特性
while(System.currentTimeMillis() < timeout){
Long setnx = jedis.setnx(lockName, identifier);
if (setnx != null && setnx == 1){
//设置过期时间
jedis.expire(lockName, acquireTimeOut);
reIdentifier = identifier;
break;
}else {
//这一步很重要
//如果key已经存在,查看过期时间,如果该key无过期时间则重新设置过期时间,以免发生死锁
Long ttl = jedis.ttl(lockName);
if (ttl == -1){
jedis.expire(lockName, acquireTimeOut);
}
try {
Thread.sleep(100);
} catch (InterruptedException e) {
System.out.println("线程中断");
Thread.currentThread().interrupt();
}
}
}
} catch (Exception e) {
//TODO 处理异常
e.printStackTrace();
} finally {
if (jedis != null)
jedis.close();
}
return reIdentifier;
}
/**
* 释放锁
* @param lockName 锁的名称
* @param identifier 锁的标识(用来验证锁中的val是否一致)
* @return
*/
public boolean releaseLock(String lockName, String identifier){
Jedis jedis = null;
boolean flag = false;
try {
jedis = jedisPool.getResource();
jedis.select(0);
jedis.watch(lockName);
String result = jedis.get(lockName);
if (result != null && identifier.equals(result)){
Transaction multi = jedis.multi();
multi.del(lockName);
List<Object> exec = multi.exec();
if (exec != null && exec.size() > 0){
flag = true;
}
}
jedis.unwatch();
return flag;
} catch (Exception e) {
//TODO 处理异常
e.printStackTrace();
return false;
} finally {
if (jedis != null)
jedis.close();
}
}
}
Redis分布式锁的增强
- 锁失效时间
- 锁失效的时间需要根据实际业务需求来设置一个合适的值
- 如果设置的失效时间太短，方法没等执行完，锁就自动释放了，那么就会产生并发问题
- 如果设置的时间太长，其他获取锁的线程就可能要平白的多等一段时间
- 可利用while循环去获取锁，可以设置重试间隔时间和最大重试时间来实现锁阻塞特性
- 不可重入
- 解决方案：
- 线程获取到锁之后，把当前主机信息和线程信息保存起来，下次再获取之前先检查自己是不是当前锁的拥有者；释放锁的时候将这些信息删除
- 解决方案：
- 单点故障
- 解决方案：
- Redis集群，Redis主从
- 解决方案：
Redis实现分布式锁存在的问题
这类最大的缺点就是它加锁时只作用在一个Redis节点上，即使Redis通过sentinel保证高可用，如果这个master节点由于某些原因发生了主从切换，那么就会出现锁丢失的情况：
- 在Redis的master节点上拿到了锁
- 但是这个加锁的key还没有同步到slave节点
- master故障，发生故障转移，slave节点升级为master节点
- 导致锁丢失
Zookeeper实现分布式锁
实现思路：
每个客户端对某个方法加锁时，在zookeeper上的与该方法对应的指定节点的目录下，生成一个唯一的瞬时有序节点（EPHEMERAL_SEQUENTIAL）
使用Zookeeper可以实现的分布式锁是阻塞的，客户端可以通过在ZK中创建瞬时有序节点，并且在节点上绑定监听器，一旦节点发生变化，ZK会通知客户端，客户端可以检查自己创建的节点是不是**当前所有节点中序号最小的**，如果是那么自己就获取到锁，反之则继续等待
当释放锁的时候，只需将这个瞬时节点删除即可。同时，其可以避免服务宕机导致的锁无法释放，而产生的死锁问题，因为瞬时节点在会话断开后就会自动删除
/**
* Zookeeper 实现分布式锁
*/
public class ZooKeeperLock implements Watcher {
// ZK对象
private ZooKeeper zk = null;
// 分布式锁的根节点
private String rootLockNode;
// 竞争资源，用来生成子节点名称
private String lockName;
// 当前锁
private String currentLock;
// 等待的锁（前一个锁）
private String waitLock;
// 计数器（用来在加锁失败时阻塞加锁线程）
private CountDownLatch countDownLatch;
// 超时时间
private int sessionTimeout = 30000;
/**
* 构造器中创建ZK链接，创建锁的根节点
*
* @param zkAddress ZK的地址
* @param rootLockNode 根节点名称
* @param lockName 子节点名称
*/
public ZooKeeperLock(String zkAddress, String rootLockNode, String lockName) {
this.rootLockNode = rootLockNode;
this.lockName = lockName;
try {
/**
* 创建连接，zkAddress格式为：IP:PORT
* watcher监听器为自身
*/
zk = new ZooKeeper(zkAddress, this.sessionTimeout, this);
/**
* 检测锁的根节点是否存在，不存在则创建
*/
Stat stat = zk.exists(rootLockNode, false);
if (null == stat) {
zk.create(rootLockNode, new byte[0], ZooDefs.Ids.OPEN_ACL_UNSAFE, CreateMode.PERSISTENT);
}
} catch (Exception e) {
e.printStackTrace();
}
}
/**
* 加锁方法，先尝试加锁，不能加锁则等待上一个锁的释放
*
* @return
*/
public boolean lock() {
if (this.tryLock()) {
System.out.println("线程【" + Thread.currentThread().getName() + "】加锁（" + this.currentLock + "）成功！");
return true;
} else {
return waitOtherLock(this.waitLock, this.sessionTimeout);
}
}
public boolean tryLock() {
// 分隔符
String split = "_lock_";
if (this.lockName.contains("_lock_")) {
throw new RuntimeException("lockName can't contains '_lock_' ");
}
try {
/**
* 创建锁节点（临时有序节点）并且得到节点名称
*
* path: 根节点/子锁名称+分隔符
*/
this.currentLock = zk.create(this.rootLockNode + "/" + this.lockName + split, new byte[0],
ZooDefs.Ids.OPEN_ACL_UNSAFE, CreateMode.EPHEMERAL_SEQUENTIAL);
System.out.println("线程【" + Thread.currentThread().getName()
+ "】创建锁节点（" + this.currentLock + "）成功，开始竞争...");
/**
* 获取所有子节点
*/
List<String> nodes = zk.getChildren(this.rootLockNode, false);
/**
* 获取所有正在竞争lockName的锁
*/
List<String> lockNodes = new ArrayList<String>();
for (String nodeName : nodes) {
if (nodeName.split(split)[0].equals(this.lockName)) {
lockNodes.add(nodeName);
}
}
Collections.sort(lockNodes);
/**
* 获取最小节点与当前锁节点比对加锁
*
* 比对最小节点的名称是否跟刚才创建的临时节点名称一致
* 一致则证明当前加锁成功
*/
String currentLockPath = this.rootLockNode + "/" + lockNodes.get(0);
if (this.currentLock.equals(currentLockPath)) {
return true;
}
/**
* 加锁失败，设置前一节点为等待锁节点
*/
String currentLockNode = this.currentLock.substring(this.currentLock.lastIndexOf("/") + 1);
int preNodeIndex = Collections.binarySearch(lockNodes, currentLockNode) - 1;
this.waitLock = lockNodes.get(preNodeIndex);
} catch (Exception e) {
e.printStackTrace();
}
return false;
}
/**
* 等待获取锁，带超时时间
*
* @param waitLock 当前节点的前一个锁
* @param sessionTimeout 等待获取锁的超时时间
* @return
*/
private boolean waitOtherLock(String waitLock, int sessionTimeout) {
boolean islock = false;
try {
// 监听等待锁节点
String waitLockNode = this.rootLockNode + "/" + waitLock;
Stat stat = zk.exists(waitLockNode, true);
if (null != stat) {
System.out.println("线程【" + Thread.currentThread().getName()
+ "】锁（" + this.currentLock + "）加锁失败，等待锁（" + waitLockNode + "）释放...");
/**
* 设置计数器，使用计数器阻塞线程,带超时时间
*/
this.countDownLatch = new CountDownLatch(1);
islock = this.countDownLatch.await(sessionTimeout, TimeUnit.MILLISECONDS);
this.countDownLatch = null;
if (islock) {
System.out.println("线程【" + Thread.currentThread().getName() + "】锁（"
+ this.currentLock + "）加锁成功，锁（" + waitLockNode + "）已经释放");
} else {
System.out.println("线程【" + Thread.currentThread().getName() + "】锁（"
+ this.currentLock + "）加锁失败...");
}
} else {
islock = true;
}
} catch (KeeperException e) {
e.printStackTrace();
} catch (InterruptedException e) {
e.printStackTrace();
}
return islock;
}
/**
* 释放分布式锁
*
* @throws InterruptedException
*/
public void unlock() throws InterruptedException {
try {
Stat stat = zk.exists(this.currentLock, false);
if (null != stat) {
System.out.println("线程【" + Thread.currentThread().getName() + "】释放锁 " + this.currentLock);
zk.delete(this.currentLock, -1);
this.currentLock = null;
}
} catch (InterruptedException e) {
e.printStackTrace();
} catch (KeeperException e) {
e.printStackTrace();
} finally {
zk.close();
}
}
/**
* 节点监听器回调
*
* @param watchedEvent
*/
@Override
public void process(WatchedEvent watchedEvent) {
/**
* 监听节点删除的事件
* 计数器减一，恢复线程操作
*/
if (null != this.countDownLatch && watchedEvent.getType() == Event.EventType.NodeDeleted) {
this.countDownLatch.countDown();
}
}
}
Curator的分布式锁
/**
* Curator 实现的分布式锁:
* InterProcessMutex: 分布式可重入排它锁
* InterProcessSemaphoreMutex: 分布式排它锁
* InterProcessReadWriteLock: 分布式读写锁
* InterProcessMultiLock: 将多个锁作为单个实体管理的容器
*/
public class CuratorLock {
public static void main(String[] args) {
/**
* 设置重试策略，创建zk客户端
* curator链接zookeeper的策略:ExponentialBackoffRetry
* baseSleepTimeMs：初始sleep的时间
* maxRetries：最大重试次数
* maxSleepMs：最大重试时间
*/
RetryPolicy retryPolicy = new ExponentialBackoffRetry(1000, 3);
CuratorFramework client =
CuratorFrameworkFactory.newClient("127.0.0.1:2181", retryPolicy);
// 启动客户端
client.start();
/**
* 创建分布式可重入排他锁，监听客户端为client，锁的根节点为/locks
*/
InterProcessMutex mutex = new InterProcessMutex(client, "/locks");
try {
/**
* 加锁操作
* public boolean acquire(long time, TimeUnit unit)
* 第一个参数是超时时间
* 第二个参数是时间的单位
*/
mutex.acquire(3, TimeUnit.SECONDS);
/**
* 释放锁
*/
mutex.release();
} catch (Exception e) {
e.printStackTrace();
} finally {
client.close();
}
}
}
ZK实现分布式锁的问题
**使用Zookeeper也有可能带来并发问题：**由于网络抖动，客户端可ZK集群的session连接断了，那么zk以为客户端挂了，就会删除临时节点，这时候其他客户端就可以获取到分布式锁了，就可能产生并发问题。
这个问题不常见是因为zk有重试机制，一旦zk集群检测不到客户端的心跳，就会重试，Curator客户端支持多种重试策略。多次重试之后还不行的话才会删除临时节点（所以选择一个合适的重试策略也比较重要，要在锁的粒度和并发之间找一个平衡）
三者的比较
- 从性能角度（从高到低）
- 缓存 > Zookeeper >= 数据库
- 从可靠性角度（从高到低）
- Zookeeper > 缓存 > 数据库
扫一扫
720
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
