Redis分布式锁的实现原理

目录

Redisson实现Redis分布式锁的底层原理

1、加锁机制

2、锁互斥机制

3、watch dog自动延期机制

4、可重入加锁机制

5、释放锁机制

6、上述Redis分布式锁的缺点

---

Redis分布式锁，一般就是用Redisson框架就好了，非常的简便易用。

大家如果有兴趣，可以去看看Redisson的官网，看看如何在项目中引入Redisson的依赖，然后基于Redis实现分布式锁的加锁与释放锁。

下面给大家看一段简单的使用代码片段，先直观的感受一下：

RLock rLock = redissonClient.getLock("myLock");
rLock.lock();
rLock.unlock();

怎么样，上面那段代码，是不是感觉简单的不行！

此外，人家还支持redis单实例、redis哨兵、redis cluster、redis master-slave等各种部署架构，都可以给你完美实现。

Redisson实现Redis分布式锁的底层原理

好的，接下来就通过一张手绘图，给大家说说Redisson这个开源框架对Redis分布式锁的实现原理。

1、加锁机制

看上面那张图，现在某个客户端要加锁，如果该客户端面对的是一个redis cluster集群，他首先会根据hash节点选择一台机器。

这里注意，仅仅只是选择一台机器！这点很关键！

紧接着，就会发送一段lua脚本到redis上，那段lua脚本如下所示：

"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', KEY[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]);"

• 为啥要用lua脚本呢？

因为一大坨复杂的业务逻辑，可以通过封装在lua脚本中发送给redis，保证这段复杂业务逻辑执行的原子性。

• 那么，这段lua脚本是什么意思呢？

KEYS[1]代表的是加锁key，比如：RLock rLock = redissonClient.getLock("myLock");那么KEYS[1]就是myLock

ARGV[1]代表的是锁key的默认生存时间，默认30秒

ARGV[2]代表的是加锁的客户端的ID，类似于这样：8743c9c0-0795-4907-87fd-6c719a6b4586:1

第一段if判断语句，就是用“exists myLock”命令判断一下，如果要加锁的key不存在，就进行加锁。

加锁的命令：hset myLock 8743c9c0-0795-4907-87fd-6c719a6b4586:1 1

//加锁后Redis中的数据结构：
myLock:
{
    "8743c9c0-0795-4907-87fd-6c719a6b4586:1":1
}

上述就代表“8743c9c0-0795-4907-87fd-6c719a6b4586:1”这个客户端对“myLock”这个锁key完成了加锁。

接着会执行“pexpire myLock 30000”命令，设置myLock这个锁key的生存时间是30秒。

好了，到此为止，ok，加锁完成了。

2、锁互斥机制

那么在这个时候，如果客户端2来尝试加锁，执行了同样的一段lua脚本，会咋样呢？

很简单，第一个if判断会执行“exists myLock”，发现myLock这个锁key已经存在了。

接着第二个if判断，判断一下，myLock锁key的hash数据结构中，是否包含客户端2的ID，但是明显不是的，因为那里包含的是客户端1的ID。

所以，客户端2会获取到pttl myLock返回的一个数字，这个数字代表了myLock这个锁key的剩余生存时间。比如还剩15000毫秒的生存时间。

此时客户端2会进入一个while循环，不停的尝试加锁。

3、watch dog自动延期机制

客户端1加锁的锁key默认生存时间才30秒，如果超过了30秒，客户端1还想一直持有这把锁，怎么办呢？

简单！只要客户端1一旦加锁成功，就会启动一个watch dog看门狗，他是一个后台线程，会每隔10秒检查一下，如果客户端1还持有锁key，那么就会不断的延长锁key的生存时间。

4、可重入加锁机制

客户端1都已经持有了这把锁了，然后重入的加锁会怎么样呢？

比如下面这种代码：

RLock rLock = redissonClient.getLock("myLock");
rLock.lock();
//这里有一坨代码
rLock.lock();
//这里有一坨代码
rLock.unlock();
rLock.unlock();

这时我们来分析一下上面那段lua脚本。

第一个if判断肯定不成立，“exists myLock”会显示锁key已经存在了。

第二个if判断会成立，因为myLock的hash数据结构中包含的那个ID，就是客户端1的那个ID，也就是“8743c9c0-0795-4907-87fd-6c719a6b4586:1”

此时就会执行可重入加锁的逻辑，他会用：

incrby myLock 8743c9c0-0795-4907-87fd-6c71a6b4586:1 1

通过这个命令，对客户端1的加锁次数，累加1。

此时myLock数据结构变为下面这样：

//加锁后Redis中的数据结构：
myLock:
{
    "8743c9c0-0795-4907-87fd-6c719a6b4586:1":2
}

5、释放锁机制

执行lock.unlock()，就可以释放分布式锁，此时的业务逻辑也是非常简单的。

其实说白了，就是每次都对myLock数据结构中的那个加锁次数减1。

如果发现加锁次数是0了，说明这个客户端已经不再持有锁了，此时就会用：

“del myLock”命令，从redis里删除这个key。

然后呢，另外的客户端2就可以尝试完成加锁了。

6、上述Redis分布式锁的缺点

其实上面那种方案最大的问题，就是如果你对某个redis master实例，写入了myLock这种锁key的value，此时会异步复制给对应的master slave实例。

但是这个过程中一旦发生redis master宕机，主备切换，redis slave变为了redis master。

接着就会导致，客户端2来尝试加锁的时候，在新的redis master上完成了加锁，而客户端1也以为自己成功加了锁。

此时就会导致多个客户端对一个分布式锁完成了加锁。

这时系统在业务语义上一定会出现问题，导致各种脏数据的产生。

所以这个就是redis cluster，或者是redis master-slave架构的主从异步复制导致的redis分布式锁的最大缺陷：在redis master实例宕机的时候，可能导致多个客户端同时完成加锁。

7、测试Redis分布式锁

    @GetMapping(value = "/redisLock")
	public String redisLock() {
		Thread t1 = new Thread(new Runnable() {
			@Override
			public void run() {
				toLock(Thread.currentThread());
			}
		}, "t1");
		Thread t2 = new Thread(new Runnable() {
			@Override
			public void run() {
				toLock(Thread.currentThread());
			}
		}, "t2");
		t1.start();
		t2.start();
		return "OK";
	}

	public void toLock(Thread thread) {
		RLock rLock = redissonClient.getLock("myLock");
		rLock.lock();
		System.out.println(LocalTime.now() + ":线程" + thread.getName() + "获得了锁");
		try {
			thread.sleep(1000 * 10);
		} catch (Exception e) {
		}
		rLock.unlock();
		System.out.println(LocalTime.now() + ":线程" + thread.getName() + "释放了锁");
	}

控制台打印信息：

10:15:09.717:线程t1获得了锁
10:15:19.734:线程t1释放了锁
10:15:19.744:线程t2获得了锁
10:15:29.759:线程t2释放了锁