后台服务代码架构：项目实际应用中分布式锁介绍

目录

一、 锁的介绍

1.1 悲观锁

1.2 行锁

1.3 表锁

1.4 页锁

1.5 共享锁

1.6 排他锁

1.7 乐观锁

二、数据库锁

三、缓存锁

四、分布式锁

4.1 分布式锁—zookeeper

---

一、 锁的介绍

1.1 悲观锁

顾名思义，很悲观，就是每次拿数据的时候都认为别的线程会修改数据，所以在每次拿的时候都会给数据上锁。上锁之后，当别的线程想要拿数据时，就会阻塞，直到给数据上锁的线程将事务提交或者回滚。传统的关系型数据库里就用到了很多这种锁机制，比如行锁，表锁，共享锁，排他锁等，都是在做操作之前先上锁。

1.2 行锁

通过 select for update 语句给 sid = 1 的数据行上了锁

1.3 表锁

select * from student for update;

1.4 页锁

行锁锁指定行，表锁锁整张表，页锁是折中实现，即一次锁定相邻的一组记录。

1.5 共享锁

共享锁又称为读锁，一个线程给数据加上共享锁后，其他线程只能读数据，不能修改。

1.6 排他锁

排他锁又称为写锁，和共享锁的区别在于，其他线程既不能读也不能修改。

1.7 乐观锁

乐观锁其实不会上锁。顾名思义，很乐观，它默认别的线程不会修改数据，所以不会上锁。只是在更新前去判断别的线程在此期间有没有修改数据，如果修改了，会交给业务层去处理。

 总结：

目前几乎很多大型网站及应用都是分布式部署的，分布式场景中的数据一致性问题一直是一个比较重要的话题。

分布式的 CAP 理论告诉我们“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（Partitiontolerance），最多只能同时满足两项。”所以，很多系统在设计之初就要对这三者做出取舍。在互联网领域的绝大多数的场景中，都需要牺牲强一致性来换取系统的高可用性系统往往只需要保证“最终一致性”，只要这个最终时间是在用户可以接受的范围内即可。
在很多场景中，我们为了保证数据的最终一致性，需要很多的技术方案来支持，比如分布式事务、分布式锁等。有的时候，我们需要保证一个方法在同一时间内只能被同一个线程执行。在单机环境中，Java 中其实提供了很多并发处理相关的 API，但是这些API 在分布式场景中就无能为力了。也就是说单纯的 Java Api 并不能提供分布式锁的能力。

所以针对分布式锁的实现目前有多种方案：
基于数据库实现分布式锁
基于缓存（redis，memcached）实现分布式锁
基于 Zookeeper 实现分布式锁
在分析这几种实现方案之前我们先来想一下，我们需要的分布式锁应该是怎么样的？（这里以方法锁为例，资源锁同理）
可以保证在分布式部署的应用集群中，同一个方法在同一时间只能被一台机器上的一个线程执行。
这把锁要是一把可重入锁（避免死锁）
这把锁最好是一把阻塞锁（根据业务需求考虑要不要这条）
有高可用的获取锁和释放锁功能

获取锁和释放锁的性能要好

二、数据库锁

借助数据中自带的锁来实现分布式的锁

public boolean lock(){

connection.setAutoCommit(false);

while(true){

try{

result = "select * from methodLock where method_name=xxx for update";

if(result==null){

return true;

}

}catch(Exception e){

}

sleep(1000);

}

return false;

}

在查询语句后面增加 for update，数据库会在查询过程中给数据库表增加排他锁。当某条记录被
加上排他锁之后，其他线程无法再在该行记录上增加排他锁。
我们可以认为获得排它锁的线程即可获得分布式锁，当获取到锁之后，可以执行方法的业务
逻辑，执行完方法之后，再通过以下方法解锁：

public void unlock(){
connection.commit();
}

通过 connection.commit()操作来释放锁。
这种方法可以有效的解决上面提到的无法释放锁和阻塞锁的问题。
阻塞锁，for update 语句会在执行成功后立即返回，在执行失败时一直处于阻塞状态，直到成
功。
锁定之后服务宕机，无法释放，使用这种方式，服务宕机之后数据库会自己把锁释放掉。
但是还是无法直接解决数据库单点和可重入问题。

三、缓存锁

相比较于基于数据库实现分布式锁的方案来说，基于缓存来实现在性能方面会表现的更好一
点。而且很多缓存是可以集群部署的，可以解决单点问题。
redis2.6 之后，SET 命令支持超时和 key 存在检查，这是一个原子操作。

获取锁并设置超时时间:
SET key value [EX seconds] [PX milliseconds] [NX|XX]
删除锁:
DEL key

EX:单位是秒
PX:单位是毫秒
NX:如果 key 存在，返回 nil(失败)，不存在返回 ok
XX:如果 key 存在，返回 ok，不存在返回 nil(失败)

缓存锁优势是性能出色，劣势就是由于数据在内存中，一旦缓存服务宕机，锁数据就丢失了。像 redis 自带复制功能，可以对数据可靠性有一定的保证，但是由于复制也是异步完成的，因
此依然可能出现 master 节点写入锁数据而未同步到 slave 节点的时候宕机，锁数据丢失问题。

四、分布式锁

4.1 分布式锁—zookeeper

基于 zookeeper 临时有序节点可以实现的分布式锁。

大致思想即为：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。
判断是否获取锁的方式很简单，只需要判断有序节点中序号最小的一个。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。

来看下 Zookeeper 能不能解决前面提到的问题。

锁无法释放:使用 Zookeeper 可以有效的解决锁无法释放的问题，因为在创建锁的时候，客户端会在 ZK 中创建一个临时节点，一旦客户端获取到锁之后突然挂掉（Session 连接断开），那么这个临时节点就会自动删除掉。其他客户端就可以再次获得锁。

非阻塞锁:使用 Zookeeper 可以实现阻塞的锁，客户端可以通过在 ZK 中创建顺序节点，并且在节点上绑定监听器，一旦节点有变化，Zookeeper 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，便可以执行业务逻辑了。

不可重入:使用 Zookeeper 也可以有效的解决不可重入的问题，客户端在创建节点的时候，把当前客户端的主机信息和线程信息直接写入到节点中，下次想要获取锁的时候和当前最小的节点中的数据比对一下就可以了。如果和自己的信息一样，那么自己直接获取到锁，如果不一样就再创建一个临时的顺序节点，参与排队。

单点问题:使用 Zookeeper 可以有效的解决单点问题，ZK 是集群部署的，只要集群中有半数以上的机器存活，就可以对外提供服务。