分布式锁的几种实现方式

为什么需要分布式锁？

大多数互联网系统都是分布式部署的，分布式部署确实能带来性能和效率上的提升，但同时我们就需要多解决一个分布式环境下，数据一致性的问题。当某个资源在多系统之间，具有共享性的时候，为了保证大家访问这个资源数据是一致的，那么就必须要求在同一时刻只能被一个客户端处理，不能并发的执行，否者就会出现同一时刻有人写有人读，大家访问到的数据就不一致了。
在单机时代，虽然不需要分布式锁，但也面临过类似的问题，只不过在单机的情况下，如果有多个线程要同时访问某个共享资源的时候，我们可以采用线程间加锁的机制，即当某个线程获取到这个资源后，就立即对这个资源进行加锁，当使用完资源之后，再解锁，其它线程就可以接着使用了。例如，在JAVA中，甚至专门提供了一些处理锁机制的一些API（synchronize/Lock等）。
但是到了分布式系统的时代，这种线程之间的锁机制，就没作用了，系统可能会有多份并且部署在不同的机器上，这些资源已经不是在线程之间共享了，而是属于进程之间共享的资源。
因此，为了解决这个问题，我们就必须引入分布式锁。
分布式锁，是指在分布式的部署环境下，通过锁机制来让多客户端互斥的对共享资源进行访问。

分布式锁要满足哪些要求？

排他性
在同一时间只会有一个客户端能获取到锁，其它客户端无法同时获取。
避免死锁
这把锁在一段有限的时间之后，一定会被释放（正常释放或异常释放）。
高可用
获取或释放锁的机制必须高可用且性能佳。

分布式锁的实现方式有哪些？

目前主流的有三种，从实现的复杂度上来看，从上往下难度依次增加：
基于数据库实现<基于Redis实现<基于ZooKeeper实现

基于数据库实现

基于数据库来做分布式锁的话，通常有两种做法：

• 基于数据库的乐观锁
• 基于数据库的悲观锁

基于数据库的乐观锁实现
乐观锁机制其实就是在数据库表中引入一个版本号（version）字段来实现的。当我们要从数据库中读取数据的时候，同时把这个version字段也读出来，如果要对读出来的数据进行更新后写回数据库，则需要将version加1，同时将新的数据与新的version更新到数据表中，且必须在更新的时候同时检查目前数据库里version值是不是之前的那个version，如果是，则正常更新。如果不是，则更新失败，说明在这个过程中有其它的进程去更新过数据了。
基于数据库的悲观锁实现
悲观锁也叫作排它锁，在Mysql中是基于 for update 来实现加锁的。通过 for update 操作，数据库在查询的时候就会给正在查询的记录加上排它锁。
当某条记录加上排它锁之后，其它线程是无法操作这条记录的。
如此，我们就可以认为获得了排它锁的这个线程是拥有了分布式锁，然后就可以执行我们想要做的业务逻辑，当逻辑完成之后，再释放锁即可。

基于Redis实现

基于Redis实现的锁机制，主要是依赖Redis自身的原子操作，例如：

SET user_key user_value MX PX 100

redis从2.6.12版本开始，SET命令才支持这些参数：
NX：只在在键不存在时，才对键进行设置操作，SET key value NX 效果等同于 SETNX key value。
PX millisecond：设置键的过期时间为millisecond毫秒，当超过这个时间后，设置的键会自动失效。
上述代码示例是指，当redis中不存在user_key这个键的时候，才会去设置一个user_key键，并且给这个键的值设置为 user_value，且这个键的存活时间为100ms。
由于这个命令是只有在某个key不存在的时候，才会执行成功。那么当多个进程同时并发的去设置同一个key的时候，就永远只会有一个进程成功。
当某个进程设置成功之后，就可以去执行业务逻辑了，等业务逻辑执行完毕之后，再去进行解锁。
解锁很简单，只需要删除这个key就可以了，不过删除之前需要判断，这个key对应的value是当初自己设置的那个。
另外，针对Redis集群模式的分布式锁，可以采用Redis的Redlock机制。

基于ZooKeeper实现

基于ZooKeeper，就是使用它的临时有序节点来实现的分布式锁。
其原理是当某客户端要进行逻辑的加锁时，就在zookeeper上的某个指定节点的目录下，去生成一个唯一的临时有序节点， 然后判断自己是否是这些有序节点中序号最小的一个，如果是，则算是获取了锁。如果不是，则说明没有获取到锁，那么就需要在序列中找到比自己小的那个节点，并对其调用exist()方法，对其注册事件监听，当监听到这个节点被删除了，那就再去判断一次自己当初创建的节点是否变成了序列中最小的。如果是，则获取锁，如果不是，则重复上述步骤，当释放锁的时候，只需将这个临时节点删除即可。