Redis分布式锁原理及性能优化

分布式锁是什么

在单体架构中，系统只有一个，系统所用的内存和进程也只有一个，多个线程可以共享同一份数据。这样只要使用java提供的锁机制就可以解决并发访问带来的问题，但是分布式系统中，系统是多个，并且所使用的内存也是不同的，每个系统也都有独立的进程，这样Java提供的锁就没办法解决分布式系统中的并发访问问题。因此就需要引入分布式锁来解决分布式系统中共享资源访问的问题。

分布式锁的特性

• 要保证同一时刻内，只有一个服务获取到这个锁
• 这把锁要能重入，在某些业务下会出现同一把锁的重入
• 具备锁续命，保证高并发下不会因锁的时效问题引起数据错误
• 具有非阻塞式获取锁，在获取锁失败后立刻返回

基于Redisson实现的分布式锁

分布式锁失效问题

当主从或集群机构的主节点挂掉后，该节点存储的分布式锁信息可能会丢失。而当从节点选举成新节点后，其它线程又可以对新的主节点进行添加分布式锁信息，这就会引起并发安全问题。

• 为了解决这个问题，就引入了redlock。

  redlock的逻辑就是向多个节点写入加锁的信息，如果写入成功，加代表加锁成功。但是如果写入的节点丢失了锁的信息，仍然是会出现分布式锁失效问题。
  还有一点就是性能问题，我们使用redis就是为了它的高性能，但是使用redlock后每次加锁都要写入多个节点，这就会降低redis性能，这样还不如使用zookeeper。

Redisson实现分布式锁源码剖析

• 加锁核心逻辑
  
• 加锁成功后的锁续命逻辑

• 其它线程加锁失败后的逻辑：
  
• 解锁核心逻辑：
  

分布式锁的优化

• 对于读多写少的业务，可以使用readwirte锁：

public Product update(Product product) {
    Product productResult = null;
    // 获取分布式锁
    RReadWriteLock readWriteLock = redisson.getReadWriteLock(LOCK_PRODUCT_UPDATE_PREFIX + product.getId());
    // 写锁
    RLock writeLock = readWriteLock.writeLock();
    // 加锁
    writeLock.lock();
    try {
        productResult = productDao.update(product);
        // 设置过期时间
        redisUtil.set(productResult.getId(), JSON.toJSONString(productResult),
                genProductCacheTimeout(), TimeUnit.SECONDS);
    } finally {
        // 释放锁
        writeLock.unlock();
    }
    return productResult;
}

redisson实现的读写锁，大体上和上面的分布式锁逻辑相同，只是加了一个mode，用于区分是读还是写。对于读读而言，就等于是锁的重入，不会阻塞；对于读写、写写操作，就会阻塞保证并发的安全。

缓存问题

• 什么是缓存击穿？

  当同一时刻有大量的缓存失效，就会导致大量的请求打到数据库，会造成数据库压力过大甚至宕机。

  解决办法：在给缓存数据设置过期时间时，增加一个随机的扰动因子，避免让大量的缓存数据都同一时刻失效。

• 什么是缓存穿透？

  缓存层和数据库都没有数据，每次请求都会落到数据库，如果是高并发场景下，就会引起数据的压力剧增，甚至宕机。

  解决办法：
  1、对于不存在的数据，可以在缓存层面设置对应key的空值
  2、布隆过滤器，向布隆过滤器中添加key时，会先使用多个hash函数进行运算，然后定位到布隆过滤器的数组中某个下标。当某个key查询布隆过滤器数据时，会同样使用多个hash函数进行运算，然后得到数组中的下标位置。

• 什么是缓存雪崩？

  缓存层的作用就是分担数据库层面的压力，如果缓存层宕机，大量的请求就直接打到数据库，高并发下数据库有可能宕机。

  解决办法：
  1、确保缓存层的高可用，比如搭建集群、主从架构
  2、在后端应用上设置限流或服务降级