分布式锁方案

 目前各大型网站及应用都是分布式部署，分布式场景中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（Partition tolerance），最多只能同时满足两项。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（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。

单机环境 

单机环境下只有当前JVM虚拟机A（或一个服务器）中的多个线程对同一个Object（共享资源）进行操作时，可以采用同步互斥（就是只有同一时间只有一个线程对共享资源进行事务操作）的方式，我们常用的方式就是采用加锁的方式（synchronized和lock）解决，虽然不能保证数据的强一致性，但是能够保证数据的最终一致性。

非单机环境下如果两个虚拟机A和B（或两个服务器）同时对同一个共享资源（数据库中的一张表或者数据库中的一行数据进行操作），那么这时候就不能采用加锁的方式了，因为多个服务器的内存是不共享的，加锁只能锁住当前服务器的进程和线程，加锁的方式就局限在解决一个虚拟机中的线程安全问题了， 这时候就出现了分布式锁，用来解决分布式系统之间访问共享数据，共享数据在同一时间只能被某个服务器中某单个进程/线程操作,从而保证数据的一致性

基于数据库的分布式锁（可通过数据库的悲观锁/乐观锁来实现的分布式锁）

基于Redis的分布式锁

基于Redis实现分布式锁执行流程：
1、虚拟机实例A根据Hash算法选择Redis节点（Redis采用的是集群部署，每个服务器都是一个节点），执行Lua脚本加锁（就是通过setnx方法，即set一个key（主键id）到Redis当中，判断Redis中是否有当前key，没有，就返回1，表示加锁成功，有就返回0，表示加锁失败）,并且设置锁的过期时间。当虚拟机A对共享资源上锁成功过后，就拥有了对共享数据的操作权限，然后就可以对共享数据的操作处理，执行事务处理。

问题：在从Redis获取锁的过程和进行设置锁的过期时间过程中出现宕机，就会出现锁一辈子不会被释放？出现死锁问题？

这时候就需要保证获取锁和设置锁的过期时间两行代码的原子性，就是要么同时成功，要么同时失败，如何实现呢？-----这时候只要保证将两行代码变成一行代码即可。

  原本的setnx和expire是两行代码

if（jedis.setnx（lock_stock，1） == 1）{	//获取锁
//=========在这里出现宕机了=====死锁问题出现了=========
    expire（lock_stock，5）		 //设置锁超时
    try {
        业务代码
    } finally {
        jedis.del（lock_stock）			 //释放锁
    }
}

 通过set变成一行代码过后，解决了死锁问题

if（set(lock_stock,1,"NX","EX",5) == 1）{	//获取锁并设置超时
    try {
        业务代码
    } finally {
        del（lock_stock）			 		//释放锁
    }
}

2、这时候如果虚拟机B也需要对共享资源进行操作，也去执行lua脚本进行加锁（就是采用setnx的方式--通过set一个key到redis，判断redis中是否已经存储了这个key（行数据的主键id）），如果查询到redis中没有，就会返回1表示加锁成功，如果有就会返回0表示加锁失败 ，这就能保证共享资源同一时间不会被多个虚拟机同时操作。

3、当虚拟机A执行完对自己已经加锁的共享资源执行操作完成之后，必须要执行DEL释放锁，不然其他虚拟机包括虚拟机A都不能再对当前共享资源进行加锁操作，

问题：虚拟机A能保证会执行完成过后一定执行DEL释放锁吗？ 答案是：不一定的

4、当虚拟机A执行对共享资源事务操作完成之后，在执行DEL释放锁之前，代码出现问题，抛出异常就会出现这种问题，虚拟机A就永远不能执行DEL释放锁了,就会导致后续上锁都会失败。

问题：所以就出现上面这个执行流程，如何解决呢？         

5、这时候起初指执行lua脚本加锁的时候，存储一个过期时间，当不能主动进行DEL释放锁时，到达Redis设置的过期时间，锁就会过期。

这个时候又会出现另一个问题? 就是虚拟机A在设置的过期时间以内还没有执行完对共享资源的操作，锁就过期了，如何解决呢？

6、这时候就会执行最后一个流程，后台守护线程（类似于Redission内部提供一个监控锁的看门狗），来定期的检查锁是否存在，如果存在，延长key的过期时间，还需要判断事务是否还在正常执行，如果是异常已经抛出异常，就不用进行后台守护线程了，然后等待锁自动过期。

说这么多？其实就是明白其执行原理，而实际开发过程中，大佬们已经使用Redission封装好了上面的具体实现细节。

Redission实现分布式锁【封装了基于Redis的分布式锁】
Redission简单理解为就是操作Redis的一个工具包，让我们使用Redis更加简单，让使用者能够将精力更集中地放在处理业务逻辑上。

Redisson实现分布式锁

1、Redisson加锁自动有过期时间30s，监控锁的看门狗发现业务没执行完，会自动进行锁的续期(重回30s)，这样做的好处是防止在程序还没有执行结束，锁自动过期被删除问题
2、当业务执行完成不再给锁续期，即使没有手动释放锁，锁的过期时间到了也会自动释放锁

 // 获取锁
        RLock lock = redisson.getLock(LOCK_KEY);
        try {
            // 加锁
            lock.lock();
            int s = Integer.parseInt(Objects.requireNonNull(stringRedisTemplate.opsForValue().get(REDIS_KEY)));
            if (s > 0) {
                // 扣库存
                s--;
                System.out.printf("秒杀商品个数剩余：" + s + "\n");
                // 更新库存
                stringRedisTemplate.opsForValue().set(REDIS_KEY, String.valueOf(s));
            } else {
                System.out.println("活动太火爆了，商品已经被抢购一空了！");
            }
        } catch (Exception e) {
            System.out.println(Thread.currentThread().getName() + "异常：");
            e.printStackTrace();
        } finally {
            // 释放锁
            lock.unlock();
        }

基于Zookeeper的分布式锁
ZooKeeper是一个分布式的协调服务，Zookeeper是基于CP，注重数据的一致性，若主机挂掉则Zookeeper不会对外进行提供服务了，需要选择一个新的Leader出来才能提供服务，不保证高可用性。简单来说zookeeper=文件系统+监听通知机制。

Zookeeper数据模型

Zookeeper会维护一个具有层次关系的树状的数据结构，它非常类似于一个标准的文件系统,如下图所示:同一个目录下不能有相同名称的目录节点 

每个子目录项如 NameService 都被称作为 znode(目录节点)，和文件系统一样，我们能够自由的增加、删除znode，在一个znode下增加、删除子znode，唯一的不同在于znode是可以存储数据的。

有四种类型的znode：

• PERSISTENT-持久化目录节点 客户端与zookeeper断开连接后，该节点依旧存在
• PERSISTENT_SEQUENTIAL-持久化顺序编号目录节点，客户端与zookeeper断开连接后，该节点依旧存在，只是Zookeeper给该节点名称进行顺序编号
• EPHEMERAL-临时目录节点，客户端与zookeeper断开连接后，该节点被删除
• EPHEMERAL_SEQUENTIAL-临时顺序编号目录节点，客户端与zookeeper断开连接后，该节点被删除，只是Zookeeper给该节点名称进行顺序编号

监听通知机制

        客户端注册监听它关心的目录节点，当目录节点发生变化（数据改变、被删除、子目录节点增加删除）时，zookeeper会通知客户端。

    实现方案：临时顺序目录节点+监听机制

在项目中可以使用curator，这个是Apache封装好的基于zookeeper的分布式锁方案