我们知道分布式锁的特性是排他、避免死锁、高可用。分布式锁的实现可以通过数据库的乐观锁(通过版本号)或者悲观锁(通过for update)、Redis的setnx()命令、Zookeeper(在某个持久节点添加临时有序节点，判断当前节点是否是序列中最小的节点，如果不是则监听比当前节点还要小的节点。如果是，获取锁成功。当被监听的节点释放了锁(也就是被删除)，会通知当前节点。然后当前节点再尝试获取锁，如此反复)
redis.png
本篇文章，主要讲如何用Redis的形式实现分布式锁。后续文章会讲解热点KEY读取，缓存穿透和缓存雪崩的场景和解决方案、缓存更新策略等等知识点，理论知识点较多。
Redis配置
我的redis配置如下
spring.redis.host= spring.redis.port=6379#reids超时连接时间spring.redis.timeout=100000 spring.redis.password=#连接池最大连接数spring.redis.pool.max-active=10000#连接池最大空闲数spring.redis.pool.max-idle=1000#连接池最大等待时间spring.redis.pool.max-wait=10000
@Component@Getter@Setter@ConfigurationProperties(prefix = "spring.redis")public class RedisConfig { @Value("${spring.redis.host}") private String host; @Value("${spring.redis.port}") private int port; @Value("${spring.redis.password}") private String password; @Value("${spring.redis.timeout}") private int timeout; @Value("${spring.redis.pool.max-active}") private int poolMaxActive; @Value("${spring.redis.pool.max-idle}") private int poolMaxIdle; @Value("${spring.redis.pool.max-wait}") private int poolMaxWait;
}@Componentpublic class RedisPoolFactory { @Autowired
private RedisConfig redisConfig; @Bean
public JedisPool jedisPoolFactory() {
JedisPoolConfig poolConfig = new JedisPoolConfig();
poolConfig.setMaxIdle(redisConfig.getPoolMaxIdle());
poolConfig.setMaxTotal(redisConfig.getPoolMaxActive());
poolConfig.setTestOnBorrow(true);
poolConfig.setMaxWaitMillis(redisConfig.getPoolMaxWait());
JedisPool jp = new JedisPool(poolConfig, redisConfig.getHost(), redisConfig.getPort(),
redisConfig.getTimeout(), redisConfig.getPassword(), 0); return jp;
}
}为了区分不同模块的key，我抽象出了一个KeyPrefix接口和BasePrefix类。
public interface KeyPrefix { int expireSeconds(); String getPrefix();
}/**
* @author cmazxiaoma
* @version V1.0
* @Description: TODO
* @date 2018/5/10 12:35
*/public abstract class BasePrefix implements KeyPrefix { private int expireSeconds; private String prefix; public BasePrefix(int expireSeconds, String prefix) { this.expireSeconds = expireSeconds; this.prefix = prefix;
} public BasePrefix(String prefix) { this(0, prefix);
} @Override
public int expireSeconds() { return expireSeconds;
} @Override
public String getPrefix() {
String className = getClass().getSimpleName(); return className + ":" + prefix;
}
}分布式锁分析与编码
下面进入正文。因为分布式系统之间是不同进程的，单机版的锁无法满足要求。所以我们可以借助中间件Redis的setnx()命令实现分布式锁。setnx()命令只会对不存在的key设值，返回1代表获取锁成功。对存在的key设值，会返回0代表获取锁失败。这里的value是System.currentTimeMillis() (获取锁的时间)+锁持有的时间。我这里设置锁持有的时间是200ms，实际业务执行的时间远比这200ms要多的多，持有锁的客户端应该检查锁是否过期，保证锁在释放之前不会过期。因为客户端故障的情况可能是很复杂的。比如现在有A，B俩个客户端。A客户端获取了锁，执行业务中做了骚操作导致阻塞了很久，时间应该远远超过200ms，当A客户端从阻塞状态下恢复继续执行业务代码时，A客户端持有的锁由于过期已经被其他客户端占有。这时候A客户端执行释放锁的操作，那么有可能释放掉其他客户端的锁。
我这里设置的客户端等待锁的时间是200ms。这里通过轮询的方式去让客户端获取锁。如果客户端在200ms之内没有锁的话，直接返回false。实际场景要设置合适的客户端等待锁的时间，避免消耗CPU资源。
如果获取锁的逻辑只有这三行代码的话，会造成死循环，明显不符合分布式锁的特性。
if (jedis.setnx(realKey, value) == 1) { return true;
}所以，我们要加上锁过期，然后获取锁的策略。通过realKey获取当前的currentValue。currentValue也就是获取锁的时间 + 锁持有的时间。 如果currentValue不等于null 且 currentValue 小于当前时间，说明锁已经过期。这时候如果突然来了C，D两个客户端获取锁的请求，不就让C，D两个客户端都获取锁了吗。如果防止这种现象发生，我们采用getSet()命令来解决。getSet(key,value)的命令会返回key对应的value，然后再把key原来的值更新为value。也就是说getSet()返回的是已过期的时间戳。如果这个已过期的时间戳等于currentValue，说明获取锁成功。
假设客户端A一开始持有锁，保存在redis中的value(时间戳)等于T1。
这时候客户端A的锁已经过期，那么C，D客户端就可以开始争抢锁了。currentValue是T1，C客户端的value是T2，D客户端的value是T3。首先C客户端进入到String oldValue = jedis.getSet(realKey, value);这行代码，获得的oldValue是T1，同时也会把realKey对应的value更新为T2。再执行后续的代码，oldValue等于currentValue，那么客户端C获取锁成功。接着D客户端也执行到了String oldValue = jedis.getSet(realKey, value);这行代码，获取的oldValue是T2，同时也会把realKey对应的value更新为T3。由于oldValue不等于currentValue，那么客户端D获取锁失败。
public boolean lock(KeyPrefix prefix, String key, String value) {
Jedis jedis = null;
Long lockWaitTimeOut = 200L;
Long deadTimeLine = System.currentTimeMillis() + lockWaitTimeOut; try {
jedis = jedisPool.getResource(); String realKey = prefix.getPrefix() + key; for (;;) { if (jedis.setnx(realKey, value) == 1) { return true;
} String currentValue = jedis.get(realKey); // if lock is expired
if (!StringUtils.isEmpty(currentValue) &&
Long.valueOf(currentValue) < System.currentTimeMillis()) { // gets last lock time
String oldValue = jedis.getSet(realKey, value); if (!StringUtils.isEmpty(oldValue) && oldValue.equals(currentValue)) { return true;
}
}
lockWaitTimeOut = deadTimeLine - System.currentTimeMillis(); if (lockWaitTimeOut <= 0L) { return false;
}
}
} finally {
returnToPool(jedis);
}
}我们讲解了获取的逻辑，接着讲讲释放锁的逻辑。我们在这里加上!StringUtils.isEmpty(currentValue) && value.equals(currentValue)判断是为了防止释放了不属于当前客户端的锁。还是举个例子，如果没有这个逻辑，A客户端调用unlock()方法之前，锁突然就过期了。这时候B客户端发现锁过期了，立马获取了锁。然后A客户端接着调用unlock()方法，却释放了原本属于B客户端的锁。
public void unlock(KeyPrefix prefix, String key, String value) {
Jedis jedis = null; try {
jedis = jedisPool.getResource(); String realKey = prefix.getPrefix() + key; String currentValue = jedis.get(realKey); if (!StringUtils.isEmpty(currentValue)
&& value.equals(currentValue)) {
jedis.del(realKey);
}
} catch (Exception ex) {
log.info("unlock error");
} finally {
returnToPool(jedis);
}
}编码RedisController，模拟商品秒杀操作。测试分布式锁是否可行。(强调：这里只是举一个例子，更直观的判断分布式锁可行,不适合实际场景！！！！！实际上抢购，是直接将库存放入到redis，是否结束标记放入到内存中，通过内存标记和redis中的decr()预减库存，然后将秒杀消息入队到消息队列中，最后消费消息并落地到DB中)
/**
* @author cmazxiaoma
* @version V1.0
* @Description: TODO
* @date 2018/8/28 9:27
*/@RestController@RequestMapping("/redis")public class RedisController { private static LongAdder longAdder = new LongAdder(); private static Long LOCK_EXPIRE_TIME = 200L; private static Long stock = 10000L; @Autowired
private RedisService redisService; static {
longAdder.add(10000L);
} @GetMapping("/v1/seckill") public String seckillV1() {
Long time = System.currentTimeMillis() + LOCK_EXPIRE_TIME; if (!redisService.lock(SeckillKeyPrefix.seckillKeyPrefix, "redis-seckill", String.valueOf(time))) { return "人太多了，换个姿势操作一下";
} if (longAdder.longValue() == 0L) { return "已抢光";
}
doSomeThing(); if (longAdder.longValue() == 0L) { return "已抢光";
}
longAdder.decrement();
redisService.unlock(SeckillKeyPrefix.seckillKeyPrefix, "redis-seckill", String.valueOf(time));
Long stock = longAdder.longValue();
Long bought = 10000L - stock; return "已抢" + bought + ", 还剩下" + stock;
} @GetMapping("/detail") public String detail() {
Long stock = longAdder.longValue();
Long bought = 10000L - stock; return "已抢" + bought + ", 还剩下" + stock;
} @GetMapping("/v2/seckill") public String seckillV2() { if (longAdder.longValue() == 0L) { return "已抢光";
}
doSomeThing(); if (longAdder.longValue() == 0L) { return "已抢光";
}
longAdder.decrement();
Long stock = longAdder.longValue();
Long bought = 10000L - stock; return "已抢" + bought + ", 还剩下" + stock;
} @GetMapping("/v3/seckill") public String seckillV3() { if (stock == 0) { return "已抢光";
}
doSomeThing();
stock--;
Long bought = 10000L - stock; return "已抢" + bought + ", 还剩下" + stock;
} public void doSomeThing() { try {
TimeUnit.MILLISECONDS.sleep(100);
} catch (InterruptedException ex) {
ex.printStackTrace();
}
}
}对http://localhost:8081/redis/v1/seckill进行压测，我使用的压测工具是ab测试工具。这里用10000个并发用户，20000个请求来进行压测。
ab -c 10000 -n 20000 http://localhost:8081/redis/v1/seckill
压测结果如下：
E:\cmazxiaoma_download\httpd-2.4.34-o102o-x64-vc14\Apache24\bin>ab -c 10000 -n 20000 http://localhost:8081/redis/v1/seckillThis is ApacheBench, Version 2.3 <$Revision: 1826891 $> Copyright 1996 Adam Twiss, Zeus Technology Ltd, http://www.zeustech.net/Licensed to The Apache Software Foundation, http://www.apache.org/Benchmarking localhost (be patient) Completed 2000 requests Completed 4000 requests Completed 6000 requests Completed 8000 requests Completed 10000 requests Completed 12000 requests Completed 14000 requests Completed 16000 requests Completed 18000 requests Completed 20000 requests Finished 20000 requests Server Software: Server Hostname: localhost Server Port: 8081Document Path: /redis/v1/seckill Document Length: 22 bytes Concurrency Level: 10000Time taken for tests: 108.426 seconds Complete requests: 20000Failed requests: 19991 (Connect: 0, Receive: 0, Length: 19991, Exceptions: 0) Total transferred: 3420218 bytes HTML transferred: 760218 bytes Requests per second: 184.46 [#/sec] (mean)Time per request: 54213.000 [ms] (mean) Time per request: 5.421 [ms] (mean, across all concurrent requests) Transfer rate: 30.80 [Kbytes/sec] received Connection Times (ms) min mean[+/-sd] median max Connect: 0 0 6.3 0 549Processing: 2393 36477 16329.1 45101 90269Waiting: 182 36435 16351.4 45046 90267Total: 2393 36477 16329.0 45101 90269Percentage of the requests served within a certain time (ms) 50% 45101 66% 47680 75% 49136 80% 50392 90% 53200 95% 53743 98% 54510 99% 56014 100% 90269 (longest request)
我们再来看看是否有超卖现象，貌似还是正常。
作者：cmazxiaoma
链接：https://www.jianshu.com/p/83224c0f3bb9
随时随地看视频
