Redis实现分布式锁

本文介绍了分布式锁的概念及其在Java中的应用场景,并详细探讨了使用Redis实现分布式锁的方法,包括加锁、解锁、锁超时处理及守护线程机制。
1.何为分布式锁

        java  synchronized和Reentrantlock等只能保证同一个JVM进程的多个线程同步执行

而在分布式集群中,可以用分布式锁,实现资源同步访问。

2.实现分布式锁的常用方式

redis分布式锁

利用Redis的setnx命令。此命令同样是原子性操作,只有在key不存在的情况下,才能set成功

 Zookeeper分布式锁

利用Zookeeper的顺序临时节点,来实现分布式锁和等待队列。Zookeeper设计的初衷,就是为了实现分布式锁服务的。

Chubby

Google公司实现的粗粒度分布式锁服务,底层利用了Paxos一致性算法。

3.Redis方式实现分布式锁

 加锁

用setnx命令,key是锁的唯一标识,按业务来决定命名

setnx(key,1)

当一个线程执行setnx返回1,说明key原本不存在,该线程成功得到了锁;当一个线程执行setnx返回0,说明key已经存在,该线程抢锁失败。

解锁

有加锁就得有解锁。当得到锁的线程执行完任务,需要释放锁,以便其他线程可以进入。释放锁的最简单方式是执行del指令,伪代码如下:

del(key)

释放锁之后,其他线程就可以继续执行setnx命令来获得锁。

锁超时

锁超时是什么意思呢?如果一个得到锁的线程在执行任务的过程中挂掉,来不及显式地释放锁,这块资源将会永远被锁住,别的线程再也别想进来。

所以,setnx的key必须设置一个超时时间,以保证即使没有被显式释放,这把锁也要在一定时间后自动释放。setnx不支持超时参数,所以需要额外的指令,伪代码如下:

expire(key, 30)

综合起来,我们分布式锁实现的第一版伪代码如下:

if(setnx(key,1) == 1){

    expire(key,30)

    try {

        do something ......

    } finally {

        del(key)

    }

}

setnx和expire的非原子性

setnx刚执行成功,还未来得及执行expire指令,线程中断了,锁没有设置过期时间,变成“永生”,其他线程无法获得锁。

2.6.12以上版本为set指令增加了可选参数

set(key,1,30,NX)实现原子性

EX seconds − 设置指定的到期时间(以秒为单位)。

PX milliseconds - 设置指定的到期时间(以毫秒为单位)。

NX - 仅在键不存在时设置键。

XX - 只有在键已存在时才设置。

示例:redis 127.0.0.1:6379> SET mykey "redis" EX 60 NXOK

删除key的时候如果可能存在误删其他线程的key,删除key时应该删除本线程的key

优化代码变成

f(set(key,threadId,30,NX)

{   

      try {      

                  do something ......    

           } finally {      

            if(threadId .equals(redisClient.get(key))){  

                      del(key)

                }

      }

}

并发情况下如果线程的执行时间超过设置的过期时间,上面的解决方案都存在缺陷,比如线程a执行需要60s,30s的时候,锁超时,其他线程能拿到锁,我们可以让获得锁的线程开启一个守护线程,用来给快要过期的锁“续航”,当过去了29秒,线程A还没执行完,这时候守护线程会执行expire指令,为这把锁“续命”20秒。守护线程从第29秒开始执行,每20秒执行一次,当线程A执行完任务,会显式关掉守护线程。

守护线程版本代码:

String threadId = Thread.currentThread().getName();

if ("OK".equals(jedis.set("leo_lock_key", threadId, "NX", "EX", 30))) {

Thread thread =new Thread(new Runnable() {

@Override

        public void run() {

            try {

                Thread.sleep(29);

            } catch (InterruptedException e) {

                e.printStackTrace();

            }

            while (true) {

                jedis.pexpire("leo_lock_key", 20);

                try {

                    Thread.sleep(20);

                } catch (InterruptedException e) {

                    e.printStackTrace();

                }

}

}

    });

    thread.setDaemon(true);

    thread.start();

            try {

                System.out.println(" do something ......");

                }finally {

                        if (threadId.equals(jedis.get("leo_lock_key"))) {

                        jedis.del("leo_lock_key");

                }

        }

}

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值