redis:Redisson实现Redis分布式锁的底层原理-优快云博客

项目里面使用了这段代码，之前面试的时候问过是什么原理，我原先以为是底层执行了setnx，今天看了下源码发现不是，所以查了下

RLock lock = redissonClient.getLock("myLock");
if(lock.tryLock(0, 16, TimeUnit.HOURS)) {
	try {
		run();
	} catch (Exception e) {
		log.error("run some error", e);
	} finally {
		lock.unlock();
	}
}

在这里插入图片描述

原理分析

分布式锁要解决的是分布式环境下，并行相同代码的加锁功能；了解过redis分布式锁的人肯定知道，一开始redis作为分布式锁用的是setnx，再这基础上设置个定时过期时间，但这种方式有什么问题呢？

首先是原子性问题，setnx+过期时间这两个操作必须是原子性的，所以这可以用lua脚本解决
再然后是释放锁的时机该如何定？

不管我们定多少过期时间，都不能保证，在这段时间内锁住的代码执行完成了，所以这个时间定多少都不好；
如果不定时间，当执行完成后释放锁，问题就是如果执行到一半机器宕机，那这把锁就永远放不掉了

那Redisson是如何解决上述问题的呢？
它对代码进行了精简的封装，我们的使用非常简单，甚至我们不用主动设置过期时间。

它设计了个watch dog看门狗，每隔10秒会检查一下是否还持有锁，若持有锁，就给他更新过期时间30秒；通过这样的设计，可以让他在没有释放锁之前一直持有锁，哪怕宕机了，也能自动释放锁。而不能获得锁的客户端则是不断循环尝试加锁

通过记录锁的客户端id，可以把它设计成可重入锁

myLock: {
	"8743c9c0-0795-4907-87fd-6c719a6b4586:1" : 1
}

结合redisson原理图我们可以把加锁过程中的问题分成6块：

1.加锁机制

咱们来看上面那张图，现在某个客户端要加锁。如果该客户端面对的是一个redis cluster集群，他首先会根据hash节点选择一台机器。这里注意，仅仅只是选择一台机器！这点很关键！紧接着，就会发送一段lua脚本到redis上，那段lua脚本如下所示：

    <T> RFuture<T> tryLockInnerAsync(long waitTime, long leaseTime, TimeUnit unit, long threadId, RedisStrictCommand<T> command) {
        return evalWriteAsync(getRawName(), LongCodec.INSTANCE, command,
                "if (redis.call('exists', KEYS[1]) == 0) then " +
                        "redis.call('hincrby', KEYS[1], ARGV[2], 1); " +
                        "redis.call('pexpire', KEYS[1], ARGV[1]); " +
                        "return nil; " +
                        "end; " +
                        "if (redis.call('hexists', KEYS[1], ARGV[2]) == 1) then " +
                        "redis.call('hincrby', KEYS[1], ARGV[2], 1); " +
                        "redis.call('pexpire', KEYS[1], ARGV[1]); " +
                        "return nil; " +
                        "end; " +
                        "return redis.call('pttl', KEYS[1]);",
                Collections.singletonList(getRawName()), unit.toMillis(leaseTime), getLockName(threadId));
    }

为啥要用lua脚本呢？
因为一大坨复杂的业务逻辑，可以通过封装在lua脚本中发送给redis，保证这段复杂业务逻辑执行的原子性。

那么，这段lua脚本是什么意思呢？这里KEYS[1]代表的是你加锁的那个key，
比如说：RLock lock = redisson.getLock(“myLock”); 这里你自己设置了加锁的那个锁key就是“myLock”。

ARGV[1]：unit.toMillis(leaseTime) 代表的就是锁key的默认生存时间，默认30秒。
ARGV[2]：getLockName 代表的是加锁的客户端的ID，类似于下面这样：8743c9c0-0795-4907-87fd-6c719a6b4586:1

就是用“exists myLock”命令判断一下，如果你要加锁的那个锁key不存在的话，你就进行加锁。
“hincrby myLock 8743c9c0-0795-4907-87fd-6c719a6b4586:1 1” 加锁
通过这个命令设置一个hash数据结构，这行命令执行后，会出现一个类似下面的数据结构：

myLock: {
	"8743c9c0-0795-4907-87fd-6c719a6b4586:1" : 1
}

上述就代表“8743c9c0-0795-4907-87fd-6c719a6b4586:1”这个客户端对“myLock”这个锁key完成了加锁。
3. “pexpire myLock 30000”，设置myLock这个锁key的生存时间是30秒。好了，到此为止，ok，加锁完成了。

2.锁互斥机制

那么在这个时候，如果客户端2来尝试加锁，执行了同样的一段lua脚本，会咋样呢？

“exists myLock”，发现myLock这个锁key已经存在了。
“hexists myLock 1234567-0795-4907-87fd-6c719a6b4586:2”，判断一下myLock锁key的hash数据结构中，是否包含客户端2的ID，但是明显不是的，因为那里包含的是客户端1的ID。
“pttl myLock”，这个数字代表了myLock这个锁key的剩余生存时间。比如还剩15000毫秒的生存时间。此时客户端2会进入一个while循环，不停的尝试加锁。

3. watch dog自动延期机制

客户端1加锁的锁key默认生存时间才30秒，如果超过了30秒，客户端1还想一直持有这把锁，怎么办呢？

简单！只要客户端1一旦加锁成功，就会启动一个watch dog看门狗，他是一个后台线程，会每隔10秒检查一下，如果客户端1还持有锁key，那么就会不断的延长锁key的生存时间。

4.可重入加锁机制

那如果客户端1都已经持有了这把锁了，结果可重入的加锁会怎么样呢？比如下面这种代码

    RLock lock = redissonClient.getLock("myLock");
    lock.lock();

    System.out.println("一大坨代码.....");
    lock.lock();
    System.out.println("一大坨代码....");
    lock.unlock();
    lock.unlock();

第一个if判断肯定不成立，“exists myLock”会显示锁key已经存在了。
第二个if判断会成立，因为myLock的hash数据结构中包含的那个ID，就是客户端1的那个ID，也就是“8743c9c0-0795-4907-87fd-6c719a6b4586:1”

此时就会执行可重入加锁的逻辑，他会用：
incrby myLock 8743c9c0-0795-4907-87fd-6c71a6b4586:1 1 ，

通过这个命令，对客户端1的加锁次数，累加1。此时myLock数据结构变为下面这样：

myLock: {
	"8743c9c0-0795-4907-87fd-6c719a6b4586:1" : 2
}

那个myLock的hash数据结构中的那个客户端ID，就对应着加锁的次数.

5.释放锁机制

如果执行lock.unlock()，就可以释放分布式锁，此时的业务逻辑也是非常简单的。其实说白了，就是每次都对myLock数据结构中的那个加锁次数减1。如果发现加锁次数是0了，说明这个客户端已经不再持有锁了，此时就会用：“del myLock”命令，从redis里删除这个key。然后呢，另外的客户端2就可以尝试完成加锁了。这就是所谓的分布式锁的开源Redisson框架的实现机制。

一般我们在生产系统中，可以用Redisson框架提供的这个类库来基于redis进行分布式锁的加锁与释放锁。

6.上述Redis分布式锁的缺点

其实上面那种方案最大的问题，就是如果你对某个redis master实例，写入了myLock这种锁key的value，此时会异步复制给对应的master slave实例。但是这个过程中一旦发生redis master宕机，主备切换，redis slave变为了redis master。接着就会导致，客户端2来尝试加锁的时候，在新的redis master上完成了加锁，而客户端1也以为自己成功加了锁。此时就会导致多个客户端对一个分布式锁完成了加锁。这时系统在业务语义上一定会出现问题，导致各种脏数据的产生。所以这个就是redis cluster，或者是redis master-slave架构的主从异步复制导致的redis分布式锁的最大缺陷：在redis master实例宕机的时候，可能导致多个客户端同时完成加锁。