单体应用下共享资源的操作需要使用本地锁(synchronized、reentrantLock),来控制共享资源访问问题。随着分布式的快速发展,本地锁已经无法解决并发问题,需要一种跨服务、跨JVM的锁机制:分布式锁。
分布式锁实现方式
通常把锁和应用分开部署,把这个锁做成公共组件,多个应用多个节点去访问这个组件,来解决共享资源的访问。
- 基于数据库的实现分布式
- 基于Redis的实现方式
- 基于Zookeeper的实现方式
基于Mysql数据库实现分布式锁
对于一些并发量不是很高的场景,可使用Mysql来实现分布式锁会比较精简且巧妙。
实现方案
乐观锁实现
一般是通过为数据库表添加"version"版本号字段,实现读取出数据时,取出版本号,之后更新时,对此版本号+1,在更新的时候,会对版本号进行比较,如果版本号一致,则更新数据,否则更新失败。
- 乐观锁优点是不依赖数据库本身的锁机制,不会影响性能。
- 乐观锁缺点是需要增加额外字段,version频繁更新,影响系统可用性。
- 乐观锁适合读操作场景,并不适合写操作频繁的场景。
悲观锁实现
基于排它锁(写锁) 实现,只允许获取锁的事务对数据进行更新或删除操作,其它事务对数据只能进行读操作,不能更新和删除操作。
在Mysql中,若基于排它锁实现行级锁,则需要对表中索引列加锁,否则的话,排它锁就属于表级锁。
关键SQL:select ... from XX for update
在查询语句后面增加for update,数据库会在查询过程中给数据库表增加排他锁。当某条记录被加上排他锁之后,其他线程无法再在该行记录上增加排他锁。
实例代码
(1)创建表
CREATE TABLE `dcs_lock` (
`id` int NOT NULL AUTO_INCREMENT COMMENT '主键',
`lock_name` varchar(64) CHARACTER SET utf8 NOT NULL DEFAULT '' COMMENT '锁名',
`desc` varchar(1024) CHARACTER SET utf8 NOT NULL DEFAULT '备注信息' COMMENT '描述信息',
`update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '保存数据时间',
PRIMARY KEY (`id`) USING BTREE,
UNIQUE INDEX `uidx_lock_name`(`lock_name`) USING BTREE
) ENGINE = InnoDB AUTO_INCREMENT = 1 COMMENT = '分布式锁';
(2)实现代码
@Configuration
public class MysqlLock {
@Resource
DataSource dataSource;
public void lock(Supplier<String> supplier, String lockName) {
Connection connection = null;
PreparedStatement preparedStatement = null;
try {
connection = dataSource.getConnection();
connection.setAutoCommit(false);
preparedStatement = connection.prepareStatement("select * from dcs_lock where lock_name = '"+lockName+"' for update");
preparedStatement.execute();
//执行业务操作
String res = supplier.get();
System.out.println(res);
} catch (Exception ex) {
ex.printStackTrace();
} finally {
if (connection != null) {
try {
//提交事务,释放锁
connection.commit();
//恢复自动提交
connection.setAutoCommit(true);
connection.close();
} catch (Exception ex) {
ex.printStackTrace();
}
}
if (preparedStatement != null) {
try {
preparedStatement.close();
} catch (SQLException ex) {
ex.printStackTrace();
}
}
}
}
}
(3)使用示例
MysqlLock mysqlLock = new MysqlLock();
String lockName = "test";
mysqlLock.lock(() -> {
System.out.println("执行业务操作");
return "SUCCESS";
},lockName);
基于Redis实现分布式锁
基于Redis实现分布式锁是平时开发中使用率较多的方式,从自己平时的积累和网上众多优质博客中,总结共计有以下几实现方案:
- setnx + expire 结合
- setnx,value = 过期时间
- lua 脚本(包含setnx + expire 指令)
- set 扩展命令(SET EX PX NX)
- redisson 开源框架
- 集群下 redLock 实现
实现方案
(1)setnx + expire 结合
SETNX 是SET IF NOT EXISTS的简写。日常命令格式是SETNX key value,如果 key不存在,则SETNX成功返回1,如果这个key已经存在了,则返回0。
但是这个方案存在缺陷,setnx 和 expire 两个命令是分开的,不是原子操作。如果执行完 setnx 加锁,正要执行 expire 设置过期时间时,程序宕机崩溃,导致锁没有设置过期时间,那么将会产生死锁。
(2) setnx,value = 过期时间
为解决方案(1)的缺陷,我们可以将过期时间放在value里面,但是过期时间是客户端生成的,所以需要保证所有客户端时间同步,还有一个问题,该锁没有保存持有者的唯一标识,可能被别的客户端释放/解锁。
(3)lua脚本
lua脚本可以保证 setnx 和 expire 两条指令的原子性,lua脚本如下:
if redis.call('setnx',KEYS[1],ARGV[1]) == 1 then
redis.call('expire',KEYS[1],ARGV[2])
else
return 0
end;
(4)set 扩展命令
相对于lua脚本,更好理解的便是,redis 的 set 指令扩展参数,也是有原子性的。
SET key value[EX seconds][PX milliseconds][NX|XX]
- EX seconds:设置键的过期时间,单位是秒。set key value ex seconds 等同于 setex key seconds value
- PX milliseconds:设置键的过期时间,单位是毫秒。set key value px milliseconds 等同于 psetex key milliseconds value。
- NX:只有键不存在的时候,才能set成功。
- XX:只有键存在的时候,才能set成功。
这种方案可能还存在问题,当业务还没执行完,锁过期释放了,这种临界问题咋处理呢?难道只是把过期时间设置长一点就可以啦?
(5)redisson 开源框架
Redisson - 是一个高级的分布式协调Redis客服端,能帮助用户在分布式环境中轻松实现一些Java的对象。当然,既然说到这里啦,Redission框架肯定帮我们解决了这些问题。
Redisson内部提供了一个监控锁的看门狗,它的作用是在Redisson实例被关闭前,不断的延长锁的有效期。附一张Redission底层原理图:
(6)集群下 redLock 实现
上面几种方案都是基于单机Redis实现的,没有考虑到集群部署的问题,在集群模式时由于主从复制延迟,或者主节点宕机,造成锁丢失或者解锁延迟的现象。
RedLock的实现步骤:
- 1.获取当前时间,以毫秒为单位。
- 2.按顺序向5个master节点请求加锁。客户端设置网络连接和响应超时时间,并且超时时间要小于锁的失效时间。如果超时,跳过该master节点,尽快去尝试下一个master节点。
- 3.客户端使用当前时间减去开始获取锁时间(即步骤1记录的时间),得到获取锁使用的时间。当且仅当超过一半的Redis master节点都获得锁,并且使用的时间小于锁失效时间时,锁才算获取成功。
- 如果取到了锁,key的真正有效时间就变啦,需要减去获取锁所使用的时间。
- 如果获取锁失败,客户端要在所有的master节点上解锁。
实例代码
既然有现成的框架可以直接使用,那么下面简单举例Springboot集成Redisson为例(单机模式下)。
(1)引入依赖
<dependency>
<groupId>org.redisson</groupId>
<artifactId>redisson-spring-boot-starter</artifactId>
<version>3.15.6</version>
</dependency>
复制代码
(2)redisson 配置
import org.redisson.Redisson;
import org.redisson.api.RedissonClient;
import org.redisson.config.Config;
import org.redisson.config.SingleServerConfig;
import org.redisson.config.TransportMode;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class RedissonConfig {
@Bean
public RedissonClient redissonClient(){
Config config = new Config();
config.setTransportMode(TransportMode.NIO);
SingleServerConfig singleServerConfig = config.useSingleServer();
singleServerConfig.setAddress("redis://127.0.0.1:6379");
singleServerConfig.setPassword("123456");
RedissonClient redisson = Redisson.create(config);
return redisson;
}
}
(3)测试客户端
@Resource
private RedissonClient redissonClient;
public void lockTest(){
RLock lock = redissonClient.getLock("LOCK_KEY");
try {
if (!lock.tryLock(10, TimeUnit.SECONDS)) {
System.out.println("锁失败");
}
//模拟
Thread.sleep(1000);
System.out.println("操作业务逻辑");
} catch (Exception e) {
e.printStackTrace();
} finally {
if (lock.isLocked() && lock.isHeldByCurrentThread()) {
lock.unlock();
}
}
}
基于Zookeeper实现分布式锁
Zookeeper是基于树形结构实现分布式锁,它有四种类型节点:
- 持久节点(PERSISTENT):默认的节点类型。创建节点的客户端与zookeeper断开连接后,该节点依旧存在 。
- 持久顺序节点(PERSISTENT_SEQUENTIAL): 所谓顺序节点,就是在创建节点时,Zookeeper根据创建的时间顺序给该节点名称进行编号:
- 临时节点(EPHEMERAL) :和持久节点相反,当创建节点的客户端与zookeeper断开连接后,临时节点会被删除。
- 临时顺序节点(EPHEMERAL_SEQUENTIAL) :顾名思义,临时顺序节点结合和临时节点和顺序节点的特点:在创建节点时,Zookeeper根据创建的时间顺序给该节点名称进行编号;当创建节点的客户端与Zookeeper断开连接后,临时节点会被删除。
Zookeeper分布式锁恰恰应用了临时顺序节点。
Zookeeper实现分布式锁流程
- 客户端获取锁时,在lock节点下创建临时顺序节点。
- 然后获取lock下面所有的子节点,客户端获取到所有的子节点之后,如果发现自己创建的子节点序号最小,那么就认为该客户端获取到了锁。使用完锁后,将该节点删除。
- 如果发现自己创建的节点并非lock节点下所有子节点中最小的,说明自己还没有获取到锁,此时客户端需要找到比自己小的那个节点,同时对其注册事件监听器,监听删除事件。
- 如果发现比自己小的那个节点被删除,则客户端的Watcher会受到相应通知,此时再判断自己创建的节点是否是lock子节点中序号最小的,如果是则获取到了锁,如果不是则重复以上步骤继续获取到比自己小的一个节点并注册监听。
实例代码
Curator就是Netflix开源的一套ZooKeeper客户端框架,它提供了zk场景的绝大部分实现,使用Curator就不必关心其内部算法,Curator提供了来实现分布式锁,用方法获取锁,以及用方法释放锁,同其他锁一样,方法需要放在finally代码块中,确保锁能正确释放。
(1)引入依赖
<!-- curator:zk客户端 -->
<dependency>
<groupId>org.apache.curator</groupId>
<artifactId>curator-framework</artifactId>
<version>4.2.0</version>
</dependency>
<dependency>
<groupId>org.apache.curator</groupId>
<artifactId>curator-recipes</artifactId>
<version>4.2.0</version>
</dependency>
(2)配置文件
curator:
connectionTimeoutMs: 5000
elapsedTimeMs: 5000
retryCount: 3
sessionTimeoutMs: 60000
connectString: 127.0.0.1:2181
(3)配置类
import lombok.Data;
import org.apache.curator.RetryPolicy;
import org.apache.curator.framework.CuratorFramework;
import org.apache.curator.framework.CuratorFrameworkFactory;
import org.apache.curator.retry.ExponentialBackoffRetry;
import org.springframework.boot.context.properties.ConfigurationProperties;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
@ConfigurationProperties(prefix = "curator")
@Data
public class CuratorConfig {
private int retryCount;
private int elapsedTimeMs;
private String connectString;
private int sessionTimeoutMs;
private int connectionTimeoutMs;
@Bean
public CuratorFramework curatorFramework() {
RetryPolicy retryPolicy = new ExponentialBackoffRetry(elapsedTimeMs, retryCount);
CuratorFramework curatorFramework = CuratorFrameworkFactory.builder()
.connectString(connectString)
.sessionTimeoutMs(sessionTimeoutMs)
.retryPolicy(retryPolicy)
.build();
return curatorFramework;
}
}
(4)测试类
import org.apache.curator.framework.CuratorFramework;
import org.apache.curator.framework.recipes.locks.InterProcessMutex;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;
@Component
public class LockClient {
@Autowired
private CuratorFramework curatorFramework;
public void lockTest(){
InterProcessMutex lock = new InterProcessMutex(curatorFramework, "/zk-lock");
try {
// 获取锁
lock.acquire();
System.out.println("业务处理逻辑");
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
//释放锁
lock.release();
} catch (Exception e) {
e.printStackTrace();
}
}
}
}
三种方案比较
方案
| 理解程度
| 实现程度
| 性能
| 可靠性
|
基于数据库
| 容易
| 复杂
| 差
| 不可靠
|
基于redis
| 一般
| 一般
| 高
| 可靠
|
基于zookeeper
| 难
| 简单
| 一般
| 一般
|