這篇“redis分布式鎖的坑有哪些”文章的知識點大部分人都不太理解，所以小編給大家總結了以下內容，內容詳細，步驟清晰，具有一定的借鑒價值，希望大家閱讀完這篇文章能有所收獲，下面我們一起來看看這篇“redis分布式鎖的坑有哪些”文章吧。
使用redis的分布式鎖，我們首先想到的可能是setNx命令。
if (jedis.setnx(lockKey, val) == 1) {
jedis.expire(lockKey, timeout);
}容易，三下五除二，我們就可以把代碼寫好。
這段代碼確實可以加鎖成功，但你有沒有發現什么問題？
加鎖操作和后面的設置超時時間是分開的，并非原子操作。
假如加鎖成功，但是設置超時時間失敗了，該lockKey就變成永不失效。假如在高并發場景中，有大量的lockKey加鎖成功了，但不會失效，有可能直接導致redis內存空間不足。
那么，有沒有保證原子性的加鎖命令呢？
答案是：有，請看下面。
上面說到使用setNx命令加鎖操作和設置超時時間是分開的，并非原子操作。
而在redis中還有set命令，該命令可以指定多個參數。
String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);
if ("OK".equals(result)) {
return true;
}
return false;其中：
lockKey：鎖的標識
requestId：請求id
NX：只在鍵不存在時，才對鍵進行設置操作。
PX：設置鍵的過期時間為 millisecond 毫秒。
expireTime：過期時間
set命令是原子操作，加鎖和設置超時時間，一個命令就能輕松搞定。
使用set命令加鎖，表面上看起來沒有問題。但如果仔細想想，加鎖之后，每次都要達到了超時時間才釋放鎖，會不會有點不合理？加鎖后，如果不及時釋放鎖，會有很多問題。
分布式鎖更合理的用法是：
手動加鎖
業務操作
手動釋放鎖
如果手動釋放鎖失敗了，則達到超時時間，redis會自動釋放鎖。
大致流程圖如下：
那么問題來了，如何釋放鎖呢？
偽代碼如下：
try{
String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);
if ("OK".equals(result)) {
return true;
}
return false;
} finally {
unlock(lockKey);
}需要捕獲業務代碼的異常，然后在finally中釋放鎖。換句話說就是：無論代碼執行成功或失敗了，都需要釋放鎖。
此時，有些朋友可能會問：假如剛好在釋放鎖的時候，系統被重啟了，或者網絡斷線了，或者機房斷點了，不也會導致釋放鎖失??？
這是一個好問題，因為這種小概率問題確實存在。
但還記得前面我們給鎖設置過超時時間嗎？即使出現異常情況造成釋放鎖失敗，但到了我們設定的超時時間，鎖還是會被redis自動釋放。
但只在finally中釋放鎖，就夠了嗎？
做人要厚道，先回答上面的問題：只在finally中釋放鎖，當然是不夠的，因為釋放鎖的姿勢，還是不對。
哪里不對？
答：在多線程場景中，可能會出現釋放了別人的鎖的情況。
有些朋友可能會反駁：假設在多線程場景中，線程A獲取到了鎖，但如果線程A沒有釋放鎖，此時，線程B是獲取不到鎖的，何來釋放了別人鎖之說？
答：假如線程A和線程B，都使用lockKey加鎖。線程A加鎖成功了，但是由于業務功能耗時時間很長，超過了設置的超時時間。這時候，redis會自動釋放lockKey鎖。此時，線程B就能給lockKey加鎖成功了，接下來執行它的業務操作。恰好這個時候，線程A執行完了業務功能，接下來，在finally方法中釋放了鎖lockKey。這不就出問題了，線程B的鎖，被線程A釋放了。
我想這個時候，線程B肯定哭暈在廁所里，并且嘴里還振振有詞。
那么，如何解決這個問題呢？
不知道你們注意到沒？在使用set命令加鎖時，除了使用lockKey鎖標識，還多設置了一個參數：requestId，為什么要需要記錄requestId呢？
答：requestId是在釋放鎖的時候用的。
偽代碼如下：
if (jedis.get(lockKey).equals(requestId)) {
jedis.del(lockKey);
return true;
}
return false;在釋放鎖的時候，先獲取到該鎖的值（之前設置值就是requestId），然后判斷跟之前設置的值是否相同，如果相同才允許刪除鎖，返回成功。如果不同，則直接返回失敗。
換句話說就是：自己只能釋放自己加的鎖，不允許釋放別人加的鎖。
這里為什么要用requestId，用userId不行嗎？
答：如果用userId的話，對于請求來說并不唯一，多個不同的請求，可能使用同一個userId。而requestId是全局唯一的，不存在加鎖和釋放鎖亂掉的情況。
此外，使用lua腳本，也能解決釋放了別人的鎖的問題：
if redis.call('get', KEYS[1]) == ARGV[1] then
return redis.call('del', KEYS[1])
else
return 0
endlua腳本能保證查詢鎖是否存在和刪除鎖是原子操作，用它來釋放鎖效果更好一些。
說到lua腳本，其實加鎖操作也建議使用lua腳本：
if (redis.call('exists', KEYS[1]) == 0) then
redis.call('hset', KEYS[1], ARGV[2], 1);
redis.call('pexpire', KEYS[1], ARGV[1]);
return nil;
end
if (redis.call('hexists', KEYS[1], ARGV[2]) == 1)
redis.call('hincrby', KEYS[1], ARGV[2], 1);
redis.call('pexpire', KEYS[1], ARGV[1]);
return nil;
end;
return redis.call('pttl', KEYS[1]);這是redisson框架的加鎖代碼，寫的不錯，大家可以借鑒一下。
有趣，下面還有哪些好玩的東西？
上面的加鎖方法看起來好像沒有問題，但如果你仔細想想，如果有1萬的請求同時去競爭那把鎖，可能只有一個請求是成功的，其余的9999個請求都會失敗。
在秒殺場景下，會有什么問題？
答：每1萬個請求，有1個成功。再1萬個請求，有1個成功。如此下去，直到庫存不足。這就變成均勻分布的秒殺了，跟我們想象中的不一樣。
如何解決這個問題呢？
此外，還有一種場景：
比如，有兩個線程同時上傳文件到sftp，上傳文件前先要創建目錄。假設兩個線程需要創建的目錄名都是當天的日期，比如：20210920，如果不做任何控制，直接并發的創建目錄，第二個線程必然會失敗。
這時候有些朋友可能會說：這還不容易，加一個redis分布式鎖就能解決問題了，此外再判斷一下，如果目錄已經存在就不創建，只有目錄不存在才需要創建。
偽代碼如下：
try {
String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);
if ("OK".equals(result)) {
if(!exists(path)) {
mkdir(path);
}
return true;
}
} finally{
unlock(lockKey,requestId);
}
return false;一切看似美好，但經不起仔細推敲。
來自靈魂的一問：第二個請求如果加鎖失敗了，接下來，是返回失敗，還是返回成功呢？
主要流程圖如下：
顯然第二個請求，肯定是不能返回失敗的，如果返回失敗了，這個問題還是沒有被解決。如果文件還沒有上傳成功，直接返回成功會有更大的問題。頭疼，到底該如何解決呢？
答：使用自旋鎖。
try {
Long start = System.currentTimeMillis();
while(true) {
String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);
if ("OK".equals(result)) {
if(!exists(path)) {
mkdir(path);
}
return true;
}
long time = System.currentTimeMillis() - start;
if (time>=timeout) {
return false;
}
try {
Thread.sleep(50);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
} finally{
unlock(lockKey,requestId);
}
return false;在規定的時間，比如500毫秒內，自旋不斷嘗試加鎖（說白了，就是在死循環中，不斷嘗試加鎖），如果成功則直接返回。如果失敗，則休眠50毫秒，再發起新一輪的嘗試。如果到了超時時間，還未加鎖成功，則直接返回失敗。
好吧，學到一招了，還有嗎？
我們都知道redis分布式鎖是互斥的。假如我們對某個key加鎖了，如果該key對應的鎖還沒失效，再用相同key去加鎖，大概率會失敗。
沒錯，大部分場景是沒問題的。
為什么說是大部分場景呢？
因為還有這樣的場景：
假設在某個請求中，需要獲取一顆滿足條件的菜單樹或者分類樹。我們以菜單為例，這就需要在接口中從根節點開始，遞歸遍歷出所有滿足條件的子節點，然后組裝成一顆菜單樹。
需要注意的是菜單不是一成不變的，在后臺系統中運營同學可以動態添加、修改和刪除菜單。為了保證在并發的情況下，每次都可能獲取最新的數據，這里可以加redis分布式鎖。
加redis分布式鎖的思路是對的。但接下來問題來了，在遞歸方法中遞歸遍歷多次，每次都是加的同一把鎖。遞歸第一層當然是可以加鎖成功的，但遞歸第二層、第三層...第N層，不就會加鎖失敗了？
遞歸方法中加鎖的偽代碼如下：
private int expireTime = 1000;
public void fun(int level,String lockKey,String requestId){
try{
String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);
if ("OK".equals(result)) {
if(level<=10){
this.fun(++level,lockKey,requestId);
} else {
return;
}
}
return;
} finally {
unlock(lockKey,requestId);
}
}如果你直接這么用，看起來好像沒有問題。但最終執行程序之后發現，等待你的結果只有一個：出現異常。
因為從根節點開始，第一層遞歸加鎖成功，還沒釋放鎖，就直接進入第二層遞歸。因為鎖名為lockKey，并且值為requestId的鎖已經存在，所以第二層遞歸大概率會加鎖失敗，然后返回到第一層。第一層接下來正常釋放鎖，然后整個遞歸方法直接返回了。
這下子，大家知道出現什么問題了吧？
沒錯，遞歸方法其實只執行了第一層遞歸就返回了，其他層遞歸由于加鎖失敗，根本沒法執行。
那么這個問題該如何解決呢？
答：使用可重入鎖。
我們以redisson框架為例，它的內部實現了可重入鎖的功能。
古時候有句話說得好：為人不識陳近南，便稱英雄也枉然。
我說：分布式鎖不識redisson，便稱好鎖也枉然。哈哈哈，只是自娛自樂一下。
由此可見，redisson在redis分布式鎖中的江湖地位很高。
偽代碼如下：
private int expireTime = 1000;
public void run(String lockKey) {
RLock lock = redisson.getLock(lockKey);
this.fun(lock,1);
}
public void fun(RLock lock,int level){
try{
lock.lock(5, TimeUnit.SECONDS);
if(level<=10){
this.fun(lock,++level);
} else {
return;
}
} finally {
lock.unlock();
}
}上面的代碼也許并不完美，這里只是給了一個大致的思路，如果大家有這方面需求的話，以上代碼僅供參考。
接下來，聊聊redisson可重入鎖的實現原理。
加鎖主要是通過以下腳本實現的：
if (redis.call('exists', KEYS[1]) == 0)
then
redis.call('hset', 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]);其中：
KEYS[1]：鎖名
ARGV[1]：過期時間
ARGV[2]：uuid + ":" + threadId，可認為是requestId
先判斷如果鎖名不存在，則加鎖。
接下來，判斷如果鎖名和requestId值都存在，則使用hincrby命令給該鎖名和requestId值計數，每次都加1。注意一下，這里就是重入鎖的關鍵，鎖重入一次值就加1。
如果鎖名存在，但值不是requestId，則返回過期時間。
釋放鎖主要是通過以下腳本實現的：
if (redis.call('hexists', KEYS[1], ARGV[3]) == 0)
then
return nil
end
local counter = redis.call('hincrby', KEYS[1], ARGV[3], -1);
if (counter > 0)
then
redis.call('pexpire', KEYS[1], ARGV[2]);
return 0;
else
redis.call('del', KEYS[1]);
redis.call('publish', KEYS[2], ARGV[1]);
return 1;
end;
return nil先判斷如果鎖名和requestId值不存在，則直接返回。
如果鎖名和requestId值存在，則重入鎖減1。
如果減1后，重入鎖的value值還大于0，說明還有引用，則重試設置過期時間。
如果減1后，重入鎖的value值還等于0，則可以刪除鎖，然后發消息通知等待線程搶鎖。
再次強調一下，如果你們系統可以容忍數據暫時不一致，有些場景不加鎖也行，我在這里只是舉個例子，本節內容并不適用于所有場景。
如果有大量需要寫入數據的業務場景，使用普通的redis分布式鎖是沒有問題的。
但如果有些業務場景，寫入的操作比較少，反而有大量讀取的操作。這樣直接使用普通的redis分布式鎖，會不會有點浪費性能？
我們都知道，鎖的粒度越粗，多個線程搶鎖時競爭就越激烈，造成多個線程鎖等待的時間也就越長，性能也就越差。
所以，提升redis分布式鎖性能的第一步，就是要把鎖的粒度變細。
眾所周知，加鎖的目的是為了保證，在并發環境中讀寫數據的安全性，即不會出現數據錯誤或者不一致的情況。
但在絕大多數實際業務場景中，一般是讀數據的頻率遠遠大于寫數據。而線程間的并發讀操作是并不涉及并發安全問題，我們沒有必要給讀操作加互斥鎖，只要保證讀寫、寫寫并發操作上鎖是互斥的就行，這樣可以提升系統的性能。
我們以redisson框架為例，它內部已經實現了讀寫鎖的功能。
讀鎖的偽代碼如下：
RReadWriteLock readWriteLock = redisson.getReadWriteLock("readWriteLock");
RLock rLock = readWriteLock.readLock();
try {
rLock.lock();
//業務操作
} catch (Exception e) {
log.error(e);
} finally {
rLock.unlock();
}寫鎖的偽代碼如下：
RReadWriteLock readWriteLock = redisson.getReadWriteLock("readWriteLock");
RLock rLock = readWriteLock.writeLock();
try {
rLock.lock();
//業務操作
} catch (InterruptedException e) {
log.error(e);
} finally {
rLock.unlock();
}將讀鎖和寫鎖分開，最大的好處是提升讀操作的性能，因為讀和讀之間是共享的，不存在互斥性。而我們的實際業務場景中，絕大多數數據操作都是讀操作。所以，如果提升了讀操作的性能，也就會提升整個鎖的性能。
下面總結一個讀寫鎖的特點：
讀與讀是共享的，不互斥
讀與寫互斥
寫與寫互斥
此外，為了減小鎖的粒度，比較常見的做法是將大鎖：分段。
在java中ConcurrentHashMap，就是將數據分為16段，每一段都有單獨的鎖，并且處于不同鎖段的數據互不干擾，以此來提升鎖的性能。
放在實際業務場景中，我們可以這樣做：
比如在秒殺扣庫存的場景中，現在的庫存中有2000個商品，用戶可以秒殺。為了防止出現超賣的情況，通常情況下，可以對庫存加鎖。如果有1W的用戶競爭同一把鎖，顯然系統吞吐量會非常低。
為了提升系統性能，我們可以將庫存分段，比如：分為100段，這樣每段就有20個商品可以參與秒殺。
在秒殺的過程中，先把用戶id獲取hash值，然后除以100取模。模為1的用戶訪問第1段庫存，模為2的用戶訪問第2段庫存，模為3的用戶訪問第3段庫存，后面以此類推，到最后模為100的用戶訪問第100段庫存。
如此一來，在多線程環境中，可以大大的減少鎖的沖突。以前多個線程只能同時競爭1把鎖，尤其在秒殺的場景中，競爭太激烈了，簡直可以用慘絕人寰來形容，其后果是導致絕大數線程在鎖等待?，F在多個線程同時競爭100把鎖，等待的線程變少了，從而系統吞吐量也就提升了。
需要注意的地方是：將鎖分段雖說可以提升系統的性能，但它也會讓系統的復雜度提升不少。因為它需要引入額外的路由算法，跨段統計等功能。我們在實際業務場景中，需要綜合考慮，不是說一定要將鎖分段。
我在前面提到過，如果線程A加鎖成功了，但是由于業務功能耗時時間很長，超過了設置的超時時間，這時候redis會自動釋放線程A加的鎖。
有些朋友可能會說：到了超時時間，鎖被釋放了就釋放了唄，對功能又沒啥影響。
答：錯，錯，錯。對功能其實有影響。
通常我們加鎖的目的是：為了防止訪問臨界資源時，出現數據異常的情況。比如：線程A在修改數據C的值，線程B也在修改數據C的值，如果不做控制，在并發情況下，數據C的值會出問題。
為了保證某個方法，或者段代碼的互斥性，即如果線程A執行了某段代碼，是不允許其他線程在某一時刻同時執行的，我們可以用synchronized關鍵字加鎖。
但這種鎖有很大的局限性，只能保證單個節點的互斥性。如果需要在多個節點中保持互斥性，就需要用redis分布式鎖。
做了這么多鋪墊，現在回到正題。
假設線程A加redis分布式鎖的代碼，包含代碼1和代碼2兩段代碼。
由于該線程要執行的業務操作非常耗時，程序在執行完代碼1的時，已經到了設置的超時時間，redis自動釋放了鎖。而代碼2還沒來得及執行。
此時，代碼2相當于裸奔的狀態，無法保證互斥性。假如它里面訪問了臨界資源，并且其他線程也訪問了該資源，可能就會出現數據異常的情況。（PS：我說的訪問臨界資源，不單單指讀取，還包含寫入）
那么，如何解決這個問題呢？
答：如果達到了超時時間，但業務代碼還沒執行完，需要給鎖自動續期。
我們可以使用TimerTask類，來實現自動續期的功能：
Timer timer = new Timer();
timer.schedule(new TimerTask() {
@Override
public void run(Timeout timeout) throws Exception {
//自動續期邏輯
}
}, 10000, TimeUnit.MILLISECONDS);獲取鎖之后，自動開啟一個定時任務，每隔10秒鐘，自動刷新一次過期時間。這種機制在redisson框架中，有個比較霸氣的名字：watch dog，即傳說中的看門狗。
當然自動續期功能，我們還是優先推薦使用lua腳本實現，比如：
if (redis.call('hexists', KEYS[1], ARGV[2]) == 1) then
redis.call('pexpire', KEYS[1], ARGV[1]);
return 1;
end;
return 0;需要注意的地方是：在實現自動續期功能時，還需要設置一個總的過期時間，可以跟redisson保持一致，設置成30秒。如果業務代碼到了這個總的過期時間，還沒有執行完，就不再自動續期了。
自動續期的功能是獲取鎖之后開啟一個定時任務，每隔10秒判斷一下鎖是否存在，如果存在，則刷新過期時間。如果續期3次，也就是30秒之后，業務方法還是沒有執行完，就不再續期了。
上面花了這么多篇幅介紹的內容，對單個redis實例是沒有問題的。
but，如果redis存在多個實例。比如：做了主從，或者使用了哨兵模式，基于redis的分布式鎖的功能，就會出現問題。
具體是什么問題？
假設redis現在用的主從模式，1個master節點，3個slave節點。master節點負責寫數據，slave節點負責讀數據。
本來是和諧共處，相安無事的。redis加鎖操作，都在master上進行，加鎖成功后，再異步同步給所有的slave。
突然有一天，master節點由于某些不可逆的原因，掛掉了。
這樣需要找一個slave升級為新的master節點，假如slave1被選舉出來了。
如果有個鎖A比較悲催，剛加鎖成功master就掛了，還沒來得及同步到slave1。
這樣會導致新master節點中的鎖A丟失了。后面，如果有新的線程，使用鎖A加鎖，依然可以成功，分布式鎖失效了。
那么，如何解決這個問題呢？
答：redisson框架為了解決這個問題，提供了一個專門的類：RedissonRedLock，使用了Redlock算法。
RedissonRedLock解決問題的思路如下：
需要搭建幾套相互獨立的redis環境，假如我們在這里搭建了5套。
每套環境都有一個redisson node節點。
多個redisson node節點組成了RedissonRedLock。
環境包含：單機、主從、哨兵和集群模式，可以是一種或者多種混合。
在這里我們以主從為例，架構圖如下：
RedissonRedLock加鎖過程如下：
獲取所有的redisson node節點信息，循環向所有的redisson node節點加鎖，假設節點數為N，例子中N等于5。
如果在N個節點當中，有N/2 + 1個節點加鎖成功了，那么整個RedissonRedLock加鎖是成功的。
如果在N個節點當中，小于N/2 + 1個節點加鎖成功，那么整個RedissonRedLock加鎖是失敗的。
如果中途發現各個節點加鎖的總耗時，大于等于設置的最大等待時間，則直接返回失敗。
從上面可以看出，使用Redlock算法，確實能解決多實例場景中，假如master節點掛了，導致分布式鎖失效的問題。
但也引出了一些新問題，比如：
需要額外搭建多套環境，申請更多的資源，需要評估一下成本和性價比。
如果有N個redisson node節點，需要加鎖N次，最少也需要加鎖N/2+1次，才知道redlock加鎖是否成功。顯然，增加了額外的時間成本，有點得不償失。
由此可見，在實際業務場景，尤其是高并發業務中，RedissonRedLock其實使用的并不多。
在分布式環境中，CAP是繞不過去的。
CAP指的是在一個分布式系統中：
一致性（Consistency）
可用性（Availability）
分區容錯性（Partition tolerance）
這三個要素最多只能同時實現兩點，不可能三者兼顧。
如果你的實際業務場景，更需要的是保證數據一致性。那么請使用CP類型的分布式鎖，比如：zookeeper，它是基于磁盤的，性能可能沒那么好，但數據一般不會丟。
如果你的實際業務場景，更需要的是保證數據高可用性。那么請使用AP類型的分布式鎖，比如：redis，它是基于內存的，性能比較好，但有丟失數據的風險。
以上就是關于“redis分布式鎖的坑有哪些”這篇文章的內容，相信大家都有了一定的了解，希望小編分享的內容對大家有幫助，若想了解更多相關的知識內容，請關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
