分布式鎖用 Redis 還是 Zookeeper？
來源：石杉的架構(gòu)筆記
為什么用分布式鎖？
在討論這個問題之前，我們先來看一個業(yè)務場景：
系統(tǒng)A是一個電商系統(tǒng)，目前是一臺機器部署，系統(tǒng)中有一個用戶下訂單的接口，但是用戶下訂單之前一定要去檢查一下庫存，確保庫存足夠了才會給用戶下單。
由于系統(tǒng)有一定的并發(fā)，所以會預先將商品的庫存保存在redis中，用戶下單的時候會更新redis的庫存。
此時系統(tǒng)架構(gòu)如下：
但是這樣一來會產(chǎn)生一個問題：假如某個時刻，redis里面的某個商品庫存為1，此時兩個請求同時到來，其中一個請求執(zhí)行到上圖的第3步，更新數(shù)據(jù)庫的庫存為0，但是第4步還沒有執(zhí)行。
而另外一個請求執(zhí)行到了第2步，發(fā)現(xiàn)庫存還是1，就繼續(xù)執(zhí)行第3步。
這樣的結(jié)果，是導致賣出了2個商品，然而其實庫存只有1個。
很明顯不對??！這就是典型的庫存超賣問題
此時，我們很容易想到解決方案：用鎖把2、3、4步鎖住，讓他們執(zhí)行完之后，另一個線程才能進來執(zhí)行第2步。
按照上面的圖，在執(zhí)行第2步時，使用Java提供的synchronized或者ReentrantLock來鎖住，然后在第4步執(zhí)行完之后才釋放鎖。
這樣一來，2、3、4 這3個步驟就被“鎖”住了，多個線程之間只能串行化執(zhí)行。
但是好景不長，整個系統(tǒng)的并發(fā)飆升，一臺機器扛不住了。現(xiàn)在要增加一臺機器，如下圖：
增加機器之后，系統(tǒng)變成上圖所示，我的天！
假設(shè)此時兩個用戶的請求同時到來，但是落在了不同的機器上，那么這兩個請求是可以同時執(zhí)行了，還是會出現(xiàn)庫存超賣的問題。
為什么呢？因為上圖中的兩個A系統(tǒng)，運行在兩個不同的JVM里面，他們加的鎖只對屬于自己JVM里面的線程有效，對于其他JVM的線程是無效的。
因此，這里的問題是：Java提供的原生鎖機制在多機部署場景下失效了
這是因為兩臺機器加的鎖不是同一個鎖(兩個鎖在不同的JVM里面)。
那么，我們只要保證兩臺機器加的鎖是同一個鎖，問題不就解決了嗎？
此時，就該分布式鎖隆重登場了，分布式鎖的思路是：
在整個系統(tǒng)提供一個全局、唯一的獲取鎖的“東西”，然后每個系統(tǒng)在需要加鎖時，都去問這個“東西”拿到一把鎖，這樣不同的系統(tǒng)拿到的就可以認為是同一把鎖。
至于這個“東西”，可以是Redis、Zookeeper，也可以是數(shù)據(jù)庫。
文字描述不太直觀，我們來看下圖：
通過上面的分析，我們知道了庫存超賣場景在分布式部署系統(tǒng)的情況下使用Java原生的鎖機制無法保證線程安全，所以我們需要用到分布式鎖的方案。
那么，如何實現(xiàn)分布式鎖呢？接著往下看！
基于Redis實現(xiàn)分布式鎖
上面分析為啥要使用分布式鎖了，這里我們來具體看看分布式鎖落地的時候應該怎么樣處理。擴展：Redisson是如何實現(xiàn)分布式鎖的？
最常見的一種方案就是使用Redis做分布式鎖
使用Redis做分布式鎖的思路大概是這樣的：在redis中設(shè)置一個值表示加了鎖，然后釋放鎖的時候就把這個key刪除。
具體代碼是這樣的：
//?獲取鎖
//?NX是指如果key不存在就成功，key存在返回false，PX可以指定過期時間
SET?anyLock?unique_value?NX?PX?30000
//?釋放鎖：通過執(zhí)行一段lua腳本
//?釋放鎖涉及到兩條指令，這兩條指令不是原子性的
//?需要用到redis的lua腳本支持特性，redis執(zhí)行l(wèi)ua腳本是原子性的
if?redis.call("get",KEYS[1])?==?ARGV[1]?then
return?redis.call("del",KEYS[1])
else
return?0
end
這種方式有幾大要點：
一定要用SET key value NX PX milliseconds 命令
如果不用，先設(shè)置了值，再設(shè)置過期時間，這個不是原子性操作，有可能在設(shè)置過期時間之前宕機，會造成死鎖(key永久存在)
value要具有唯一性
這個是為了在解鎖的時候，需要驗證value是和加鎖的一致才刪除key。
這是避免了一種情況：假設(shè)A獲取了鎖，過期時間30s，此時35s之后，鎖已經(jīng)自動釋放了，A去釋放鎖，但是此時可能B獲取了鎖。A客戶端就不能刪除B的鎖了。
除了要考慮客戶端要怎么實現(xiàn)分布式鎖之外，還需要考慮redis的部署問題。
redis有3種部署方式：
單機模式
master-slave + sentinel選舉模式
redis cluster模式
使用redis做分布式鎖的缺點在于：如果采用單機部署模式，會存在單點問題，只要redis故障了。加鎖就不行了。
采用master-slave模式，加鎖的時候只對一個節(jié)點加鎖，即便通過sentinel做了高可用，但是如果master節(jié)點故障了，發(fā)生主從切換，此時就會有可能出現(xiàn)鎖丟失的問題。
基于以上的考慮，其實redis的作者也考慮到這個問題，他提出了一個RedLock的算法，這個算法的意思大概是這樣的：
假設(shè)redis的部署模式是redis cluster，總共有5個master節(jié)點，通過以下步驟獲取一把鎖：
獲取當前時間戳，單位是毫秒
輪流嘗試在每個master節(jié)點上創(chuàng)建鎖，過期時間設(shè)置較短，一般就幾十毫秒
嘗試在大多數(shù)節(jié)點上建立一個鎖，比如5個節(jié)點就要求是3個節(jié)點（n / 2 +1）
客戶端計算建立好鎖的時間，如果建立鎖的時間小于超時時間，就算建立成功了
要是鎖建立失敗了，那么就依次刪除這個鎖
只要別人建立了一把分布式鎖，你就得不斷輪詢?nèi)L試獲取鎖
但是這樣的這種算法還是頗具爭議的，可能還會存在不少的問題，無法保證加鎖的過程一定正確。
另一種方式：Redisson
此外，實現(xiàn)Redis的分布式鎖，除了自己基于redis client原生api來實現(xiàn)之外，還可以使用開源框架：Redission
Redisson是一個企業(yè)級的開源Redis Client，也提供了分布式鎖的支持。我也非常推薦大家使用，為什么呢？
回想一下上面說的，如果自己寫代碼來通過redis設(shè)置一個值，是通過下面這個命令設(shè)置的。
SET anyLock unique_value NX PX 30000
這里設(shè)置的超時時間是30s，假如我超過30s都還沒有完成業(yè)務邏輯的情況下，key會過期，其他線程有可能會獲取到鎖。
這樣一來的話，第一個線程還沒執(zhí)行完業(yè)務邏輯，第二個線程進來了也會出現(xiàn)線程安全問題。所以我們還需要額外的去維護這個過期時間，太麻煩了~
我們來看看redisson是怎么實現(xiàn)的？先感受一下使用redission的爽：
Config?config?=?new?Config();
config.useClusterServers()
.addNodeAddress("redis://192.168.31.101:7001")
.addNodeAddress("redis://192.168.31.101:7002")
.addNodeAddress("redis://192.168.31.101:7003")
.addNodeAddress("redis://192.168.31.102:7001")
.addNodeAddress("redis://192.168.31.102:7002")
.addNodeAddress("redis://192.168.31.102:7003");
RedissonClient?redisson?=?Redisson.create(config);
RLock?lock?=?redisson.getLock("anyLock");
lock.lock();
lock.unlock();就是這么簡單，我們只需要通過它的api中的lock和unlock即可完成分布式鎖，他幫我們考慮了很多細節(jié)：
redisson所有指令都通過lua腳本執(zhí)行，redis支持lua腳本原子性執(zhí)行
redisson設(shè)置一個key的默認過期時間為30s,如果某個客戶端持有一個鎖超過了30s怎么辦？
redisson中有一個
watchdog的概念，翻譯過來就是看門狗，它會在你獲取鎖之后，每隔10秒幫你把key的超時時間設(shè)為30s這樣的話，就算一直持有鎖也不會出現(xiàn)key過期了，其他線程獲取到鎖的問題了。
redisson的“看門狗”邏輯保證了沒有死鎖發(fā)生。
(如果機器宕機了，看門狗也就沒了。此時就不會延長key的過期時間，到了30s之后就會自動過期了，其他線程可以獲取到鎖)
這里稍微貼出來其實現(xiàn)代碼：
//?加鎖邏輯
private??RFuture?tryAcquireAsync(long?leaseTime,?TimeUnit?unit,?final?long?threadId)? {
????if?(leaseTime?!=?-1)?{
????????return?tryLockInnerAsync(leaseTime,?unit,?threadId,?RedisCommands.EVAL_LONG);
????}
????//?調(diào)用一段lua腳本，設(shè)置一些key、過期時間
????RFuture?ttlRemainingFuture?=?tryLockInnerAsync(commandExecutor.getConnectionManager().getCfg().getLockWatchdogTimeout(),?TimeUnit.MILLISECONDS,?threadId,?RedisCommands.EVAL_LONG);
????ttlRemainingFuture.addListener(new?FutureListener()?{
????????@Override
????????public?void?operationComplete(Future?future) ?throws?Exception?{
????????????if?(!future.isSuccess())?{
????????????????return;
????????????}
????????????Long?ttlRemaining?=?future.getNow();
????????????//?lock?acquired
????????????if?(ttlRemaining?==?null)?{
????????????????//?看門狗邏輯
????????????????scheduleExpirationRenewal(threadId);
????????????}
????????}
????});
????return?ttlRemainingFuture;
}
?RFuture?tryLockInnerAsync(long?leaseTime,?TimeUnit?unit,?long?threadId,?RedisStrictCommand?command) ? {
????internalLockLeaseTime?=?unit.toMillis(leaseTime);
????return?commandExecutor.evalWriteAsync(getName(),?LongCodec.INSTANCE,?command,
??????????????"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]);",
????????????????Collections. 另外，redisson還提供了對redlock算法的支持,
它的用法也很簡單：
RedissonClient?redisson?=?Redisson.create(config);
RLock?lock1?=?redisson.getFairLock("lock1");
RLock?lock2?=?redisson.getFairLock("lock2");
RLock?lock3?=?redisson.getFairLock("lock3");
RedissonRedLock?multiLock?=?new?RedissonRedLock(lock1,?lock2,?lock3);
multiLock.lock();
multiLock.unlock();
小結(jié)：
本節(jié)分析了使用redis作為分布式鎖的具體落地方案
以及其一些局限性
然后介紹了一個redis的客戶端框架redisson，
這也是我推薦大家使用的，
比自己寫代碼實現(xiàn)會少care很多細節(jié)。
基于zookeeper實現(xiàn)分布式鎖
常見的分布式鎖實現(xiàn)方案里面，除了使用redis來實現(xiàn)之外，使用zookeeper也可以實現(xiàn)分布式鎖。
在介紹zookeeper(下文用zk代替)實現(xiàn)分布式鎖的機制之前，先粗略介紹一下zk是什么東西：
Zookeeper是一種提供配置管理、分布式協(xié)同以及命名的中心化服務。
zk的模型是這樣的：zk包含一系列的節(jié)點，叫做znode，就好像文件系統(tǒng)一樣每個znode表示一個目錄，然后znode有一些特性：
有序節(jié)點：假如當前有一個父節(jié)點為
/lock，我們可以在這個父節(jié)點下面創(chuàng)建子節(jié)點；zookeeper提供了一個可選的有序特性，例如我們可以創(chuàng)建子節(jié)點“/lock/node-”并且指明有序，那么zookeeper在生成子節(jié)點時會根據(jù)當前的子節(jié)點數(shù)量自動添加整數(shù)序號
也就是說，如果是第一個創(chuàng)建的子節(jié)點，那么生成的子節(jié)點為
/lock/node-0000000000，下一個節(jié)點則為/lock/node-0000000001，依次類推。臨時節(jié)點：客戶端可以建立一個臨時節(jié)點，在會話結(jié)束或者會話超時后，zookeeper會自動刪除該節(jié)點。
事件監(jiān)聽：在讀取數(shù)據(jù)時，我們可以同時對節(jié)點設(shè)置事件監(jiān)聽，當節(jié)點數(shù)據(jù)或結(jié)構(gòu)變化時，zookeeper會通知客戶端。當前zookeeper有如下四種事件：
節(jié)點創(chuàng)建
節(jié)點刪除
節(jié)點數(shù)據(jù)修改
子節(jié)點變更
基于以上的一些zk的特性，我們很容易得出使用zk實現(xiàn)分布式鎖的落地方案：
使用zk的臨時節(jié)點和有序節(jié)點，每個線程獲取鎖就是在zk創(chuàng)建一個臨時有序的節(jié)點，比如在/lock/目錄下。
創(chuàng)建節(jié)點成功后，獲取/lock目錄下的所有臨時節(jié)點，再判斷當前線程創(chuàng)建的節(jié)點是否是所有的節(jié)點的序號最小的節(jié)點
如果當前線程創(chuàng)建的節(jié)點是所有節(jié)點序號最小的節(jié)點，則認為獲取鎖成功。
如果當前線程創(chuàng)建的節(jié)點不是所有節(jié)點序號最小的節(jié)點，則對節(jié)點序號的前一個節(jié)點添加一個事件監(jiān)聽。
比如當前線程獲取到的節(jié)點序號為
/lock/003,然后所有的節(jié)點列表為[/lock/001,/lock/002,/lock/003],則對/lock/002這個節(jié)點添加一個事件監(jiān)聽器。
如果鎖釋放了，會喚醒下一個序號的節(jié)點，然后重新執(zhí)行第3步，判斷是否自己的節(jié)點序號是最小。
比如/lock/001釋放了，/lock/002監(jiān)聽到時間，此時節(jié)點集合為[/lock/002,/lock/003],則/lock/002為最小序號節(jié)點，獲取到鎖。
整個過程如下：
具體的實現(xiàn)思路就是這樣，至于代碼怎么寫，這里比較復雜就不貼出來了。
Curator介紹
Curator是一個zookeeper的開源客戶端，也提供了分布式鎖的實現(xiàn)。
他的使用方式也比較簡單：
InterProcessMutex?interProcessMutex?=?new?InterProcessMutex(client,"/anyLock");
interProcessMutex.acquire();
interProcessMutex.release();其實現(xiàn)分布式鎖的核心源碼如下：
private?boolean?internalLockLoop(long?startMillis,?Long?millisToWait,?String?ourPath)?throws?Exception
{
????boolean??haveTheLock?=?false;
????boolean??doDelete?=?false;
????try?{
????????if?(?revocable.get()?!=?null?)?{
????????????client.getData().usingWatcher(revocableWatcher).forPath(ourPath);
????????}
????????while?(?(client.getState()?==?CuratorFrameworkState.STARTED)?&&?!haveTheLock?)?{
????????????//?獲取當前所有節(jié)點排序后的集合
????????????List????????children?=?getSortedChildren();
????????????//?獲取當前節(jié)點的名稱
????????????String??????????????sequenceNodeName?=?ourPath.substring(basePath.length()?+?1);?//?+1?to?include?the?slash
????????????//?判斷當前節(jié)點是否是最小的節(jié)點
????????????PredicateResults????predicateResults?=?driver.getsTheLock(client,?children,?sequenceNodeName,?maxLeases);
????????????if?(?predicateResults.getsTheLock()?)?{
????????????????//?獲取到鎖
????????????????haveTheLock?=?true;
????????????}?else?{
????????????????//?沒獲取到鎖，對當前節(jié)點的上一個節(jié)點注冊一個監(jiān)聽器
????????????????String??previousSequencePath?=?basePath?+?"/"?+?predicateResults.getPathToWatch();
????????????????synchronized(this){
????????????????????Stat?stat?=?client.checkExists().usingWatcher(watcher).forPath(previousSequencePath);
????????????????????if?(?stat?!=?null?){
????????????????????????if?(?millisToWait?!=?null?){
????????????????????????????millisToWait?-=?(System.currentTimeMillis()?-?startMillis);
????????????????????????????startMillis?=?System.currentTimeMillis();
????????????????????????????if?(?millisToWait?<=?0?){
????????????????????????????????doDelete?=?true;????//?timed?out?-?delete?our?node
????????????????????????????????break;
????????????????????????????}
????????????????????????????wait(millisToWait);
????????????????????????}else{
????????????????????????????wait();
????????????????????????}
????????????????????}
????????????????}
????????????????//?else?it?may?have?been?deleted?(i.e.?lock?released).?Try?to?acquire?again
????????????}
????????}
????}
????catch?(?Exception?e?)?{
????????doDelete?=?true;
????????throw?e;
????}?finally{
????????if?(?doDelete?){
????????????deleteOurPath(ourPath);
????????}
????}
????return?haveTheLock;
} 其實curator實現(xiàn)分布式鎖的底層原理和上面分析的是差不多的。這里我們用一張圖詳細描述其原理：
小結(jié)：
本節(jié)介紹了zookeeperr實現(xiàn)分布式鎖的方案以及zk的開源客戶端的基本使用，簡要的介紹了其實現(xiàn)原理。相關(guān)可以參考：肝一下ZooKeeper實現(xiàn)分布式鎖的方案，附帶實例！
兩種方案的優(yōu)缺點比較
學完了兩種分布式鎖的實現(xiàn)方案之后，本節(jié)需要討論的是redis和zk的實現(xiàn)方案中各自的優(yōu)缺點。
對于redis的分布式鎖而言，它有以下缺點：
它獲取鎖的方式簡單粗暴，獲取不到鎖直接不斷嘗試獲取鎖，比較消耗性能。
另外來說的話，redis的設(shè)計定位決定了它的數(shù)據(jù)并不是強一致性的，在某些極端情況下，可能會出現(xiàn)問題。鎖的模型不夠健壯
即便使用redlock算法來實現(xiàn)，在某些復雜場景下，也無法保證其實現(xiàn)100%沒有問題，關(guān)于redlock的討論可以看How to do distributed locking
redis分布式鎖，其實需要自己不斷去嘗試獲取鎖，比較消耗性能。
但是另一方面使用redis實現(xiàn)分布式鎖在很多企業(yè)中非常常見，而且大部分情況下都不會遇到所謂的“極端復雜場景”
所以使用redis作為分布式鎖也不失為一種好的方案，最重要的一點是redis的性能很高，可以支撐高并發(fā)的獲取、釋放鎖操作。
對于zk分布式鎖而言:
zookeeper天生設(shè)計定位就是分布式協(xié)調(diào)，強一致性。鎖的模型健壯、簡單易用、適合做分布式鎖。
如果獲取不到鎖，只需要添加一個監(jiān)聽器就可以了，不用一直輪詢，性能消耗較小。
但是zk也有其缺點：如果有較多的客戶端頻繁的申請加鎖、釋放鎖，對于zk集群的壓力會比較大。
小結(jié)：
綜上所述，redis和zookeeper都有其優(yōu)缺點。我們在做技術(shù)選型的時候可以根據(jù)這些問題作為參考因素。
建議
通過前面的分析，實現(xiàn)分布式鎖的兩種常見方案：redis和zookeeper，他們各有千秋。應該如何選型呢？
就個人而言的話，我比較推崇zk實現(xiàn)的鎖：
因為redis是有可能存在隱患的，可能會導致數(shù)據(jù)不對的情況。但是，怎么選用要看具體在公司的場景了。
如果公司里面有zk集群條件，優(yōu)先選用zk實現(xiàn)，但是如果說公司里面只有redis集群，沒有條件搭建zk集群。
那么其實用redis來實現(xiàn)也可以，另外還可能是系統(tǒng)設(shè)計者考慮到了系統(tǒng)已經(jīng)有redis，但是又不希望再次引入一些外部依賴的情況下，可以選用redis。
這個是要系統(tǒng)設(shè)計者基于架構(gòu)的考慮了