前言
日常开发中,经常会碰到秒杀抢购等业务。为了避免并发请求造成的库存超卖等问题,我们一般会用到Redis
分布式锁。但是使用Redis
分布式锁,很容易踩坑哦~ 本文将给大家分析阐述,Redis
分布式锁的10
个坑~
1. 非原子操作(setnx + expire)
一说到实现Redis
的分布式锁,很多小伙伴马上就会想到setnx+ expire
命令。也就是说,先用setnx
来抢锁,如果抢到之后,再用expire
给锁设置一个过期时间。
伪代码如下:
if(jedis.setnx(lock_key,lock_value) == 1){ //加锁
jedis.expire(lock_key,timeout); //设置过期时间
doBusiness //业务逻辑处理
}
这块代码是有坑的,因为setnx
和expire
两个命令是分开写的,并不是原子操作!如果刚要执行完setnx
加锁,正要执行expire
设置过期时间时,进程crash
或者要重启维护了,那么这个锁就“长生不老”了,别的线程永远获取不到锁啦。
2.被别的客户端请求覆盖( setnx + value为过期时间)
为了解决:发生异常时,锁得不到释放的问题。有小伙伴提出,可以把过期时间放到setnx
的value
里面。如果加锁失败,再拿出value
值和当前系统时间校验一下是否过期即可。伪代码实现如下:
long expireTime = System.currentTimeMillis() + timeout; //系统时间+设置的超时时间
String expireTimeStr = String.valueOf(expireTime); //转化为String字符串
// 如果当前锁不存在,返回加锁成功
if (jedis.setnx(lock_key, expireTimeStr) == 1) {
return true;
}
// 如果锁已经存在,获取锁的过期时间
String oldExpireTimreStr = jedis.get(lock_key);
// 如果获取到的老的预期过期时间,小于系统当前时间,表示已经过期了
if (oldExpireTimreStr != null && Long.parseLong(oldExpireTimreStr) < System.currentTimeMillis()) {
//锁已过期,获取上一个锁的过期时间,并设置现在锁的过期时间(不了解redis的getSet命令的小伙伴,可以去官网看下哈)
String oldValueStr = jedis.getSet(lock_key, expireTimeStr);
if (oldValueStr != null && oldValueStr.equals(oldExpireTimreStr)) {
//考虑多线程并发的情况,只有一个线程的设置值和当前值相同,它才可以加锁
return true;
}
}
//其他情况,均返回加锁失败
return false;
}
这种实现的方案,也是有坑的:如果锁过期的时候,并发多个客户端同时请求过来,都执行jedis.getSet()
,最终只能有一个客户端加锁成功,但是该客户端锁的过期时间,可能被别的客户端覆盖。
3. 忘记设置过期时间
之前review
代码的时候,看到这样实现的分布式锁,伪代码:
try{
if(jedis.setnx(lock_key,lock_value) == 1){//加锁
doBusiness //业务逻辑处理
return true; //加锁成功,处理完业务逻辑返回
}
return false; //加锁失败
} finally {
unlock(lockKey);- //释放锁
}
这块有什么问题呢?是的,忘记设置过期时间了。如果程序在运行期间,机器突然挂了,代码层面没有走到finally
代码块,即在宕机前,锁并没有被删除掉,这样的话,就没办法保证解锁,所以这里需要给lockKey
加一个过期时间。注意哈,使用分布式锁,一定要设置过期时间哈。
4. 业务处理完,忘记释放锁
很多小伙伴,会使用Redis
的set
指令扩展参数来实现分布式锁。
set指令扩展参数:SET key value[EX seconds][PX milliseconds][NX|XX]
- NX :表示key不存在的时候,才能set成功,也即保证只有第一个客户端请求才能获得锁,
而其他客户端请求只能等其释放锁,才能获取。
- EX seconds :设定key的过期时间,时间单位是秒。
- PX milliseconds: 设定key的过期时间,单位为毫秒
- XX: 仅当key存在时设置值
小伙伴会写出如下伪代码:
if(jedis.set(lockKey, requestId, "NX", "PX", expireTime)==1){ //加锁
doBusiness //业务逻辑处理
return true; //加锁成功,处理完业务逻辑返回
}
return false; //加锁失败
这块伪代码,初看觉得没啥问题,但是细想,不太对呀。因为忘记释放锁了!如果每次加锁成功,都要等到超时时间才释放锁,是会有问题的。这样程序不高效,应当每次处理完业务逻辑,都要释放锁。
正例如下:
try{
if(jedis.set(lockKey, requestId, "NX", "PX", expireTime)==1){//加锁
doBusiness //业务逻辑处理
return true; //加锁成功,处理完业务逻辑返回
}
return false; //加锁失败
} finally {
unlock(lockKey);- //释放锁
}
5. B的锁被A给释放了
我们来看下这块伪代码:
try{
if(jedis.set(lockKey, requestId, "NX", "PX",expireTime)==1){//加锁
doBusiness //业务逻辑处理
return true; //加锁成功,处理完业务逻辑返回
}
return false; //加锁失败
} finally {
unlock(lockKey); //释放锁
}
大家觉得会有哪些坑呢?
假设在这样的并发场景下:
A、B
两个线程来尝试给Redis的keylockKey
加锁,A
线程先拿到锁(假如锁超时时间是3
秒后过期)。如果线程A
执行的业务逻辑很耗时,超过了3
秒还是没有执行完。这时候,Redis
会自动释放lockKey
锁。刚好这时,线程B
过来了,它就能抢到锁了,开始执行它的业务逻辑,恰好这时,线程A
执行完逻辑,去释放锁的时候,它就把B
的锁给释放掉了。
正确的方式应该是,在用set
扩展参数加锁时,放多一个这个线程请求的唯一标记,比如requestId
,然后释放锁的时候,判断一下是不是刚刚的请求。
try{
if(jedis.set(lockKey, requestId, "NX", "PX",expireTime)==1){//加锁
doBusiness //业务逻辑处理
return true; //加锁成功,处理完业务逻辑返回
}
return false; //加锁失败
} finally {
if (requestId.equals(jedis.get(lockKey))) { //判断一下是不是自己的requestId
unlock(lockKey);//释放锁
}
}
6. 释放锁时,不是原子性
以上的这块代码,还是有坑:
if (requestId.equals(jedis.get(lockKey))) { //判断一下是不是自己的requestId
unlock(lockKey);//释放锁
}
因为判断是不是当前线程加的锁和释放锁不是一个原子操作。如果调用unlock(lockKey)
释放锁的时候,锁已经过期,所以这把锁已经可能已经不属于当前客户端,会解除他人加的锁。
因此,这个坑就是:判断和删除
是两个操作,不是原子的,有一致性问题。释放锁必须保证原子性
,可以使用Redis+Lua
脚本来完成,类似Lua
脚本如下:
if redis.call('get',KEYS[1]) == ARGV[1] then
return redis.call('del',KEYS[1])
else
return 0
end;
7. 锁过期释放,业务没执行完
加锁后,如果超时了,Redis
会自动释放清除锁,这样有可能业务还没处理完,锁就提前释放了。怎么办呢?
有些小伙伴认为,稍微把锁过期时间设置长一些就可以啦。其实我们设想一下,是否可以给获得锁的线程,开启一个定时守护线程,每隔一段时间检查锁是否还存在,存在则对锁的过期时间延长,防止锁过期提前释放。
当前开源框架Redisson解决了这个问题。我们一起来看下Redisson
底层原理图吧:
只要线程一
加锁成功,就会启动一个watch dog
看门狗,它是一个后台线程,会每隔10
秒检查一下,如果线程一还持有锁,那么就会不断的延长锁key
的生存时间。因此,Redisson
就是使用Redisson
解决了锁过期释放,业务没执行完问题。
8. Redis分布式锁和@transactional一起使用失效
大家看下这块伪代码:
@Transactional
public void updateDB(int lockKey) {
boolean lockFlag = redisLock.lock(lockKey);
if (!lockFlag) {
throw new RuntimeException(“请稍后再试”);
}
doBusiness //业务逻辑处理
redisLock.unlock(lockKey);
}
在事务中,使用了Redis
分布式锁.这个方法一旦执行,事务生效,接着就Redis
分布式锁生效,代码执行完后,先释放Redis
分布式锁,然后再提交事务数据,最后事务结束。在这个过程中,事务没有提交之前,分布式锁已经被释放,导致分布式锁失效
这是因为:
spring
的Aop
,会在updateDB
方法之前开启事务,之后再加锁,当锁住的代码执行完成后,再提交事务,因此锁住的代码块执行是在事务之内执行的,可以推断在代码块执行完时,事务还未提交,锁已经被释放,此时其他线程拿到锁之后进行锁住的代码块,读取的库存数据不是最新的。
正确的实现方法,可以在updateDB
方法之前就上锁,即还没有开事务之前就加锁,那么就可以保证线程的安全性.
9.锁可重入
前面讨论的Redis
分布式锁,都是不可重入的。
所谓的不可重入,就是当前线程执行某个方法已经获取了该锁,那么在方法中尝试再次获取锁时,会阻塞,不可以再次获得锁。同一个人拿一个锁 ,只能拿一次不能同时拿
2
次。
不可重入的分布式锁的话,是可以满足绝大多数的业务场景。但是有时候一些业务场景,我们还是需要可重入的分布式锁,大家实现分布式锁的过程中,需要注意一下,你当前的业务场景是否需要可重入的分布式锁。
Redis
只要解决这两个问题,就能实现重入锁了:
- 怎么保存当前持有的线程
- 怎么维护加锁次数(即重入了多少次)
实现一个可重入的分布式锁,我们可以参考JDK
的ReentrantLock
的设计思想。实际上,可以直接使用Redisson
框架,它是支持可重入锁的。
10.Redis主从复制导致的坑
实现Redis
分布式锁的话,要注意Redis
主从复制的坑。因为Redis
一般都是集群部署的:
如果线程一在Redis
的master
节点上拿到了锁,但是加锁的key
还没同步到slave
节点。恰好这时,master
节点发生故障,一个slave
节点就会升级为master
节点。线程二就可以获取同个key
的锁啦,但线程一也已经拿到锁了,锁的安全性就没了。
为了解决这个问题,Redis作者 antirez提出一种高级的分布式锁算法:Redlock
。Redlock
核心思想是这样的:
搞多个Redis master部署,以保证它们不会同时宕掉。并且这些master节点是完全相互独立的,相互之间不存在数据同步。同时,需要确保在这多个master实例上,是与在Redis单实例,使用相同方法来获取和释放锁。
我们假设当前有5
个Redis master
节点,在5
台服务器上面运行这些Redis
实例。
RedLock的实现步骤如下:
- 获取当前时间,以毫秒为单位。
- 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。(假设锁自动失效时间为10
秒,则超时时间一般在5-50
毫秒之间,我们就假设超时时间是50ms
吧)。如果超时,跳过该master
节点,尽快去尝试下一个master
节点。 - 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(N/2+1
,这里是5/2+1=3
个节点)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。(如上图,10s> 30ms+40ms+50ms+4m0s+50ms
) - 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(没有在至少
N/2+1个master
实例取到锁,有或者获取锁时间已经超过了有效时间),客户端要在所有的master
节点上解锁(即便有些master
节点根本就没有加锁成功,也需要解锁,以防止有些漏网之鱼)。
简化下步骤就是:
- 按顺序向5个master节点请求加锁
- 根据设置的超时时间来判断,是不是要跳过该master节点。
- 如果大于等于3个节点加锁成功,并且使用的时间小于锁的有效期,即可认定加锁成功啦。
- 如果获取锁失败,解锁!