【Redis】Redis 典型应用 - 分布式锁原理与实现

Redis 典型应⽤ - 分布式锁

什么是分布式锁

在⼀个分布式的系统中， 也会涉及到多个节点访问同⼀个公共资源的情况。此时就需要通过 锁 来做互斥控制， 避免出现类似于 “线程安全” 的问题

线程安全问题：多个线程并发执行的时候，执行先后顺序是不确定的。就需要保证程序在任意执行顺序下执行逻辑都是OK的

⽽ Java 的 synchronized 或者 C++ 的 std::mutex， 这样的锁都是只能在当前进程中⽣效， 在分布式的这种多个进程多个主机的场景下就⽆能为⼒了。

此时就需要使⽤到分布式锁。

本质上就是使⽤⼀个公共的服务器， 来记录 加锁状态

这个公共的服务器可以是 Redis， 也可以是其他组件(⽐如 MySQL 或者 ZooKeeper 等)， 还可以是我们⾃⼰写的⼀个服务

分布式锁的基础实现

思路⾮常简单，本质上就是通过⼀个键值对来标识锁的状态

举个例⼦：考虑买票的场景， 现在⻋站提供了若⼲个⻋次， 每个⻋次的票数都是固定的

现在存在多个服务器节点， 都可能需要处理这个买票的逻辑：先查询指定⻋次的余票， 如果余票 > 0， 则设置余票值 -= 1

显然上述的场景是存在 “线程安全” 问题的， 需要使⽤锁来控制

否则就可能出现 “超卖” 的情况

此时如何进⾏加锁呢？我们可以在上述架构中引⼊⼀个 Redis，作为分布式锁的管理器

此时， 如果 买票服务器1 尝试买票， 就需要先访问 Redis， 在 Redis 上设置⼀个键值对。⽐如 key 就是⻋次， value 随便设置个值 (⽐如 1)

如果这个操作设置成功， 就视为当前没有节点对该 001 ⻋次加锁， 就可以进⾏数据库的读写操作。操作完成之后， 再把 Redis 上刚才的这个键值对给删除掉

如果在 买票服务器1 操作数据库的过程中， 买票服务器2 也想买票， 也会尝试给 Redis 上写⼀个键值对，key 同样是⻋次。但是此时设置的时候发现该⻋次的 key 已经存在了， 则认为已经有其他服务器正在持有锁， 此时 服务器2 就需要等待或者暂时放弃

Redis 中提供了 setnx 操作， 正好适合这个场景。即：key 不存在就设置， 存在则直接失败

但是上述⽅案并不完整

某个服务器加锁成功了（setnx 成功），执行后续逻辑过程中，程序崩溃了（没有执行到解锁）

这里不能通过在 finally 的方式解锁，这只是对进程内的锁有效，这对分布式系统的无效的，比如服务器直接断电，进程就直接异常终止了

引⼊过期时间

当 服务器1 加锁之后， 开始处理买票的过程中， 如果 服务器1 意外宕机了， 就会导致解锁操作 (删除该key) 不能执⾏。就可能引起其他服务器始终⽆法获取到锁的情况

为了解决这个问题， 可以在设置 key 的同时引⼊过期时间。即这个锁最多持有多久，就应该被释放

可以使⽤ set ex nx 的⽅式， 在设置锁的同时把过期时间设置进去

注意! 此处的过期时间只能使⽤⼀个命令的⽅式设置

如果分开多个操作， ⽐如 setnx 之后， 再来⼀个单独的 expire， 由于 Redis 的多个指令之间不存在关联， 并且即使使⽤了事务也不能保证这两个操作都⼀定成功， 因此就可能出现 setnx 成功， 但是 expire 失败的情况

此时仍然会出现⽆法正确释放锁的问题

引⼊校验 id

对于 Redis 中写⼊的加锁键值对， 其他的节点也是可以删除的。

⽐如 服务器1 写⼊⼀个 “001”: 1 这样的键值对， 服务器2 是完全可以把 “001” 给删除掉的。

当然， 服务器2 不会进⾏这样的 “恶意删除” 操作， 不过不能保证因为⼀些 bug 导致 服务器2 把锁误删除。

为了解决上述问题， 我们可以引⼊⼀个校验 id。

⽐如可以把设置的键值对的值， 不再是简单的设为⼀个 1， ⽽是设成服务器的编号. 形如 “001”: “服务器1”。

这样就可以在删除 key (解锁)的时候， 先校验当前删除 key 的服务器是否是当初加锁的服务器， 如果是，才能真正删除；不是， 则不能删除

逻辑⽤伪代码描述如下：

String key = "[要加锁的资源 id]";
String serverId = "[服务器的编号]";

// 加锁, 设置过期时间为 10s
redis.set(key, serverId, "NX", "EX", "10s");

// 执行各种业务逻辑, 比如修改数据库数据. 
doSomeThing();

// 解锁, 删除 key. 但是删除前要检验下 serverId 是否匹配. 
if (redis.get(key).equals(serverId)) {
    redis.del(key);
}

但是很明显，解锁逻辑是两步操作 “get” 和 “del”，这样做并⾮是原⼦的

引⼊ lua

为了使解锁操作原⼦，可以使⽤ Redis 的 Lua 脚本功能

使用事务能解决这些问题，但实践中往往用更好的方案，就说 lua 脚本，这是 redis 内嵌的脚本。Redis 官方也明确说 lua 就是事务的替代方案

Lua 也是⼀个编程语⾔。读作 “撸啊”。是葡萄⽛语中的 “⽉亮” 的意思。(出⾃于 Lua 官⽅⽂档 https://www.lua.org/about.html )

Lua 的语法类似于 JS， 是⼀个动态弱类型的语⾔。Lua 的解释器⼀般使⽤ C 语⾔实现。Lua 语法简单精炼， 执⾏速度快， 解释器也⽐较轻量(Lua 解释器的可执⾏程序体积只有 200KB 左右)

因此 Lua 经常作为其他程序内部嵌⼊的脚本语⾔。Redis 本⾝就⽀持 Lua 作为内嵌脚本

很多程序都⽀持内嵌脚本， ⽐如 MySQL 8 ⽀持 JS 作为内嵌脚本， ⽐如 Vim ⽀持 VimScript和 Python 作为内嵌脚本… 通过内嵌脚本来实现更复杂的功能， 提供更强的扩展性。

Lua 除了和 Redis 搭伙之外， 在很多场景也会作为内嵌脚本。⽐如在游戏开发领域常常作为编写逻辑的语⾔。(⽐如魔兽世界， ⼤话西游等)

使⽤ Lua 脚本完成上述解锁功能

if redis.call('get', KEYS[1]) == ARGV[1] then
    return redis.call('del', KEYS[1])
else
    return 0
end;

上述代码可以编写成⼀个 .lua 后缀的⽂件， 由 redis-cli 或者 redis-plus-plus 或者 jedis 等客⼾端加载， 并发送给 Redis 服务器， 由 Redis 服务器来执⾏这段逻辑

⼀个 lua 脚本会被 Redis 服务器以原⼦的⽅式来执⾏

redis-plus-plus 和 jedis 如何调⽤ lua， 咱们此处不做过多介绍. 具体 api 的写法⼤家可以⾃⾏研究

引⼊ watch dog (看⻔狗)

上述⽅案仍然存在⼀个重要问题。当我们设置了 key 过期时间之后 (⽐如 10s)， 仍然存在⼀定的可能性，当任务还没执⾏完， key 就先过期了。这就导致锁提前失效。

把这个过期时间设置的⾜够⻓， ⽐如 30s， 是否能解决这个问题呢? 很明显， 设置多⻓时间合适， 是⽆⽌境的。即使设置再⻓， 也不能完全保证就没有提前失效的情况

⽽且如果设置的太⻓了， 万⼀对应的服务器挂了， 此时其他服务器也不能及时的获取到锁

因此相⽐于设置⼀个固定的⻓时间， 不如动态的调整时间更合适

所谓 watch dog， 本质上是加锁的服务器上的⼀个单独的线程， 通过这个线程来对锁过期时间进⾏ “续约”

注意， 这个线程是业务服务器上的， 不是 Redis 服务器的

举个具体的例⼦：

初始情况下设置过期时间为 10s，同时设定看⻔狗线程每隔 3s 检测⼀次

那么当 3s 时间到的时候， 看⻔狗就会判定当前任务是否完成

如果任务已经完成， 则直接通过 lua 脚本的⽅式， 释放锁(删除 key)

如果任务未完成， 则把过期时间重写设置为 10s(即 “续约”)

这样就不担⼼锁提前失效的问题了。⽽且另⼀⽅⾯， 如果该服务器挂了， 看⻔狗线程也就随之挂了， 此时⽆⼈续约， 这个 key ⾃然就可以迅速过期， 让其他服务器能够获取到锁了

引⼊ Redlock 算法

高可用机制主要是：

• 主从复制
• 哨兵
• 集群

实践中的 Redis ⼀般是以集群的⽅式部署的 (⾄少是主从的形式， ⽽不是单机)。那么就可能出现以下⽐较极端的⼤冤种情况：

服务器1 向 master 节点进⾏加锁操作。这个写⼊ key 的过程刚刚完成， master 挂了；slave 节点升级成了新的 master 节点。但是由于刚才写⼊的这个 key 尚未来得及同步给 slave 呢， 此时就相当于 服务器1 的加锁操作形同虚设了， 服务器2 仍然可以进⾏加锁 (即给新的 master 写⼊ key。因为新的 master 不包含刚才的 key)

作为分布式系统，就需要随时考虑某个节点挂了的情况，需要保证某个节点挂不会影响到大局

为了解决这个问题， Redis 的作者提出了 Redlock 算法

我们引⼊⼀组 Redis 节点。其中每⼀组 Redis 节点都包含⼀个主节点和若⼲从节点，并且组和组之间存储的数据都是⼀致的， 相互之间是 “备份” 关系(⽽并⾮是数据集合的⼀部分， 这点有别于 Redis cluster)

加锁的时候， 按照⼀定的顺序， 写多个 master 节点（针对这些组 redis 都加锁）。在写锁的时候需要设定操作的 “超时时间”。⽐如50ms。即如果 setnx 操作超过了 50ms 还没有成功， 就视为加锁失败。

如果给某个节点加锁失败， 就⽴即再尝试下⼀个节点

当加锁成功的节点数超过总节点数的⼀半， 才视为加锁成功

如上图， ⼀共五个节点， 三个加锁成功， 两个失败， 此时视为加锁成功

这样的话， 即使有某些节点挂了， 也不影响锁的正确性

那么是否可能出现上述节点都同时遇到了 “⼤冤种” 情况呢?

理论上这件事是可能发⽣的， 但是概率太⼩了。⼯程上就可以忽略不计了

同理， 释放锁的时候， 也需要把所有节点都进⾏解锁操作。(即使是之前超时的节点， 也要尝试解锁， 尽量保证逻辑严密)

简⽽⾔之， Redlock 算法的核⼼就是， 加锁操作不能只写给⼀个 Redis 节点， ⽽要写个多个!! 分布式系统中任何⼀个节点都是不可靠的。最终的加锁成功结论是 “少数服从多数的”。

由于⼀个分布式系统不⾄于⼤部分节点都同时出现故障， 因此这样的可靠性要⽐单个节点来说靠谱不少

其他功能

上述描述中我们解释了基于 Redis 的分布式锁的基本实现原理

上述锁只是⼀个简单的互斥锁。但是实际上我们在⼀些特定场景中， 还有⼀些其他特殊的锁， ⽐如：

• 可重⼊锁
• 公平锁
• 读写锁
• …

基于 Redis 的分布式锁， 也可以实现上述特性。(当然了对应的实现逻辑也会更复杂)

此处我们不做过多讨论了

实际开发中， 我们也并不会真的⾃⼰实现⼀个分布式锁。已经有很多现成的库帮我们封装好了， 我们直接使⽤即可

⽐如 Java 中的 Redisson， C++ 中的 redis-plus-plus。当然， 有些⼤⼚也会有⾃⼰版本的分布式锁的实现