分布式锁原理和使用（分布式锁有哪些）

单体架构的应用可以直接使用synchronized或者ReentrantLock就可以解决多线程资源竞争的问题如果公司业务发展较快，可以通过部署多个服务节点来提高系统的并行处理能力由于本地锁的作用范围只限于当前应用的线程高并发场景下，集群中某个应用的本地锁并不会对其它应用的资源访问产生互斥，就会产生数据不一致的问题，所以分布锁就派上了用场，我来为大家科普一下关于分布式锁原理和使用?以下内容希望对你有帮助!

分布式锁原理和使用

单体架构的应用可以直接使用synchronized或者ReentrantLock就可以解决多线程资源竞争的问题。如果公司业务发展较快，可以通过部署多个服务节点来提高系统的并行处理能力。由于本地锁的作用范围只限于当前应用的线程。高并发场景下，集群中某个应用的本地锁并不会对其它应用的资源访问产生互斥，就会产生数据不一致的问题，所以分布锁就派上了用场。

常见的分布式锁应用场景

秒杀活动、优惠券抢购、接口幂等性校验等

利用select … where … for update 排他锁

注意: 其他附加功能与实现一基本一致，这里需要注意的是“where name=lock ”，name字段必须要走索引，否则会锁表。有些情况下，比如表不大，mysql优化器会不走这个索引，导致锁表问题。

所谓乐观锁与前边最大区别在于基于CAS思想，是不具有互斥性，不会产生锁等待而消耗资源，操作过程中认为不存在并发冲突，只有update version失败后才能觉察到。我们的抢购、秒杀就是用了这种实现以防止超卖。通过增加递增的版本号字段实现乐观锁

思路： 另启一个服务，利用jdk并发工具来控制唯一资源，如在服务中维护一个concurrentHashMap，其他服务对某个key请求锁时，通过该服务暴露的端口，以网络通信的方式发送消息，服务端解析这个消息，将concurrentHashMap中的key对应值设为true，分布式锁请求成功，可以采用基于netty通信调用，当然你想用java的bio、nio或者整合dubbo、spring cloud feign来实现通信也没问题

缺点： 这种方式的分布式锁看似简单，但是要考虑可用性、可靠性、效率、扩展性的话，编码难度会比较高。

在高并发场景下，应用程序在执行过程中往往会受到网络、CPU、内存等因素的影响，所以实现一个线程安全的分布式组件，往往需要考虑很多case，这个分布式锁有 3 个重要的考量点：

• 互斥（只能有一个客户端获取锁）
• 不能死锁
• 容错（只要大部分 redis 节点创建了这把锁就可以）

下面是redis分布式锁的各种实现方式和缺点，按照时间的发展排序:

直接利用setnx，执行完业务逻辑后调用del释放锁，简单粗暴!

缺点：如果setnx成功，还没来得及释放，服务挂了，那么这个key永远都不会被获取到

为了改正第一个方法的缺陷，我们用setnx获取锁，然后用expire对其设置一个过期时间，如果服务挂了，过期时间一到自动释放

缺点： setnx和expire是两个方法，不能保证原子性，如果在setnx之后，还没来得及expire，服务挂了，还是会出现锁不释放的问题

redis官方为了解决第二种方式存在的缺点，在2.8版本为set指令添加了扩展参数nx和ex，保证了setnx expire的原子性，使用方法：set key value ex 5 nx

缺点：① 如果在过期时间内，事务还没有执行完，锁提前被自动释放，其他的线程还是可以拿到锁；② 上面所说的那个缺点还会导致当前的线程释放其他线程占有的锁

上面所说的第一个缺点，没有特别好的解决方法，只能把过期时间尽量设置的长一点，并且最好不要执行耗时任务 第二个缺点，可以理解为当前线程有可能会释放其他线程的锁，那么问题就转换为保证线程只能释放当前线程持有的锁，即setnx的时候将value设为任务的唯一id，释放的时候先get key比较一下value是否与当前的id相同，是则释放，否则抛异常回滚，其实也是变相地解决了第一个问题

缺点：get key和将value与id比较是两个步骤，不能保证原子性

我们可以用lua来写一个getkey并比较的脚本，jedis/luttce/redisson对lua脚本都有很好的支持

缺点：集群环境下，对master节点申请了分布式锁，由于redis的主从同步是异步进行的，master在内存中写入了nx之后直接返回，客户端获取锁成功，此时master节点挂了，并且数据还没来得及同步，另一个节点被升级为master，这样其他的线程依然可以获取锁

为了解决上面提到的redis集群中的分布式锁问题，redis的作者antirez的提出了red lock的概念，假设集群中所有的n个master节点完全独立，并且没有主从同步，此时对所有的节点都去setnx，并且设置一个请求过期时间re和锁的过期时间le，同时re必须小于le（可以理解，不然请求3秒才拿到锁，而锁的过期时间只有1秒也太蠢了），此时如果有n / 2 1个节点成功拿到锁，此次分布式锁就算申请成功

缺点： 可靠性还没有被广泛验证，并且严重依赖时间，好的分布式系统应该是异步的，并不能以时间为担保，程序暂停、系统延迟等都可能会导致时间错误（网上还有很多人都对这个方法提出了质疑，比如full gc发生的锁的正确性问题，但是antirez都一一作出了解答，感兴趣的同学可以去官网溜一圈！）

ZooKeeper是一个为分布式应用提供一致性服务的开源组件，它内部是一个分层的文件系统目录树结构，规定同一个目录下只能有一个唯一文件名。基于ZooKeeper实现分布式锁的步骤如下：

• (1) 创建一个目录mylock；
• (2) 线程A想获取锁就在mylock目录下创建临时顺序节点；
• (3) 获取mylock目录下所有的子节点，然后获取比自己小的兄弟节点，如果不存在，则说明当前线程顺序号最小，获得锁；
• (4) 线程B获取所有节点，判断自己不是最小节点，设置监听比自己次小的节点；
• (5) 线程A处理完，删除自己的节点，线程B监听到变更事件，判断自己是不是最小的节点，如果是则获得锁。

• (1) 利用临时节点特性 zookeeper的临时节点有两个特性，一是节点名称不能重复，二是会随着客户端退出而销毁，因此直接将key作为节点名称，能够成功创建的客户端则获取成功，失败的客户端监听成功的节点的删除事件

缺点： 所有客户端监听同一个节点，但是同时只有一个节点的事件触发是有效的，造成资源的无效调度

• (2) 利用顺序临时节点特性 zookeeper的顺序临时节点拥有临时节点的特性，同时，在一个父节点下创建创建的子临时顺序节点，会根据节点创建的先后顺序，用一个32位的数字作为后缀，我们可以用key创建一个根节点，然后每次申请锁的时候在其下创建顺序节点，接着获取根节点下所有的顺序节点并排序，获取顺序最小的节点，如果该节点的名称与当前添加的名称相同，则表示能够获取锁，否则监听根节点下面的处于当前节点之前的节点的删除事件，如果监听生效，则回到上一步重新判断顺序，直到获取锁。

这里推荐一个Apache的开源库Curator，它是一个ZooKeeper客户端，Curator提供的InterProcessMutex是分布式锁的实现，acquire方法用于获取锁，release方法用于释放锁。优点： 具备高可用、可重入、阻塞锁特性，可解决失效死锁问题。缺点： 因为需要频繁的创建和删除节点，性能上不如Redis方式。

• 优点： 直接使用数据库，实现方式简单。
• 缺点：（1）db操作性能较差，并且有锁表的风险 （2）非阻塞操作失败后，需要轮询，占用cpu资源; （3）长时间不commit或者长时间轮询，可能会占用较多连接资源

• 优点： 不需要引入中间件，架构简单
• 缺点： 编写一个可靠、高可用、高效率的分布式锁服务，难度较大

（1）redis set px nx 唯一id lua脚本

• 优点： redis本身的读写性能很高，因此基于redis的分布式锁效率比较高
• 缺点： 依赖中间件，分布式环境下可能会有节点数据同步问题，可靠性有一定的影响，如果发生则需要人工介入

• 优点： 可以解决redis集群的同步可用性问题
• 缺点：（1）依赖中间件，并没有被广泛验证，维护成本高，需要多个独立的master节点；需要同时对多个节点申请锁，降低了一些效率 （2）锁删除失败 过期时间不好控制 （3）非阻塞，操作失败后，需要轮询，占用cpu资源;

• 优点： 不存在redis的超时、数据同步（zookeeper是同步完以后才返回）、主从切换（zookeeper主从切换的过程中服务是不可用的）的问题，可靠性很高
• 缺点： 依赖中间件，保证了可靠性的同时牺牲了一部分效率（但是依然很高）。性能不如redis。

综上所得：

• jdk的方式不太推荐。
• 从理解的难易程度角度（从低到高）数据库 > 缓存 > Zookeeper
• 从实现的复杂性角度（从低到高）Zookeeper >= 缓存 > 数据库
• 从性能角度（从高到低）缓存 > Zookeeper >= 数据库
• 从可靠性角度（从高到低）Zookeeper > 缓存 > 数据库

没有绝对完美的实现方式，具体要选择哪一种分布式锁，需要结合每一种锁的优缺点和业务特点而定。