快看我在Redis分布式锁上,栽的8个跟头!

2022-02-28 00:00:00 线程 分布式 递归 加锁 释放

在分布式系统中,由于redis分布式锁相对于更简单和高效,成为了分布式锁的首先,被我们用到了很多实际业务场景当中。


但不是说用了redis分布式锁,就可以高枕无忧了,如果没有用好或者用对,也会引来一些意想不到的问题。


今天我们就一起聊聊redis分布式锁的一些坑,给有需要的朋友一个参考。



一、非原子操作


使用redis的分布式锁,我们首先想到的可能是setNx命令。

if (jedis.setnx(lockKey, val) == 1) {   jedis.expire(lockKey, timeout);}


容易,三下五除二,我们就可以把代码写好。


这段代码确实可以加锁成功,但你有没有发现什么问题?


加锁操作和后面的设置超时时间是分开的,并非原子操作。


假如加锁成功,但是设置超时时间失败了,该lockKey就变成永不失效。假如在高并发场景中,有大量的lockKey加锁成功了,但不会失效,有可能直接导致redis内存空间不足。


那么,有没有保证原子性的加锁命令呢?


答案是:有,请看下面。


二、忘了释放锁


上面说到使用setNx命令加锁操作和设置超时时间是分开的,并非原子操作。


而在redis中还有set命令,该命令可以指定多个参数。

String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);if ("OK".equals(result)) {    return true;}return false;


其中:


  • lockKey:锁的标识

  • requestId:请求id

  • NX:只在键不存在时,才对键进行设置操作。

  • PX:设置键的过期时间为 millisecond 毫秒。

  • expireTime:过期时间


set命令是原子操作,加锁和设置超时时间,一个命令就能轻松搞定。


nice!


使用set命令加锁,表面上看起来没有问题。但如果仔细想想,加锁之后,每次都要达到了超时时间才释放锁,会不会有点不合理?加锁后,如果不及时释放锁,会有很多问题。


分布式锁更合理的用法是:


  • 手动加锁

  • 业务操作

  • 手动释放锁


如果手动释放锁失败了,则达到超时时间,redis会自动释放锁。


大致流程图如下:



那么问题来了,如何释放锁呢?


伪代码如下:

try{  String result = jedis.set(lockKey, requestId, "NX", "PX", expireTime);  if ("OK".equals(result)) {      return true;  }  return false;} finally {    unlock(lockKey);}  


需要捕获业务代码的异常,然后在finally中释放锁。换句话说就是:无论代码执行成功或失败了,都需要释放锁。


此时,有些朋友可能会问:假如刚好在释放锁的时候,系统被重启了,或者网络断线了,或者机房断点了,不也会导致释放锁失败?


这是一个好问题,因为这种小概率问题确实存在。


但还记得前面我们给锁设置过超时时间吗?即使出现异常情况造成释放锁失败,但到了我们设定的超时时间,锁还是会被redis自动释放。


但只在finally中释放锁,就够了吗?


三、释放了别人的锁


做人要厚道,先回答上面的问题:只在finally中释放锁,当然是不够的,因为释放锁的姿势,还是不对。


哪里不对?


答:在多线程场景中,可能会出现释放了别人的锁的情况。


有些朋友可能会反驳:假设在多线程场景中,线程A获取到了锁,但如果线程A没有释放锁,此时,线程B是获取不到锁的,何来释放了别人锁之说?


答:假如线程A和线程B,都使用lockKey加锁。线程A加锁成功了,但是由于业务功能耗时时间很长,超过了设置的超时时间。这时候,redis会自动释放lockKey锁。此时,线程B就能给lockKey加锁成功了,接下来执行它的业务操作。恰好这个时候,线程A执行完了业务功能,接下来,在finally方法中释放了锁lockKey。这不就出问题了,线程B的锁,被线程A释放了。


我想这个时候,线程B肯定哭晕在厕所里,并且嘴里还振振有词。


那么,如何解决这个问题呢?


不知道你们注意到没?在使用set命令加锁时,除了使用lockKey锁标识,还多设置了一个参数:requestId,为什么要需要记录requestId呢?


答:requestId是在释放锁的时候用的。


伪代码如下:


if (jedis.get(lockKey).equals(requestId)) {    jedis.del(lockKey);    return true;}return false;


在释放锁的时候,先获取到该锁的值(之前设置值就是requestId),然后判断跟之前设置的值是否相同,如果相同才允许删除锁,返回成功。如果不同,则直接返回失败。


换句话说就是:自己只能释放自己加的锁,不允许释放别人加的锁。


这里为什么要用requestId,用userId不行吗?


答:如果用userId的话,对于请求来说并不,多个不同的请求,可能使用同一个userId。而requestId是全局的,不存在加锁和释放锁乱掉的情况。


此外,使用lua脚本,也能解决释放了别人的锁的问题:

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


lua脚本能保证查询锁是否存在和删除锁是原子操作,用它来释放锁效果更好一些。


说到lua脚本,其实加锁操作也建议使用lua脚本:

if (redis.call('exists', KEYS[1]) == ) then    redis.call('hset', KEYS[1], ARGV[2], 1);     redis.call('pexpire', KEYS[1], ARGV[1]);  return nil; endif (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]);


这是redisson框架的加锁代码,写的不错,大家可以借鉴一下。


有趣,下面还有哪些好玩的东西?


四、大量失败请求


上面的加锁方法看起来好像没有问题,但如果你仔细想想,如果有1万的请求同时去竞争那把锁,可能只有一个请求是成功的,其余的9999个请求都会失败。


在秒杀场景下,会有什么问题?


答:每1万个请求,有1个成功。再1万个请求,有1个成功。如此下去,直到库存不足。这就变成均匀分布的秒杀了,跟我们想象中的不一样。


如何解决这个问题呢?


此外,还有一种场景:


比如,有两个线程同时上传文件到sftp,上传文件前先要创建目录。假设两个线程需要创建的目录名都是当天的日期,比如:20210920,如果不做任何控制,直接并发的创建目录,第二个线程必然会失败。


这时候有些朋友可能会说:这还不容易,加一个redis分布式锁就能解决问题了,此外再判断一下,如果目录已经存在就不创建,只有目录不存在才需要创建。


伪代码如下:

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,但经不起仔细推敲。


来自灵魂的一问:第二个请求如果加锁失败了,接下来,是返回失败,还是返回成功呢?


主要流程图如下:



显然第二个请求,肯定是不能返回失败的,如果返回失败了,这个问题还是没有被解决。如果文件还没有上传成功,直接返回成功会有更大的问题。头疼,到底该如何解决呢?


答:使用自旋锁。

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;


在规定的时间,比如500毫秒内,自旋不断尝试加锁(说白了,就是在死循环中,不断尝试加锁),如果成功则直接返回。如果失败,则休眠50毫秒,再发起新一轮的尝试。如果到了超时时间,还未加锁成功,则直接返回失败。


好吧,学到一招了,还有吗?


五、锁重入问题


我们都知道redis分布式锁是互斥的。假如我们对某个key加锁了,如果该key对应的锁还没失效,再用相同key去加锁,大概率会失败。


没错,大部分场景是没问题的。


为什么说是大部分场景呢?


因为还有这样的场景:


假设在某个请求中,需要获取一颗满足条件的菜单树或者分类树。我们以菜单为例,这就需要在接口中从根节点开始,递归遍历出所有满足条件的子节点,然后组装成一颗菜单树。


需要注意的是菜单不是一成不变的,在后台系统中运营同学可以动态添加、修改和删除菜单。为了保证在并发的情况下,每次都可能获取新的数据,这里可以加redis分布式锁。


加redis分布式锁的思路是对的。但接下来问题来了,在递归方法中递归遍历多次,每次都是加的同一把锁。递归层当然是可以加锁成功的,但递归第二层、第三层...第N层,不就会加锁失败了?


递归方法中加锁的伪代码如下:

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); }}


如果你直接这么用,看起来好像没有问题。但终执行程序之后发现,等待你的结果只有一个:出现异常。


因为从根节点开始,层递归加锁成功,还没释放锁,就直接进入第二层递归。因为锁名为lockKey,并且值为requestId的锁已经存在,所以第二层递归大概率会加锁失败,然后返回到层。层接下来正常释放锁,然后整个递归方法直接返回了。


这下子,大家知道出现什么问题了吧?


没错,递归方法其实只执行了层递归就返回了,其他层递归由于加锁失败,根本没法执行。


那么这个问题该如何解决呢?


答:使用可重入锁。


我们以redisson框架为例,它的内部实现了可重入锁的功能。


古时候有句话说得好:为人不识陈近南,便称英雄也枉然。


我说:分布式锁不识redisson,便称好锁也枉然。哈哈哈,只是自娱自乐一下。


由此可见,redisson在redis分布式锁中的江湖地位很高。


伪代码如下:

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(); }}


上面的代码也许并不完美,这里只是给了一个大致的思路,如果大家有这方面需求的话,以上代码仅供参考。


接下来,聊聊redisson可重入锁的实现原理。


加锁主要是通过以下脚本实现的:

if (redis.call('exists', KEYS[1]) == ) 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]:锁名

  • ARGV[1]:过期时间

  • ARGV[2]:uuid + ":" + threadId,可认为是requestId


先判断如果锁名不存在,则加锁。


接下来,判断如果锁名和requestId值都存在,则使用hincrby命令给该锁名和requestId值计数,每次都加1。注意一下,这里就是重入锁的关键,锁重入一次值就加1。


如果锁名存在,但值不是requestId,则返回过期时间。


释放锁主要是通过以下脚本实现的:


if (redis.call('hexists', KEYS[1], ARGV[3]) == ) then   return nilendlocal counter = redis.call('hincrby', KEYS[1], ARGV[3], -1);if (counter > ) then     redis.call('pexpire', KEYS[1], ARGV[2]);     return ;  else    redis.call('del', KEYS[1]);    redis.call('publish', KEYS[2], ARGV[1]);    return 1; end; return nil


  • 先判断如果锁名和requestId值不存在,则直接返回。

  • 如果锁名和requestId值存在,则重入锁减1。

  • 如果减1后,重入锁的value值还大于0,说明还有引用,则重试设置过期时间。

  • 如果减1后,重入锁的value值还等于0,则可以删除锁,然后发消息通知等待线程抢锁。


再次强调一下,如果你们系统可以容忍数据暂时不一致,有些场景不加锁也行,我在这里只是举个例子,本节内容并不适用于所有场景。


六、锁竞争问题


如果有大量需要写入数据的业务场景,使用普通的redis分布式锁是没有问题的。


但如果有些业务场景,写入的操作比较少,反而有大量读取的操作。这样直接使用普通的redis分布式锁,会不会有点浪费性能?


我们都知道,锁的粒度越粗,多个线程抢锁时竞争就越激烈,造成多个线程锁等待的时间也就越长,性能也就越差。


所以,提升redis分布式锁性能的步,就是要把锁的粒度变细。


1、读写锁


众所周知,加锁的目的是为了保证,在并发环境中读写数据的安全性,即不会出现数据错误或者不一致的情况。


但在绝大多数实际业务场景中,一般是读数据的频率远远大于写数据。而线程间的并发读操作是并不涉及并发安全问题,我们没有必要给读操作加互斥锁,只要保证读写、写写并发操作上锁是互斥的就行,这样可以提升系统的性能。


我们以redisson框架为例,它内部已经实现了读写锁的功能。


读锁的伪代码如下:

RReadWriteLock readWriteLock = redisson.getReadWriteLock("readWriteLock");RLock rLock = readWriteLock.readLock();try {    rLock.lock();    //业务操作} catch (Exception e) {    log.error(e);} finally {    rLock.unlock();}


写锁的伪代码如下:

RReadWriteLock readWriteLock = redisson.getReadWriteLock("readWriteLock");RLock rLock = readWriteLock.writeLock();try {    rLock.lock();    //业务操作} catch (InterruptedException e) {   log.error(e);} finally {    rLock.unlock();}


将读锁和写锁分开,大的好处是提升读操作的性能,因为读和读之间是共享的,不存在互斥性。而我们的实际业务场景中,绝大多数数据操作都是读操作。所以,如果提升了读操作的性能,也就会提升整个锁的性能。


下面总结一个读写锁的特点:


  • 读与读是共享的,不互斥

  • 读与写互斥

  • 写与写互斥


2、锁分段


此外,为了减小锁的粒度,比较常见的做法是将大锁:分段。


在java中ConcurrentHashMap,就是将数据分为16段,每一段都有单独的锁,并且处于不同锁段的数据互不干扰,以此来提升锁的性能。


放在实际业务场景中,我们可以这样做:


比如在秒杀扣库存的场景中,现在的库存中有2000个商品,用户可以秒杀。为了防止出现超卖的情况,通常情况下,可以对库存加锁。如果有1W的用户竞争同一把锁,显然系统吞吐量会非常低。


为了提升系统性能,我们可以将库存分段,比如:分为100段,这样每段就有20个商品可以参与秒杀。


在秒杀的过程中,先把用户id获取hash值,然后除以100取模。模为1的用户访问第1段库存,模为2的用户访问第2段库存,模为3的用户访问第3段库存,后面以此类推,到后模为100的用户访问第100段库存。



如此一来,在多线程环境中,可以大大的减少锁的冲突。以前多个线程只能同时竞争1把锁,尤其在秒杀的场景中,竞争太激烈了,简直可以用惨绝人寰来形容,其后果是导致绝大数线程在锁等待。现在多个线程同时竞争100把锁,等待的线程变少了,从而系统吞吐量也就提升了。


需要注意的地方是:将锁分段虽说可以提升系统的性能,但它也会让系统的复杂度提升不少。因为它需要引入额外的路由算法,跨段统计等功能。我们在实际业务场景中,需要综合考虑,不是说一定要将锁分段。


七、锁超时问题


我在前面提到过,如果线程A加锁成功了,但是由于业务功能耗时时间很长,超过了设置的超时时间,这时候redis会自动释放线程A加的锁。


有些朋友可能会说:到了超时时间,锁被释放了就释放了呗,对功能又没啥影响。


答:错,错,错。对功能其实有影响。


通常我们加锁的目的是:为了防止访问临界资源时,出现数据异常的情况。比如:线程A在修改数据C的值,线程B也在修改数据C的值,如果不做控制,在并发情况下,数据C的值会出问题。


为了保证某个方法,或者段代码的互斥性,即如果线程A执行了某段代码,是不允许其他线程在某一时刻同时执行的,我们可以用synchronized关键字加锁。


但这种锁有很大的局限性,只能保证单个节点的互斥性。如果需要在多个节点中保持互斥性,就需要用redis分布式锁。


做了这么多铺垫,现在回到正题。


假设线程A加redis分布式锁的代码,包含代码1和代码2两段代码。



由于该线程要执行的业务操作非常耗时,程序在执行完代码1的时,已经到了设置的超时时间,redis自动释放了锁。而代码2还没来得及执行。



此时,代码2相当于裸奔的状态,无法保证互斥性。假如它里面访问了临界资源,并且其他线程也访问了该资源,可能就会出现数据异常的情况。(PS:我说的访问临界资源,不单单指读取,还包含写入)


那么,如何解决这个问题呢?


答:如果达到了超时时间,但业务代码还没执行完,需要给锁自动续期。


我们可以使用TimerTask类,来实现自动续期的功能:

Timer timer = new Timer(); timer.schedule(new TimerTask() {    @Override    public void run(Timeout timeout) throws Exception {      //自动续期逻辑    }}, 10000TimeUnit.MILLISECONDS);

  

获取锁之后,自动开启一个定时任务,每隔10秒钟,自动刷新一次过期时间。这种机制在redisson框架中,有个比较霸气的名字:watch dog,即传说中的看门狗。


当然自动续期功能,我们还是优先推荐使用lua脚本实现,比如

if (redis.call('hexists', KEYS[1], ARGV[2]) == 1) then    redis.call('pexpire', KEYS[1], ARGV[1]);  return 1; end;return ;


需要注意的地方是:在实现自动续期功能时,还需要设置一个总的过期时间,可以跟redisson保持一致,设置成30秒。如果业务代码到了这个总的过期时间,还没有执行完,就不再自动续期了。


自动续期的功能是获取锁之后开启一个定时任务,每隔10秒判断一下锁是否存在,如果存在,则刷新过期时间。如果续期3次,也就是30秒之后,业务方法还是没有执行完,就不再续期了。


八、主从复制的问题


上面花了这么多篇幅介绍的内容,对单个redis实例是没有问题的。


but,如果redis存在多个实例。比如:做了主从,或者使用了哨兵模式,基于redis的分布式锁的功能,就会出现问题。


具体是什么问题?


假设redis现在用的主从模式,1个master节点,3个slave节点。master节点负责写数据,slave节点负责读数据。



本来是和谐共处,相安无事的。redis加锁操作,都在master上进行,加锁成功后,再异步同步给所有的slave。


突然有一天,master节点由于某些不可逆的原因,挂掉了。


这样需要找一个slave升级为新的master节点,假如slave1被选举出来了。



如果有个锁A比较悲催,刚加锁成功master就挂了,还没来得及同步到slave1。


这样会导致新master节点中的锁A丢失了。后面,如果有新的线程,使用锁A加锁,依然可以成功,分布式锁失效了。


那么,如何解决这个问题呢?


答:redisson框架为了解决这个问题,提供了一个专门的类:RedissonRedLock,使用了Redlock算法。


RedissonRedLock解决问题的思路如下:


  • 需要搭建几套相互独立的redis环境,假如我们在这里搭建了5套。

  • 每套环境都有一个redisson node节点。

  • 多个redisson node节点组成了RedissonRedLock。

  • 环境包含:单机、主从、哨兵和集群模式,可以是一种或者多种混合。


在这里我们以主从为例,架构图如下:



RedissonRedLock加锁过程如下:


  • 获取所有的redisson node节点信息,循环向所有的redisson node节点加锁,假设节点数为N,例子中N等于5。

  • 如果在N个节点当中,有N/2 + 1个节点加锁成功了,那么整个RedissonRedLock加锁是成功的。

  • 如果在N个节点当中,小于N/2 + 1个节点加锁成功,那么整个RedissonRedLock加锁是失败的。

  • 如果中途发现各个节点加锁的总耗时,大于等于设置的大等待时间,则直接返回失败。


从上面可以看出,使用Redlock算法,确实能解决多实例场景中,假如master节点挂了,导致分布式锁失效的问题。


但也引出了一些新问题,比如:


  • 需要额外搭建多套环境,申请更多的资源,需要评估一下成本和性价比。

  • 如果有N个redisson node节点,需要加锁N次,少也需要加锁N/2+1次,才知道redlock加锁是否成功。显然,增加了额外的时间成本,有点得不偿失。


由此可见,在实际业务场景,尤其是高并发业务中,RedissonRedLock其实使用的并不多。


在分布式环境中,CAP是绕不过去的。


CAP指的是在一个分布式系统中:


  • 一致性(Consistency)

  • 可用性(Availability)

  • 分区容错性(Partition tolerance)


这三个要素多只能同时实现两点,不可能三者兼顾。


如果你的实际业务场景,更需要的是保证数据一致性。那么请使用CP类型的分布式锁,比如:zookeeper,它是基于磁盘的,性能可能没那么好,但数据一般不会丢。


如果你的实际业务场景,更需要的是保证数据高可用性。那么请使用AP类型的分布式锁,比如:redis,它是基于内存的,性能比较好,但有丢失数据的风险。


其实,在我们绝大多数分布式业务场景中,使用redis分布式锁就够了,真的别太较真。因为数据不一致问题,可以通过终一致性方案解决。但如果系统不可用了,对用户来说是暴击一万点伤害。



作者丨因为热爱所以坚持ing
来源丨公众号:苏三说技术(ID:susanSayJava)



相关文章