歡迎關注個人公眾號：石杉的架構筆記（ID:shishan100）

週一至五早8點半！精品技術文章準時送上！

目錄

一、寫在前面

二、Redisson實現Redis分散式鎖的底層原理

      （1）加鎖機制

      （2）鎖互斥機制

      （3）watch dog自動延期機制

      （4）可重入加鎖機制

      （5）鎖釋放機制

      （6）此種方案Redis分散式鎖的缺陷

三、未完待續

一、寫在前面

現在面試，一般都會聊聊分散式系統這塊的東西。通常面試官都會從服務框架（Spring Cloud、Dubbo）聊起，一路聊到分散式事務、分散式鎖、ZooKeeper等知識。所以咱們這篇文章就來聊聊分散式鎖這塊知識，具體的來看看Redis分散式鎖的實現原理。

說實話，如果在公司裡落地生產環境用分散式鎖的時候，一定是會用開源類庫的，比如Redis分散式鎖，一般就是用Redisson框架就好了，非常的簡便易用。

大家如果有興趣，可以去看看Redisson的官網，看看如何在專案中引入Redisson的依賴，然後基於Redis實現分散式鎖的加鎖與釋放鎖。下面給大家看一段簡單的使用程式碼片段，先直觀的感受一下：

怎麼樣，上面那段程式碼，是不是感覺簡單的不行！此外，人家還支援redis單例項、redis哨兵、redis cluster、redis master-slave等各種部署架構，都可以給你完美實現。

二、Redisson實現Redis分散式鎖的底層原理

好的，接下來就通過一張手繪圖，給大家說說Redisson這個開源框架對Redis分散式鎖的實現原理。

（1）加鎖機制

咱們來看上面那張圖，現在某個客戶端要加鎖。如果該客戶端面對的是一個redis cluster叢集，他首先會根據hash節點選擇一臺機器。這裡注意，僅僅只是選擇一臺機器！這點很關鍵！緊接著，就會發送一段lua指令碼到redis上，那段lua指令碼如下所示：

為啥要用lua指令碼呢？因為一大坨複雜的業務邏輯，可以通過封裝在lua指令碼中傳送給redis，保證這段複雜業務邏輯執行的原子性。

那麼，這段lua指令碼是什麼意思呢？這裡KEYS[1]代表的是你加鎖的那個key，比如說：RLock lock = redisson.getLock("myLock");這裡你自己設定了加鎖的那個鎖key就是“myLock”。

ARGV[1]代表的就是鎖key的預設生存時間，預設30秒。ARGV[2]代表的是加鎖的客戶端的ID，類似於下面這樣：8743c9c0-0795-4907-87fd-6c719a6b4586:1

給大家解釋一下，第一段if判斷語句，就是用“exists myLock”命令判斷一下，如果你要加鎖的那個鎖key不存在的話，你就進行加鎖。如何加鎖呢？很簡單，用下面的命令：hset myLock

8743c9c0-0795-4907-87fd-6c719a6b4586:1 1，通過這個命令設定一個hash資料結構，這行命令執行後，會出現一個類似下面的資料結構：

上述就代表“8743c9c0-0795-4907-87fd-6c719a6b4586:1”這個客戶端對“myLock”這個鎖key完成了加鎖。接著會執行“pexpire myLock 30000”命令，設定myLock這個鎖key的生存時間是30秒。好了，到此為止，ok，加鎖完成了。

（2）鎖互斥機制

那麼在這個時候，如果客戶端2來嘗試加鎖，執行了同樣的一段lua指令碼，會咋樣呢？很簡單，第一個if判斷會執行“exists myLock”，發現myLock這個鎖key已經存在了。接著第二個if判斷，判斷一下，myLock鎖key的hash資料結構中，是否包含客戶端2的ID，但是明顯不是的，因為那裡包含的是客戶端1的ID。

所以，客戶端2會獲取到pttl myLock返回的一個數字，這個數字代表了myLock這個鎖key的剩餘生存時間。比如還剩15000毫秒的生存時間。此時客戶端2會進入一個while迴圈，不停的嘗試加鎖。

（3）watch dog自動延期機制

客戶端1加鎖的鎖key預設生存時間才30秒，如果超過了30秒，客戶端1還想一直持有這把鎖，怎麼辦呢？

簡單！只要客戶端1一旦加鎖成功，就會啟動一個watch dog看門狗，他是一個後臺執行緒，會每隔10秒檢查一下，如果客戶端1還持有鎖key，那麼就會不斷的延長鎖key的生存時間。

（4）可重入加鎖機制

那如果客戶端1都已經持有了這把鎖了，結果可重入的加鎖會怎麼樣呢？比如下面這種程式碼：

這時我們來分析一下上面那段lua指令碼。第一個if判斷肯定不成立，“exists myLock”會顯示鎖key已經存在了。第二個if判斷會成立，因為myLock的hash資料結構中包含的那個ID，就是客戶端1的那個ID，也就是“8743c9c0-0795-4907-87fd-6c719a6b4586:1”

此時就會執行可重入加鎖的邏輯，他會用：

incrby myLock 8743c9c0-0795-4907-87fd-6c71a6b4586:1 1  ，通過這個命令，對客戶端1的加鎖次數，累加1。此時myLock資料結構變為下面這樣：

大家看到了吧，那個myLock的hash資料結構中的那個客戶端ID，就對應著加鎖的次數

（5）釋放鎖機制

如果執行lock.unlock()，就可以釋放分散式鎖，此時的業務邏輯也是非常簡單的。其實說白了，就是每次都對myLock資料結構中的那個加鎖次數減1。如果發現加鎖次數是0了，說明這個客戶端已經不再持有鎖了，此時就會用：“del myLock”命令，從redis裡刪除這個key。然後呢，另外的客戶端2就可以嘗試完成加鎖了。這就是所謂的分散式鎖的開源Redisson框架的實現機制。

一般我們在生產系統中，可以用Redisson框架提供的這個類庫來基於redis進行分散式鎖的加鎖與釋放鎖。

（6）上述Redis分散式鎖的缺點

其實上面那種方案最大的問題，就是如果你對某個redis master例項，寫入了myLock這種鎖key的value，此時會非同步複製給對應的master slave例項。但是這個過程中一旦發生redis master宕機，主備切換，redis slave變為了redis master。

接著就會導致，客戶端2來嘗試加鎖的時候，在新的redis master上完成了加鎖，而客戶端1也以為自己成功加了鎖。此時就會導致多個客戶端對一個分散式鎖完成了加鎖。這時系統在業務語義上一定會出現問題，導致各種髒資料的產生。

所以這個就是redis cluster，或者是redis master-slave架構的主從非同步複製導致的redis分散式鎖的最大缺陷：在redis master例項宕機的時候，可能導致多個客戶端同時完成加鎖。

三、未完待續

下一篇文章，給大家分享一下電商系統中，大促銷的活動場景下，每秒上千訂單的時候如何對Redis分散式鎖進行高併發的優化。

敬請關注：

《每秒上千訂單的高併發場景下如何完成分散式鎖的效能優化？》

END

如有收穫，請幫忙轉發，您的鼓勵是作者最大的動力，謝謝！

一大波微服務、分散式、高併發、高可用的原創系列

文章正在路上,歡迎掃描下方二維碼，持續關注：

石杉的架構筆記（id:shishan100）

十餘年BAT架構經驗傾囊相授

推薦閱讀：
1、 拜託！面試請不要再問我Spring Cloud底層原理
2、 【雙11狂歡的背後】微服務註冊中心如何承載大型系統的千萬級訪問？
3、 【效能優化之道】每秒上萬併發下的Spring Cloud引數優化實戰
4、 微服務架構如何保障雙11狂歡下的99.99%高可用
5、 兄弟，用大白話告訴你小白都能聽懂的Hadoop架構原理
6、 大規模叢集下Hadoop NameNode如何承載每秒上千次的高併發訪問
7、【 效能優化的祕密】Hadoop如何將TB級大檔案的上傳效能優化上百倍 8、 拜託，面試請不要再問我TCC分散式事務的實現原理 坑爹呀！ 9、 【坑爹呀！】最終一致性分散式事務如何保障實際生產中99.99%高可用？