Redis 典型应用 - 分布式锁
目录
第十章 Redis 典型应用 - 分布式锁
10.1 什么是分布式锁？
10.2 分布式锁的基础实现
10.3 引入过期时间
10.4 引入校验 id
10.5 引入lua
10.6 引入 watch dog (看门狗)
10.7 引入 Redlock 算法
10.8 其他功能
第十章 Redis 典型应用 - 分布式锁
10.1 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。
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。
10.2 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，现在车站提供了若干个车次，每个车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：先查询指定车次的余票，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就是车次，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车次加锁，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同样是车次。但是此时设置的时候发现该车次的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。
10.3 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。
10.4 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，但是删除前要校验下 serverId 是否匹配. if (redis.get(key) == 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。
10.5 引入lua
为了解锁操作原子，可以使用Redis的Lua脚本功能。
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 Lua: about)
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。
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等客户端加载，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。
10.6 引入 watch dog (看门狗)
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长，比如30s，是否能解决这个问题呢？很明显，设置多长时间合适，是无止境的。即使设置再长，也不能完全保证就没有提前失效的情况。
而且如果设置的太长了，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长时间，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。同时设定看门狗线程每隔3s检测一次。
那么当3s时间到的时候，看门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，看门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。
10.7 引入 Redlock 算法
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)。
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。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。
10.8 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)。
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。