redis 极简分布式锁实现

写在前面

工作中遇到，整理 reids 做简单分布式锁的思考
博文适合刚接触 redis 的小伙伴
理解不足小伙伴帮忙指正

对每个人而言，真正的职责只有一个：找到自我。然后在心中坚守其一生，全心全意，永不停息。所有其它的路都是不完整的，是人的逃避方式，是对大众理想的懦弱回归，是随波逐流，是对内心的恐惧 ——赫尔曼·黑塞《德米安》

假设现在有这样一个需求，需要做排队预约住宿的功能，当前宿舍住满了，有新的同学需要来入住，可以进行排队预约，排队编号通过累加的方式生成

我们设计这样一张数据表

CREATE TABLE `ams_student_queue_check_in_sync` (`queue_check_in_id` INT(11) NOT NULL AUTO_INCREMENT COMMENT '学生队列ID',`student_name` VARCHAR(50) NOT NULL COMMENT '学生姓名' COLLATE 'utf8mb4_general_ci',`student_uid` VARCHAR(50) NULL DEFAULT NULL COMMENT '学生uid' COLLATE 'utf8mb4_general_ci',`student_card` VARCHAR(30) NULL DEFAULT NULL COMMENT '学生身份证号' COLLATE 'utf8mb4_general_ci',`student_contact_number` VARCHAR(20) NOT NULL COMMENT '学生联系电话' COLLATE 'utf8mb4_general_ci',`student_email` VARCHAR(50) NULL DEFAULT NULL COMMENT '学生电子邮件地址' COLLATE 'utf8mb4_general_ci',`student_gender` TINYINT(4) NOT NULL DEFAULT '0' COMMENT '学生性别',`student_emergency_contact_name` VARCHAR(100) NULL DEFAULT NULL COMMENT '第二联系人姓名' COLLATE 'utf8mb4_general_ci',`student_emergency_contact_number` VARCHAR(20) NULL DEFAULT NULL COMMENT '第二联系人电话' COLLATE 'utf8mb4_general_ci',`student_status` TINYINT(4) NULL DEFAULT '1' COMMENT '学生排队状态(1.待入住，2.以入住 3.以取消)',`arrival_dates` DATETIME NULL DEFAULT NULL COMMENT '预计入住时间',`departure_dates` DATETIME NULL DEFAULT NULL COMMENT '预计离开日期',`queue_position` INT(11) NULL DEFAULT NULL COMMENT '学生在排队中的位置',`check_in_remark` TEXT NULL DEFAULT NULL COMMENT '备注' COLLATE 'utf8mb4_general_ci',`extended1` VARCHAR(50) NULL DEFAULT NULL COMMENT '扩展字段1' COLLATE 'utf8mb4_general_ci',`extended2` VARCHAR(50) NULL DEFAULT NULL COMMENT '扩展字段2' COLLATE 'utf8mb4_general_ci',`extended3` VARCHAR(50) NULL DEFAULT NULL COMMENT '扩展字段3' COLLATE 'utf8mb4_general_ci',`created_at` TIMESTAMP NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',`updated_at` TIMESTAMP NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '修改时间',PRIMARY KEY (`queue_check_in_id`) USING BTREE,INDEX `student_uid` (`student_uid`) USING BTREE
)
COMMENT='入住排队表'
COLLATE='utf8mb4_general_ci'
ENGINE=InnoDB
AUTO_INCREMENT=1363
;

queue_position 为每一位同学的排队编号，需要根据当前的学生编号最大来累加

下面为实现的基础代码

    @ApiOperation("入住排队接口")@PostMapping("/checkInQueue")@Transactionalpublic   AjaxResult checkInQueue( @RequestHeader("UID") String uid, @RequestBody AmsStudentQueueCheckIn amsStudentQueueCheckIn){if (Objects.isNull(uid)){return AjaxResult.error("Uid 为空");}if (Objects.isNull(amsStudentQueueCheckIn.getStudentEmergencyContactNumber())){return AjaxResult.error("电话号为空");}StringBuilder stringBuilder = new StringBuilder();String studentContactNumber = amsStudentQueueCheckIn.getStudentContactNumber();List<AmsStudentQueueCheckIn> amsStudentQueueCheckIns1 = amsStudentQueueCheckInService.selectAmsStudentQueueCheckInList(new AmsStudentQueueCheckIn().setStudentContactNumber(studentContactNumber));Integer count = amsStudentQueueCheckInService.selectAmsStudentQueueCheckInListCount(amsStudentQueueCheckIn.getStudentGender());if (Objects.nonNull(amsStudentQueueCheckIns1) && amsStudentQueueCheckIns1.size() !=0 ){stringBuilder.append("已经排队预约啦，请耐心等待 ^_^").append(", 预约编号为 " ).append(amsStudentQueueCheckIns1.get(0).getQueuePosition()).append(", 前面还有 ").append(count - 1).append( " 人");return  AjaxResult.success(stringBuilder.toString(),ImmutableMap.of("queuePosition",amsStudentQueueCheckIns1.get(0).getQueuePosition(),"beforePeopleBumber",count -1 ));}AmsStudentQueueCheckIn amsStudentQueueCheckIns = amsStudentQueueCheckInService.selectAmsStudentQueueCheckInListMax(amsStudentQueueCheckIn.getStudentGender());Long queuePosition = 0L;if (Objects.nonNull(amsStudentQueueCheckIns)){queuePosition = amsStudentQueueCheckIns.getQueuePosition()}amsStudentQueueCheckIn.setStudentStatus(1).setQueuePosition(queuePosition + 1L).setStudentUid(uid);amsStudentQueueCheckIn.setStudentStatus(1).setQueuePosition(amsStudentQueueCheckIns.getQueuePosition() + 1L).setStudentUid(uid);int i = amsStudentQueueCheckInService.insertAmsStudentQueueCheckIn(amsStudentQueueCheckIn);if (i != 1){return AjaxResult.error("排队预约失败！");}stringBuilder.append("排队预约成功").append(", 预约编号为 " ).append(amsStudentQueueCheckIn.getQueuePosition()).append(", 前面还有 ").append(count).append( " 人");return  AjaxResult.success(stringBuilder.toString(),ImmutableMap.of("queuePosition",amsStudentQueueCheckIn.getQueuePosition(),"beforePeopleBumber",count));}

逻辑比较简单，拿到数据，获取编号最大值累加，数据落表，但是上面的代码存在一个问题，因为是 Springboot 项目，使用 tomcat 部署，Spring Boot 嵌入的 Tomcat 默认启用 Http11NioProtocol，可以切换日志级别为 Debug 可看到

Http11NioProtocol 表示多线程非阻塞模式的HTTP协议的通信(web 服务端网络IO处理模型包括:单(多)线程阻塞(非阻塞)IO模型)。

# 日志级别 Debug
# 日志配置
logging:level:root: debug

11:42:51.810 [restartedMain] INFO  o.a.c.h.Http11NioProtocol - [log,173] - Initializing ProtocolHandler ["http-nio-8080"]
11:42:51.811 [restartedMain] DEBUG o.a.c.u.LifecycleBase - [log,173] - Setting state for [Connector[HTTP/1.1-8080]] to [INITIALIZED]
11:42:51.811 [restartedMain] DEBUG o.a.c.u.LifecycleBase - [log,173] - Setting state for [StandardService[Tomcat]] to [INITIALIZED]
11:42:51.811 [restartedMain] DEBUG o.a.c.u.LifecycleBase - [log,173] - Setting state for [StandardServer[-1]] to [INITIALIZED]
11:42:51.811 [restartedMain] DEBUG o.a.c.u.LifecycleBase - [log,173] - Setting state for [StandardServer[-1]] to [STARTING_PREP]
11:42:51.811 [restartedMain] DEBUG o.a.c.u.LifecycleBase - [log,173] - Setting state for [StandardServer[-1]] to [STARTING]
11:42:51.812 [restartedMain] DEBUG o.a.c.u.LifecycleBase - [log,173] - Setting state for [org.apache.catalina.deploy.NamingResourcesImpl@1dc49001] to [STARTING_PREP]
11:42:51.812 [restartedMain] DEBUG o.a.c.u.LifecycleBase - [log,173] - Setting state for [org.apache.catalina.deploy.NamingResourcesImpl@1dc49001] to [STARTING]
11:42:51.812 [restartedMain] DEBUG o.a.c.u.LifecycleBase - [log,173] - Setting state for [org.apache.catalina.deploy.NamingResourcesImpl@1dc49001] to [STARTED]
11:42:51.812 [restartedMain] DEBUG o.a.c.u.LifecycleBase - [log,173] - Setting state for [StandardService[Tomcat]] to [STARTING_PREP]
11:42:51.812 [restartedMain] INFO  o.a.c.c.StandardService - [log,173] - Starting service [Tomcat]
11:42:51.812 [restartedMain] DEBUG o.a.c.u.LifecycleBase - [log,173] - Setting state for [StandardService[Tomcat]] to [STARTING]
11:42:51.813 [restartedMain] DEBUG o.a.c.u.LifecycleBase - [log,173] - Setting state for [StandardEngine[Tomcat]] to [STARTING_PREP]
11:42:51.813 [restartedMain] INFO  o.a.c.c.StandardEngine - [log,173] - Starting Servlet engine: [Apache Tomcat/9.0.75]

可以看到 spring-boot-starter-web 嵌入的 9.0.75 版本的 tomcat ，Tomcat 从 8.5 版本开始移除了 BIO，默认启用 NIO

下图为从套接字连接接收、处理请求、响应客户端的整个过程

《Tomcat内核设计剖析》

所以当多个排队请求并发调用接口时，不同的线程会分别进入方法，这个时候有可能会从数据库获取相同的排队编号进行累加，同时生成相同新编号，所以这里需要考虑方法线程安全,

最简单的方式是使用同步方法，保证只有一个线程获取锁，但是这不是最优的方式，这里不做考虑

 public  synchronized  AjaxResult checkInQueue( @RequestHeader("UID") String uid, @RequestBody AmsStudentQueueCheckIn amsStudentQueueCheckIn){....................

使用同步方法的方式解决了上面的问题，但是如果当前项目是在 k8s 集群上面部署，以分布式的方式，就需要考虑多个 Pod 的数据同步问题。

假设两个排队请求被负载到两个不同的 Pod，这个时候同时查询数据会获取相同的最大编号，生成相同的编号，考虑使用分布式锁。下面为对方法的改进，这里如果使用分布式锁的方式，那么上面的同步方法即可以去掉了,因为获取锁的方法是原子操作。

分布式锁实现很简单，就是进来一个线程先占位，当别的线城进来操作时，发现已经有人占位了，就会放弃或者稍后再试。这里的占位状态是全局的，相对整个集群而言，代码如下

        String token = UUID.randomUUID().toString();// 添加分布式锁if (redisCache.tryAcquireLock("checkInQueue", token, 2, 10)){AmsStudentQueueCheckIn amsStudentQueueCheckIns = amsStudentQueueCheckInService.selectAmsStudentQueueCheckInListMax(amsStudentQueueCheckIn.getStudentGender());Long queuePosition = 0L;if (Objects.nonNull(amsStudentQueueCheckIns)){queuePosition = amsStudentQueueCheckIns.getQueuePosition();}amsStudentQueueCheckIn.setStudentStatus(1).setQueuePosition(queuePosition + 1L).setStudentUid(uid);int i = amsStudentQueueCheckInService.insertAmsStudentQueueCheckIn(amsStudentQueueCheckIn);// 释放分布式锁redisCache.unlock("checkInQueue", token);if (i != 1){return AjaxResult.error("排队预约失败！请重新填写");}}else {return AjaxResult.error("系统繁忙，请稍后提交!");}

tryAcquireLock 和 tryLock 以及 unlock 的方法实现

public class RedisCache
{private static final Logger log = LoggerFactory.getLogger(RedisCache.class);private static final String REDIS_UNLOCK_SCRIPT = "if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call('del', KEYS[1]) else return 0 end";@Autowiredpublic RedisTemplate redisTemplate;/*** 获取分布式锁** @param key* @param token* @param expireInSeconds 锁超时时间* @return*/public boolean tryLock(String key, String token, long expireInSeconds) {Boolean res = redisTemplate.opsForValue().setIfAbsent(key, token, expireInSeconds, TimeUnit.SECONDS);log.info("获取分布式锁："+ key + ":" + token);return Objects.equals(res, true);}/*** 分布式锁 unlock，使用lua脚本保证事务** @param key* @param token lock时的token值，只有token一致才能解锁* @return*/public void unlock(String key, String token) {try {DefaultRedisScript<Long> redisScript = new DefaultRedisScript<>(REDIS_UNLOCK_SCRIPT, Long.class);Long res = (Long) redisTemplate.execute(redisScript, Collections.singletonList(key), token);log.info("释放分布式锁："+ key + ":" + token);if (!Objects.equals(res, 1L)) {log.warn("redis unlock wrong:key=[{}],token=[{}],res=[{}]", key, token, res);}} catch (Exception e) {log.error("redis unlock error:key=[{}],token=[{}]", key, token, e);}}/*** @param key* @param token* @param lockTimeout  锁的超时时间* @param acquireTimeout  获取锁的截止时间* @return*/public boolean tryAcquireLock(String key, String token, long lockTimeout, long acquireTimeout) {try {long end = System.currentTimeMillis() + acquireTimeout;while (System.currentTimeMillis() < end) {Boolean res = redisTemplate.opsForValue().setIfAbsent(key, token, lockTimeout, TimeUnit.MILLISECONDS);if (Boolean.TRUE.equals(res)) {log.info("获取分布式锁："+ key + ":" + token);return true;}try {Thread.sleep(100);} catch (Exception e) {log.error("thread sleep error", e);Thread.currentThread().interrupt();}}} catch (Exception e) {log.error("try acquire lock error, ", e);}return false;}
}

tryAcquireLock 和 tryLock 都用于获取分布式锁，unlock 用于释放分布式锁，逻辑简单，这里不做说明，关注以下几点：

tryAcquireLock 和 tryLock 的区别在于，前者在没有获取到锁之后会在限定的时间进行重复尝试获取，后者只尝试获取一次。
防止业务代码在执行的时候抛出异常，每一个锁添加了一个超时时间，超时之后，锁会被自动释放，考虑获取锁和设置过期时间之间如果服务器突然挂掉了，这个时候锁被占用，无法及时得到释放，也会造成死锁所以，所以要保证这个操作是原子的，所以使用 Redis 提供的原子操作 setIfAbsent(检查指定的键是否存在，如果不存在则设置键值对)
如果当前线程执行业务较耗时，超时时间会自动释放锁，其他线程会获取锁，当前线程执行完释放锁或释放到其他线程的锁，会出现混乱，所以需要锁相对线程唯一，自己的锁只能自己释放，使用 key+token 的机制
使用 key+token 的机制，每次释放锁都要判断 value, 一致才释放，但是这样的话，要去查看锁的 value，比较 value 的值是否正确，释放锁，多个操作不保证原子性，所以unlock 需要引入 lua脚本,Lua 脚本可以在 Redis 服务端原子的执行多个 Redis 命令

上面的实现是最简单的 redis 实现分布式锁，如果要进一步增强分布式锁的可靠性和性能，可以考虑使用更复杂的方案，如 RedLock 算法(redis 集群)、基于 Redis 的 Pub/Sub 机制等。这些方案可以提供更强的分布式锁功能，并解决一些特殊情况下的竞态条件和故障恢复问题。