Redis分布式锁的使用和实现原理详解

模拟一个电商里面下单减库存的场景。

第一版代码：存在超卖

1.首先在redis里加入商品库存数量。

2.新建一个Spring Boot项目，在pom里面引入相关的依赖。

org.springframework.boot

spring-boot-starter-web

org.springframework.boot

spring-boot-starter-data-redis

3.接下来，在application.yml配置redis属性和指定应用的端口号：

server:

port: 8090

spring:

redis:

host: 192.168.0.60

port: 6379

4.新建一个Controller类，扣减库存第一版代码：

import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
 
import javax.annotation.Resource;
import java.util.Objects;
 
@RestController
public class StockController {
 
 private static final Logger logger = LoggerFactory.getLogger(StockController.class);
 
 @Resource
 private StringRedisTemplate stringRedisTemplate;
 
 @RequestMapping("/reduceStock")
 public String reduceStock() {
 // 从redis中获取库存数量
 int stock = Integer.parseInt(Objects.requireNonNull(stringRedisTemplate.opsForValue().get("stockCount")));
 if (stock > 0) {
  // 减库存
  int restStock = stock - 1;
  // 剩余库存再重新设置到redis中
  stringRedisTemplate.opsForValue().set("stockCount", String.valueOf(restStock));
  logger.info("扣减成功，剩余库存：{}", restStock);
 } else {
  logger.info("库存不足，扣减失败。");
 }
 
 return "success";
 }
}

上面第一版的代码存在什么问题：超卖。假如多个线程同时调用获取库存数量的代码，那么每个线程拿到的都是100，判断库存都大于0，都可以执行减库存的操作。假如两个线程都做减库存更新缓存，那么缓存的库存变成99，但实际上，应该是减掉2个库存。

那么很多人的第一个想法是加synchronized同步代码块，因为获取数量和减库存不是原子性操作，有多个线程来执行代码的时候，只允许一个线程执行代码块里的代码。

第二版：加synchronized同步代码块

@RequestMapping("/reduceStock")
public String reduceStock() {
synchronized (this) {
 // 从redis中获取库存数量
 int stock = Integer.parseInt(Objects.requireNonNull(stringRedisTemplate.opsForValue().get("stockCount")));
 if (stock > 0) {
 // 减库存
 int restStock = stock - 1;
 // 剩余库存再重新设置到redis中
 stringRedisTemplate.opsForValue().set("stockCount", String.valueOf(restStock));
 logger.info("扣减成功，剩余库存：{}", restStock);
 } else {
 logger.info("库存不足，扣减失败。");
 }
}
 
return "success";
}

但使用synchronize存在的问题，就是只能保证单机环境运行时没有问题的。但现在的软件公司里，基本上都是集群架构，是多实例，前面使用Nginx做负载均衡，大概架构如下：

Nginx分发请求，把请求发送到不同的Tomcat容器，而synchronize只能保证一个应用是没有问题的。

第三版：引入redis分布式锁

具体代码如下：

1. 基础：只设置了锁

@RequestMapping("/reduceStock")public String reduceStock() {
String lockKey = "stockKey";
try {
    boolean result = stringRedisTemplate.opsForValue().setIfAbsent(lockKey, "1"); 
    if (!result) {
         return "errorCode"; 
    }
     // 从redis中获取库存数量
    int stock =    Integer.parseInt(Objects.requireNonNull(stringRedisTemplate.opsForValue().get("stockCount"))); 
    if (stock > 0) { // 减库存 
         int restStock = stock - 1; // 剩余库存再重新设置到redis
         RedisTemplate.opsForValue().set("stockCount", String.valueOf(restStock)); 
         logger.info("扣减成功，剩余库存：{}", restStock); 
    } 
    else { 
        logger.info("库存不足，扣减失败。"); 
      }
} 
finally { 
    stringRedisTemplate.delete(lockKey)
}
return "success";
}

如果有一个线程拿到锁，那么其他的线程就会等待。一定要记得在finally里面把使用完的锁要删除掉。否则一旦抛出异常，只有一个线程会一直持有锁，其他线程没有机会获取。

2. 进阶：为防止死锁，加过期时间

但如果在执行if (stock > 0) {代码块里的代码，因为宕机或重启没有执行完，也会一直持有锁，所以，这里需要把锁加一个超时时间：

boolean result = stringRedisTemplate.opsForValue().setIfAbsent(lockKey, "1");
stringRedisTemplate.expire(lockKey, 10, TimeUnit.SECONDS);

但如果上面两行代码在中间执行出问题了，设置超时时间的代码还没执行，也会出现锁不能释放的问题。好在有对应的方法：就是把上面两行代码设置成一个原子操作：

// 这里默认设置超时时间为10秒
boolean result = stringRedisTemplate.opsForValue().setIfAbsent(lockKey, "1", 10, TimeUnit.SECONDS);

到此为止，如果并发量不是很大的话，基本上是没有问题的。

3. 进阶：并发量很大，多用户锁互删、覆盖问题

为每个请求生成唯一的id，保证自己只能删除自己的锁

但是，如果请求的并发量很大，就会出现新的问题：有种比较特殊的情况，第一个线程执行了15秒，但是执行到10秒钟的时候，锁已经失效释放了，那么在高并发场景下，第二个线程发现锁已经失效，那么它就可以拿到这把锁进行加锁，
假设第二个线程执行需要8秒，它执行到5秒钟后，此时第一个线程已经执行完了，执行完那一刻，进行了删除key的操作，但是此时的锁是第二个线程加的，这样第一个线程把第二个线程加的锁删掉了。

那意味着第三个线程又可以拿到锁，第三个线程执行了3秒钟，此时第二个线程执行完毕，那么第二个线程把第三个线程的锁又删除了。导致锁失效。

那么解决的思路就是，我自己加的锁，不要被别人删掉。那么可以为每个进来的请求生成一个唯一的id，作为分布式锁的值，然后在释放时，判断一下当前线程的id，是不是和缓存里的id是否相等。

@RequestMapping("/reduceStock")
public String reduceStock() {
String lockKey = "stockKey";
String id = UUID.randomUUID().toString();
try {
 // 这里默认设置超时时间为30秒
 boolean result = stringRedisTemplate.opsForValue().setIfAbsent(lockKey, id, 30, TimeUnit.SECONDS);
 if (!result) {
 return "errorCode";
 }
 // 从redis中获取库存数量
 int stock = Integer.parseInt(Objects.requireNonNull(stringRedisTemplate.opsForValue().get("stockCount")));
 if (stock > 0) {
 // 减库存
 int restStock = stock - 1;
 // 剩余库存再重新设置到redis中
 stringRedisTemplate.opsForValue().set("stockCount", String.valueOf(restStock));
 logger.info("扣减成功，剩余库存：{}", restStock);
 } else {
 logger.info("库存不足，扣减失败。");
 }
} finally {
 if (id.contentEquals(Objects.requireNonNull(stringRedisTemplate.opsForValue().get(lockKey)))) {
 stringRedisTemplate.delete(lockKey);
 }
}
return "success";
}

到此为止，一个比较完善的锁就实现了，可以应付大部分场景。

4. 进阶进阶：锁续命

当然，上面的代码还有一个问题，就是一个线程执行时间超过了过期时间，后面的代码还没有执行完，锁就已经删除了，还是会有些bug存在。解决的方法是给锁续命的操作。
在当前主线程获取到锁以后，可以fork出一个线程，执行Timer定时器操作，假如默认超时时间为30秒，那么定时器每隔10秒去看下这把锁还是否存在，存在就说明这个锁里的逻辑还没有执行完，那么就可以把当前主线程的超时时间重新设置为30秒；如果不存在，就直接结束掉。

用Redisson来实现分布式锁

但是上面的逻辑，在高并发场景下，实现比较完善还是比较困难的。好在现在已经有比较成熟的框架，那就是Redisson。官方地址https://redisson.org。

引入依赖包：

org.redisson

redisson

3.6.5

配置类：

@Configuration

public class RedissonConfig {

@Bean

public Redisson redisson() {

// 单机模式

Config config = new Config();

config.useSingleServer().setAddress("redis://192.168.0.60:6379").setDatabase(0);

return (Redisson) Redisson.create(config);

}

用redisson重写上面的减库存操作：

@Resource
private Redisson redisson;
 
@RequestMapping("/reduceStock")
public String reduceStock() {
 String lockKey = "stockKey";
 RLock redissonLock = redisson.getLock(lockKey);
 try {
  // 加锁，锁续命
  redissonLock.lock();
  // 从redis中获取库存数量
  int stock = Integer.parseInt(Objects.requireNonNull(stringRedisTemplate.opsForValue().get("stockCount")));
  if (stock > 0) {
   // 减库存
   int restStock = stock - 1;
   // 剩余库存再重新设置到redis中
   stringRedisTemplate.opsForValue().set("stockCount", String.valueOf(restStock));
   logger.info("扣减成功，剩余库存：{}", restStock);
  } else {
   logger.info("库存不足，扣减失败。");
  }
 } finally {
  redissonLock.unlock();
 }
 return "success";
}

其实就是三个步骤：获取锁，加锁，释放锁。

Redisson的实现原理：

这里先说一下Redis很多操作使用Lua脚本来实现原子性操作，关于Lua语法，可以去网上找下相关教程。
使用Lua脚本的好处有：

1.减少网络开销，多个命令可以使用一次请求完成；

2.实现了原子性操作，Redis会把Lua脚本作为一个整体去执行；

3.实现事务，Redis自带的事务功能有限，而Lua脚本实现了事务的常规操作，而且还支持回滚。

但是Lua实际上不会使用很多，如果Lua脚本执行时间过长，因为Redis是单线程，因此会导致堵塞。

Redisson分布式锁的代码实现分析

找到上面的redissonLock.lock()；
lock方法点进去，一直点到RedissonLock类里面的lockInterruptibly方法：

@Override

public void lockInterruptibly(long leaseTime, TimeUnit unit) throws InterruptedException {

// 获取线程id

long threadId = Thread.currentThread().getId();

Long ttl = tryAcquire(leaseTime, unit, threadId);

// lock acquired

if (ttl == null) {

return;

}

RFuture future = subscribe(threadId);

commandExecutor.syncSubscription(future);

try {

while (true) {

ttl = tryAcquire(leaseTime, unit, threadId);

// lock acquired

if (ttl == null) {

break;

}

// waiting for message

if (ttl >= 0) {

getEntry(threadId).getLatch().tryAcquire(ttl, TimeUnit.MILLISECONDS);

} else {

getEntry(threadId).getLatch().acquire();

}

} finally {

unsubscribe(future, threadId);

}

// get(lockAsync(leaseTime, unit));

}

重点看下tryAcquire方法，把线程id作为一个参数传递进来，在这个方法里面，找到tryLockInnerAsync方法点进去，

RFuture tryLockInnerAsync(long leaseTime, TimeUnit unit, long threadId, RedisStrictCommand command) {

internalLockLeaseTime = unit.toMillis(leaseTime);

return commandExecutor.evalWriteAsync(getName(), LongCodec.INSTANCE, command,

"if (redis.call('exists', KEYS[1]) == 0) 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); " +