Redis分布式锁零散知识

一、为了确保分布式锁的可用性，需要确保锁在任意时刻，能同时满足以下四个条件
1.互斥性：在任意时刻，只有一个客户端能持有锁
2.不会发送死锁，即时有一个客户端在持有锁期间崩溃而没有主动解锁，也需要保证其他客户端能加锁
3.具有容错性，只要大部分的Redis节点正常运行，客户端就可以加锁解锁
4.加锁和解锁必须是同一个客户端

二、Redis分布式锁和Java锁的区别
1. 如果是分布式部署的话，那么Java锁是锁当前机器上的请求，无法对其他机器的请求进行加锁，因为Java锁用的是jvm的机制，只在本机生效
2. 姑且说项目就是单机部署的，那么在加锁的时候，Java锁的粒度会更大，Java锁会对接口的其他请求全部阻塞，但是分布式锁，只会对接口的某一个key进行请求的时候，加锁；因为Redis分布式锁有key的入参，如果同时key1和key2都来请求接口，那么Redis分布式锁可以同时执行，但是Java锁，不行，会阻塞key2的请求

三、Redis分布式锁和zk分布式锁怎么选择：
1.Redis采用的是AP模式，zk采用的是CP模式
2.Redis分布式锁简单粗暴，获取不到锁，就直接不断的重试，比较消费资源、性能
3.Redis本身的设计就不是强一致性的，所以，在一些极端的场景下，会出现问题，但是大部分情况下，是不会遇到所谓的极端复杂场景，所以，使用Redis锁也是一个选择
4.zk的设计就是强一致性，如果获取不到锁，就添加一个监听，不用一直轮询，但是zk也有其缺点，如果有较多的客户端频繁的申请加锁解锁，对zk集群的压力比较大

Redis是典型的AP模型，也就是保证高可用，和数据的最终一致性，基于这个模型，在使用Redis分布式锁的时候，就有可能会出现问题

redisson分布式锁：
1.线程A加锁，加锁成功，然后master节点将数据同步到slave，在同步的时候，出现异常，导致master宕机，但是数据也没有同步到slave
2.此时slave升级为master，那此时的话，线程B继续对同一个key加锁，会加锁成功，因为此时的master，没有这把锁记录

redLock：
要求多个节点独立部署，在加锁的时候，会依次去多个节点上加锁，只要有半数以上的节点，加锁成功，就会认为当前线程加锁成功，那基于这个前提，我们实际举例
1.当前是三台机器集群部署，线程A加锁，加入此时对1、2、3三台机器加锁成功，
2.线程B也过来加锁，对3、4、5机器进行加锁，但是3这台机器会加锁失败
3.假如出现极端场景，线程A在释放锁的时候，先释放了3这台机器，然后在去释放1和2的时候，由于网络或者其他原因，导致线程暂停，此时线程B会加锁成功
4.线程B加锁成功之后，会去持有锁，执行自己的业务逻辑，但是在线程A唤醒的一瞬间，当前三台Redis机器上，会同时有两个线程同时持有同一把锁

四、分布式锁加锁思路

1.进入方法之后，首先查询缓存，如果缓存命中，return
2.如果缓存未命中，则查询数据库，但是在查询数据库之前，进行加锁
3.加锁之后，再查询一遍缓存，这里查询缓存，是为了防止第二个阻塞在加锁这里的线程，在获取到锁之后，直接查询数据库
4.如果缓存命中，就返回，如果未命中，查询数据库，并放入到缓存中
5.最后释放锁


String value = redisTemplate.get(key);
if(value != null){
    return value;
}
redisson.lock();
try{
  /**
  * 这里加锁之后，还是再次查询Redis，防止这种场景：
  * A和B连个线程同时执行该方法，A线程获取到锁，B线程阻塞到redisson.lock()这里；那么A在从数据库中查询到数据之后，会将数据写入Redis，在A释放了锁之后。B获取了执行权限，在B获取执行权限的时候，A已经将数据写入了Redis，此时，B就无需再次查询数据库
  */
  String valueTemp = redisTemplate.get(key);
  if(valueTemp != null){
        return valueTemp;
    }
  OerChannelEntity operChannelEntity = operChannelDao.selectById(key);
  redisTemplate.set(key,operChannelEntity.getName);
  return operChannelEntity.getName;
}finally{
  redisson.unlock();
}