目录
一、Redisson原理
1.1.高效的分布式锁
1.2.互斥
1.3.防止死锁
1.4.性能
1.5.重入
1.6.Redisson 原理分析流程图
1.7.加锁机制
1.8.Watch dog 自动延期机制
1.9.为啥要用 lua 脚本呢?
1.10.可重入加锁机制
1.11.Redisson 分布式锁的缺点
二、 Redisson 分布式锁使用实例
一、Redisson原理
当我们在设计分布式锁的时候,我们应该考虑分布式锁至少要满足的一些条件,同时考虑如何高效的设计分布式锁,这里我认为以下几点是必须要考虑的
在分布式高并发的条件下,我们最需要保证,同一时刻只能有一个线程获得锁,这是最基本的一点
在分布式高并发的条件下,比如有个线程获得锁的同时,还没有来得及去释放锁,就因为系统故障或者其它原因使它无法执行释放锁的命令,导致其它线程都无法获得锁,造成死锁。所以分布式非常有必要设置锁的有效时间
,确保系统出现故障后,在一定时间内能够主动去释放锁,避免造成死锁的情况
对于访问量大的共享资源,需要考虑减少锁等待的时间,避免导致大量线程阻塞。所以在锁的设计时,需要考虑两点:
1、
锁的颗粒度要尽量小
。比如你要通过锁来减库存,那这个锁的名称你可以设置成是商品的ID,而不是任取名称。这样这个锁只对当前商品有效,锁的颗粒度小。2、
锁的范围尽量要小
。比如只要锁2行代码就可以解决问题的,那就不要去锁10行代码了
我们知道ReentrantLock是可重入锁,那它的特点就是:同一个线程可以重复拿到同一个资源的锁。重入锁非常有利于资源的高效利用。关于这点之后会做演示
线程去获取锁,获取成功: 执行lua脚本,保存数据到redis数据库。线程去获取锁,获取失败: 一直通过while循环尝试获取锁,获取成功后,执行lua脚本,保存数据到redis数据库
这个比较难理解,找了些许资料感觉也并没有解释的很清楚。这里我自己的理解就是:在一个分布式环境下,假如一个线程获得锁后,突然服务器宕机了,那么这个时候在一定时间后这个锁会自动释放,你也可以设置锁的有效时间(不设置默认30秒),这样的目的主要是防止死锁的发生。
但在实际开发中会有下面一种情况:
// 设置锁1秒过去
redissonLock.lock("redisson", 1);
/**
* 业务逻辑需要咨询2秒
*/
redissonLock.release("redisson");
/**
* 线程1 进来获得锁后,线程一切正常并没有宕机,但它的业务逻辑需要执行2秒,这就会有个问题,在 线程1 执行1秒后,这个锁就自动过期了,
* 那么这个时候 线程2 进来了。那么就存在 线程1和线程2 同时在这段业务逻辑里执行代码,这当然是不合理的。
* 而且如果是这种情况,那么在解锁时系统会抛异常,因为解锁和加锁已经不是同一线程了,具体后面代码演示。
*/
所以这个时候看门狗
就出现了,它的作用就是 线程1 业务还没有执行完,时间就过了,线程1 还想持有锁的话,就会启动一个watch dog后台线程,不断的延长锁key的生存时间。
注意
正常这个看门狗线程是不启动的,还有就是这个看门狗启动后对整体性能也会有一定影响,所以不建议开启看门狗。
这个不用多说,主要是如果你的业务逻辑复杂的话,通过封装在lua脚本中发送给redis,而且redis是单线程的,这样就保证这段复杂业务逻辑执行的原子性。
Redisson可以实现可重入加锁机制的原因,我觉得跟两点有关:
1、Redis存储锁的数据类型是 Hash类型
2、Hash数据类型的key值包含了当前线程信息。
下面是redis存储的数据
这里表面数据类型是Hash类型,Hash类型相当于我们java的
类型,这里key是指 ‘redisson’
它的有效期还有9秒,我们再来看里们的key1值为078e44a3-5f95-4e24-b6aa-80684655a15a:45
它的组成是:
guid + 当前线程的ID。后面的value是就和可重入加锁有关。
举图说明
上面这图的意思就是可重入锁的机制,它最大的优点就是相同线程不需要在等待锁,而是可以直接进行相应操作
- Redis分布式锁会有个缺陷,就是在Redis哨兵模式下:
客户端1
对某个master节点
写入了redisson锁,此时会异步复制给对应的 slave节点。但是这个过程中一旦发生 master节点宕机,主备切换,slave节点从变为了 master节点。- 这时
客户端2
来尝试加锁的时候,在新的master节点上也能加锁,此时就会导致多个客户端对同一个分布式锁完成了加锁。- 这时系统在业务语义上一定会出现问题,导致各种脏数据的产生。
缺陷
在哨兵模式或者主从模式下,如果 master实例宕机的时候,可能导致多个客户端同时完成加锁。
添加 redisson 依赖
org.redisson
redisson-spring-boot-starter
3.16.4
实例
import org.redisson.api.RedissonClient;
public class CodeRuleRecordServiceImpl {
@Autowired
private RedissonClient redissonClient;
/**
* 序列号自增
*
* @param ruleId 规则id
* @param modelId 模型id
* @param date 指定日期
* @return 自增后序列号
*/
@Transactional(rollbackFor = Exception.class, propagation = Propagation.REQUIRES_NEW)
@Override
public Long increment(String ruleId, String modelId, String date) {
// 获取锁
RLock redissonLock = redissonClient.getLock(RedisKeyConstants.LOCK_CODE_RULE_FLOW + ruleId);
try {
// 加锁
log.info("开始获取规则id({}) 流水码锁...", ruleId);
redissonLock.lock();
// 获取redis数据,有数据则直接使用,无数据则查询
Integer serialNoCache = (Integer) redisUtil.get(codeKey.toString());
if (null == serialNoCache) {
// redis未查询到则查询数据库
log.info("缓存为空,开始查询数据库");
CodeRuleRecord codeRuleRecord = this.selectDateCodeSerial(ruleId, modelId, date);
// 数据库无数据则表示为新数据,默认1
int initSerialNo = 0;
if (null != codeRuleRecord) {
initSerialNo = Integer.valueOf(codeRuleRecord.getSerialNo().toString());
}
// 将数据添加到缓存中并设置时效
redisUtil.setForTimeCustom(codeKey.toString(), initSerialNo, 2L, TimeUnit.DAYS);
}
// redis自增
Long serialNo = redisUtil.increment(codeKey.toString(), 1L);
// 设置时效
redisUtil.expire(codeKey.toString(), 2L, TimeUnit.DAYS);
CodeRuleRecord codeRuleRecord = new CodeRuleRecord();
codeRuleRecord.setRuleId(ruleId);
codeRuleRecord.setModelId(modelId);
codeRuleRecord.setCreateDate(date);
codeRuleRecord.setSerialNo(serialNo);
if (1L != serialNo) {
// 更新数据库
LambdaQueryWrapper wrapper = new QueryWrapper().lambda();
wrapper.eq(CodeRuleRecord::getRuleId, ruleId)
.eq(CodeRuleRecord::getModelId, modelId);
if (null != date) {
wrapper.eq(CodeRuleRecord::getCreateDate, date);
}
baseMapper.update(codeRuleRecord, wrapper);
} else {
// 表示未设置,将数据添加到数据库中
baseMapper.insert(codeRuleRecord);
}
return codeRuleRecord.getSerialNo();
} finally {
// 释放锁
redissonLock.unlock();
log.info("开始释放规则id({}) 流水码锁...", ruleId);
}
}
}
使用之后记得要释放锁