【172期】面试官——分布式锁用 Redis 还是 Zookeeper?

本人花费半年的时间总结的《Java面试指南》已拿腾讯等大厂offer,已开源在github ,欢迎star!

转载声明:转载请注明出处,本技术博客是本人原创文章

本文GitHub https://github.com/OUYANGSIHAI/JavaInterview 已收录,这是我花了6个月总结的一线大厂Java面试总结,本人已拿大厂offer,欢迎star

原文链接:blog.ouyangsihai.cn >> 【172期】面试官——分布式锁用 Redis 还是 Zookeeper?

点击上方“Java面试题精选”,关注公众号

面试刷图,查缺补漏

号外:往期面试题,10篇为一个单位归置到本公众号菜单栏-面试题,有需要的欢迎翻阅

阶段汇总集合:****

为什么用分布式锁?

在讨论这个问题之前,我们先来看一个业务场景:

系统A是一个电商系统,目前是一台机器部署,系统中有一个用户下订单的接口,但是用户下订单之前一定要去检查一下库存,确保库存足够了才会给用户下单。

由于系统有一定的并发,所以会预先将商品的库存保存在redis中,用户下单的时候会更新redis的库存。

此时系统架构如下:

【172期】面试官:分布式锁用 Redis 还是 Zookeeper?

但是这样一来会产生一个问题:假如某个时刻,redis里面的某个商品库存为1,此时两个请求同时到来,其中一个请求执行到上图的第3步,更新数据库的库存为0,但是第4步还没有执行。

而另外一个请求执行到了第2步,发现库存还是1,就继续执行第3步。

这样的结果,是导致卖出了2个商品,然而其实库存只有1个。

很明显不对啊!这就是典型的库存超卖问题

此时,我们很容易想到解决方案:用锁把2、3、4步锁住,让他们执行完之后,另一个线程才能进来执行第2步。

【172期】面试官:分布式锁用 Redis 还是 Zookeeper?

按照上面的图,在执行第2步时,使用Java提供的synchronized或者ReentrantLock来锁住,然后在第4步执行完之后才释放锁。

这样一来,2、3、4 这3个步骤就被“锁”住了,多个线程之间只能串行化执行。

但是好景不长,整个系统的并发飙升,一台机器扛不住了。现在要增加一台机器,如下图:

【172期】面试官:分布式锁用 Redis 还是 Zookeeper?

增加机器之后,系统变成上图所示,我的天!

假设此时两个用户的请求同时到来,但是落在了不同的机器上,那么这两个请求是可以同时执行了,还是会出现库存超卖的问题。

为什么呢?因为上图中的两个A系统,运行在两个不同的JVM里面,他们加的锁只对属于自己JVM里面的线程有效,对于其他JVM的线程是无效的。

因此,这里的问题是:Java提供的原生锁机制在多机部署场景下失效了

这是因为两台机器加的锁不是同一个锁(两个锁在不同的JVM里面)。

那么,我们只要保证两台机器加的锁是同一个锁,问题不就解决了吗?

此时,就该分布式锁隆重登场了,分布式锁的思路是:

在整个系统提供一个全局、唯一的获取锁的“东西”,然后每个系统在需要加锁时,都去问这个“东西”拿到一把锁,这样不同的系统拿到的就可以认为是同一把锁。

至于这个“东西”,可以是Redis、Zookeeper,也可以是数据库。

文字描述不太直观,我们来看下图:

【172期】面试官:分布式锁用 Redis 还是 Zookeeper?

通过上面的分析,我们知道了库存超卖场景在分布式部署系统的情况下使用Java原生的锁机制无法保证线程安全,所以我们需要用到分布式锁的方案。

那么,如何实现分布式锁呢?接着往下看!

基于Redis实现分布式锁

上面分析为啥要使用分布式锁了,这里我们来具体看看分布式锁落地的时候应该怎么样处理。扩展:

最常见的一种方案就是使用Redis做分布式锁

使用Redis做分布式锁的思路大概是这样的:在redis中设置一个值表示加了锁,然后释放锁的时候就把这个key删除。

具体代码是这样的:


// 获取锁
// NX是指如果key不存在就成功,key存在返回false,PX可以指定过期时间
SET anyLock unique_value NX PX 30000


// 释放锁:通过执行一段lua脚本
// 释放锁涉及到两条指令,这两条指令不是原子性的
// 需要用到redis的lua脚本支持特性,redis执行lua脚本是原子性的
if redis.call("get",KEYS[1]) == ARGV[1] then
return redis.call("del",KEYS[1])
else
return 0
end

这种方式有几大要点:

  • 一定要用SET key value NX PX milliseconds 命令 如果不用,先设置了值,再设置过期时间,这个不是原子性操作,有可能在设置过期时间之前宕机,会造成死锁(key永久存在)
  • value要具有唯一性 这个是为了在解锁的时候,需要验证value是和加锁的一致才删除key。 这是避免了一种情况:假设A获取了锁,过期时间30s,此时35s之后,锁已经自动释放了,A去释放锁,但是此时可能B获取了锁。A客户端就不能删除B的锁了。
  • 【172期】面试官:分布式锁用 Redis 还是 Zookeeper?

    除了要考虑客户端要怎么实现分布式锁之外,还需要考虑redis的部署问题。

    redis有3种部署方式:

  • 单机模式
  • master-slave + sentinel选举模式
  • redis cluster模式
  • 使用redis做分布式锁的缺点在于:如果采用单机部署模式,会存在单点问题,只要redis故障了。加锁就不行了。

    采用master-slave模式,加锁的时候只对一个节点加锁,即便通过sentinel做了高可用,但是如果master节点故障了,发生主从切换,此时就会有可能出现锁丢失的问题。

    基于以上的考虑,其实redis的作者也考虑到这个问题,他提出了一个RedLock的算法,这个算法的意思大概是这样的:

    假设redis的部署模式是redis cluster,总共有5个master节点,通过以下步骤获取一把锁:

  • 获取当前时间戳,单位是毫秒
  • 轮流尝试在每个master节点上创建锁,过期时间设置较短,一般就几十毫秒
  • 尝试在大多数节点上建立一个锁,比如5个节点就要求是3个节点(n / 2 +1)
  • 客户端计算建立好锁的时间,如果建立锁的时间小于超时时间,就算建立成功了
  • 要是锁建立失败了,那么就依次删除这个锁
  • 只要别人建立了一把分布式锁,你就得不断轮询去尝试获取锁
  • 但是这样的这种算法还是颇具争议的,可能还会存在不少的问题,无法保证加锁的过程一定正确。

    【172期】面试官:分布式锁用 Redis 还是 Zookeeper?

    另一种方式:Redisson

    此外,实现Redis的分布式锁,除了自己基于redis client原生api来实现之外,还可以使用开源框架:Redission

    Redisson是一个企业级的开源Redis Client,也提供了分布式锁的支持。我也非常推荐大家使用,为什么呢?

    回想一下上面说的,如果自己写代码来通过redis设置一个值,是通过下面这个命令设置的。

  • SET anyLock unique_value NX PX 30000
  • 这里设置的超时时间是30s,假如我超过30s都还没有完成业务逻辑的情况下,key会过期,其他线程有可能会获取到锁。

    这样一来的话,第一个线程还没执行完业务逻辑,第二个线程进来了也会出现线程安全问题。所以我们还需要额外的去维护这个过期时间,太麻烦了~

    我们来看看redisson是怎么实现的?先感受一下使用redission的爽:

    
    Config config = new Config();
    config.useClusterServers()
    .addNodeAddress("redis://192.168.31.101:7001")
    .addNodeAddress("redis://192.168.31.101:7002")
    .addNodeAddress("redis://192.168.31.101:7003")
    .addNodeAddress("redis://192.168.31.102:7001")
    .addNodeAddress("redis://192.168.31.102:7002")
    .addNodeAddress("redis://192.168.31.102:7003");
    
    RedissonClient redisson = Redisson.create(config);
    
    
    RLock lock = redisson.getLock("anyLock");
    lock.lock();
    lock.unlock();
    

    就是这么简单,我们只需要通过它的api中的lock和unlock即可完成分布式锁,他帮我们考虑了很多细节:

  • redisson所有指令都通过lua脚本执行,redis支持lua脚本原子性执行
  • redisson设置一个key的默认过期时间为30s,如果某个客户端持有一个锁超过了30s怎么办? redisson中有一个`watchdog`的概念,翻译过来就是看门狗,它会在你获取锁之后,每隔10秒帮你把key的超时时间设为30s 这样的话,就算一直持有锁也不会出现key过期了,其他线程获取到锁的问题了。
  • redisson的“看门狗”逻辑保证了没有死锁发生。 (如果机器宕机了,看门狗也就没了。此时就不会延长key的过期时间,到了30s之后就会自动过期了,其他线程可以获取到锁)
  • 【172期】面试官:分布式锁用 Redis 还是 Zookeeper?

    这里稍微贴出来其实现代码:

    
    // 加锁逻辑
    private  RFutureLong tryAcquireAsync(long leaseTime, TimeUnit unit, final long threadId) {
        if (leaseTime != -1) {
            return tryLockInnerAsync(leaseTime, unit, threadId, RedisCommands.EVAL_LONG);
        }
        // 调用一段lua脚本,设置一些key、过期时间
        RFutureLong ttlRemainingFuture = tryLockInnerAsync(commandExecutor.getConnectionManager().getCfg().getLockWatchdogTimeout(), TimeUnit.MILLISECONDS, threadId, RedisCommands.EVAL_LONG);
        ttlRemainingFuture.addListener(new FutureListenerLong() {
            @Override
            public void operationComplete(FutureLong future) throws Exception {
                if (!future.isSuccess()) {
                    return;
                }
    
                Long ttlRemaining = future.getNow();
                // lock acquired
                if (ttlRemaining == null) {
                    // 看门狗逻辑
                    scheduleExpirationRenewal(threadId);
                }
            }
        });
        return ttlRemainingFuture;
    }
    
    
     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); " +
                      "redis.call('pexpire', KEYS[1], ARGV[1]); " +
                      "return nil; " +
                  "end; " +
                  "return redis.call('pttl', KEYS[1]);",
                    Collections.ObjectsingletonList(getName()), internalLockLeaseTime, getLockName(threadId));
    }
    
    
    
    // 看门狗最终会调用了这里
    private void scheduleExpirationRenewal(final long threadId) {
        if (expirationRenewalMap.containsKey(getEntryName())) {
            return;
        }
    
        // 这个任务会延迟10s执行
        Timeout task = commandExecutor.getConnectionManager().newTimeout(new TimerTask() {
            @Override
            public void run(Timeout timeout) throws Exception {
    
                // 这个操作会将key的过期时间重新设置为30s
                RFutureBoolean future = renewExpirationAsync(threadId);
    
                future.addListener(new FutureListenerBoolean() {
                    @Override
                    public void operationComplete(FutureBoolean future) throws Exception {
                        expirationRenewalMap.remove(getEntryName());
                        if (!future.isSuccess()) {
                            log.error("Can't update lock " + getName() + " expiration", future.cause());
                            return;
                        }
    
                        if (future.getNow()) {
                            // reschedule itself
                            // 通过递归调用本方法,无限循环延长过期时间
                            scheduleExpirationRenewal(threadId);
                        }
                    }
                });
            }
    
        }, internalLockLeaseTime / 3, TimeUnit.MILLISECONDS);
    
        if (expirationRenewalMap.putIfAbsent(getEntryName(), new ExpirationEntry(threadId, task)) != null) {
            task.cancel();
        }
    }
    
    
    RedissonClient redisson = Redisson.create(config);
    RLock lock1 = redisson.getFairLock("lock1");
    RLock lock2 = redisson.getFairLock("lock2");
    RLock lock3 = redisson.getFairLock("lock3");
    RedissonRedLock multiLock = new RedissonRedLock(lock1, lock2, lock3);
    multiLock.lock();
    multiLock.unlock();
    

    小结:

    本节分析了使用redis作为分布式锁的具体落地方案

    以及其一些局限性

    然后介绍了一个redis的客户端框架redisson,

    这也是我推荐大家使用的,

    比自己写代码实现会少care很多细节。

    基于zookeeper实现分布式锁

    常见的分布式锁实现方案里面,除了使用redis来实现之外,使用zookeeper也可以实现分布式锁。

    在介绍zookeeper(下文用zk代替)实现分布式锁的机制之前,先粗略介绍一下zk是什么东西:

    Zookeeper是一种提供配置管理、分布式协同以及命名的中心化服务。

    zk的模型是这样的:zk包含一系列的节点,叫做znode,就好像文件系统一样每个znode表示一个目录,然后znode有一些特性:

  • 有序节点:假如当前有一个父节点为`/lock`,我们可以在这个父节点下面创建子节点; zookeeper提供了一个可选的有序特性,例如我们可以创建子节点“/lock/node-”并且指明有序,那么zookeeper在生成子节点时会根据当前的子节点数量自动添加整数序号 也就是说,如果是第一个创建的子节点,那么生成的子节点为`/lock/node-0000000000`,下一个节点则为`/lock/node-0000000001`,依次类推。

  • 临时节点:客户端可以建立一个临时节点,在会话结束或者会话超时后,zookeeper会自动删除该节点。
  • 事件监听:在读取数据时,我们可以同时对节点设置事件监听,当节点数据或结构变化时,zookeeper会通知客户端。当前zookeeper有如下四种事件:
    • 节点创建
    • 节点删除
    • 节点数据修改
    • 子节点变更
    • 基于以上的一些zk的特性,我们很容易得出使用zk实现分布式锁的落地方案:

    • 使用zk的临时节点和有序节点,每个线程获取锁就是在zk创建一个临时有序的节点,比如在/lock/目录下。
    • 创建节点成功后,获取/lock目录下的所有临时节点,再判断当前线程创建的节点是否是所有的节点的序号最小的节点
    • 如果当前线程创建的节点是所有节点序号最小的节点,则认为获取锁成功。
    • 如果当前线程创建的节点不是所有节点序号最小的节点,则对节点序号的前一个节点添加一个事件监听。 比如当前线程获取到的节点序号为`/lock/003`,然后所有的节点列表为`[/lock/001,/lock/002,/lock/003]`,则对`/lock/002`这个节点添加一个事件监听器。
    • 如果锁释放了,会唤醒下一个序号的节点,然后重新执行第3步,判断是否自己的节点序号是最小。

      比如 /lock/001释放了, /lock/002监听到时间,此时节点集合为 [/lock/002,/lock/003],则 /lock/002为最小序号节点,获取到锁。

      整个过程如下:

      【172期】面试官:分布式锁用 Redis 还是 Zookeeper?

      具体的实现思路就是这样,至于代码怎么写,这里比较复杂就不贴出来了。

      Curator介绍

      Curator是一个zookeeper的开源客户端,也提供了分布式锁的实现。

      他的使用方式也比较简单:

      
      InterProcessMutex interProcessMutex = new InterProcessMutex(client,"/anyLock");
      interProcessMutex.acquire();
      interProcessMutex.release();
      

      其实现分布式锁的核心源码如下:

      
      private boolean internalLockLoop(long startMillis, Long millisToWait, String ourPath) throws Exception
      {
          boolean  haveTheLock = false;
          boolean  doDelete = false;
          try {
              if ( revocable.get() != null ) {
                  client.getData().usingWatcher(revocableWatcher).forPath(ourPath);
              }
      
              while ( (client.getState() == CuratorFrameworkState.STARTED) && !haveTheLock ) {
                  // 获取当前所有节点排序后的集合
                  ListString        children = getSortedChildren();
                  // 获取当前节点的名称
                  String              sequenceNodeName = ourPath.substring(basePath.length() + 1); // +1 to include the slash
                  // 判断当前节点是否是最小的节点
                  PredicateResults    predicateResults = driver.getsTheLock(client, children, sequenceNodeName, maxLeases);
                  if ( predicateResults.getsTheLock() ) {
                      // 获取到锁
                      haveTheLock = true;
                  } else {
                      // 没获取到锁,对当前节点的上一个节点注册一个监听器
                      String  previousSequencePath = basePath + "/" + predicateResults.getPathToWatch();
                      synchronized(this){
                          Stat stat = client.checkExists().usingWatcher(watcher).forPath(previousSequencePath);
                          if ( stat != null ){
                              if ( millisToWait != null ){
                                  millisToWait -= (System.currentTimeMillis() - startMillis);
                                  startMillis = System.currentTimeMillis();
                                  if ( millisToWait = 0 ){
                                      doDelete = true;    // timed out - delete our node
                                      break;
                                  }
                                  wait(millisToWait);
                              }else{
                                  wait();
                              }
                          }
                      }
                      // else it may have been deleted (i.e. lock released). Try to acquire again
                  }
              }
          }
          catch ( Exception e ) {
              doDelete = true;
              throw e;
          } finally{
              if ( doDelete ){
                  deleteOurPath(ourPath);
              }
          }
          return haveTheLock;
      }
      

      其实curator实现分布式锁的底层原理和上面分析的是差不多的。这里我们用一张图详细描述其原理:

      【172期】面试官:分布式锁用 Redis 还是 Zookeeper?

      小结:

      本节介绍了zookeeperr实现分布式锁的方案以及zk的开源客户端的基本使用,简要的介绍了其实现原理。相关可以参考:

      两种方案的优缺点比较

      学完了两种分布式锁的实现方案之后,本节需要讨论的是redis和zk的实现方案中各自的优缺点。

      对于redis的分布式锁而言,它有以下缺点:

    • 它获取锁的方式简单粗暴,获取不到锁直接不断尝试获取锁,比较消耗性能。
    • 另外来说的话,redis的设计定位决定了它的数据并不是强一致性的,在某些极端情况下,可能会出现问题。锁的模型不够健壮
    • 即便使用redlock算法来实现,在某些复杂场景下,也无法保证其实现100%没有问题,关于redlock的讨论可以看How to do distributed locking
    • redis分布式锁,其实需要自己不断去尝试获取锁,比较消耗性能。
    • 但是另一方面使用redis实现分布式锁在很多企业中非常常见,而且大部分情况下都不会遇到所谓的“极端复杂场景”

      所以使用redis作为分布式锁也不失为一种好的方案,最重要的一点是redis的性能很高,可以支撑高并发的获取、释放锁操作。

      对于zk分布式锁而言:

    • zookeeper天生设计定位就是分布式协调,强一致性。锁的模型健壮、简单易用、适合做分布式锁。
    • 如果获取不到锁,只需要添加一个监听器就可以了,不用一直轮询,性能消耗较小。
    • 但是zk也有其缺点:如果有较多的客户端频繁的申请加锁、释放锁,对于zk集群的压力会比较大。

      小结:

      综上所述,redis和zookeeper都有其优缺点。我们在做技术选型的时候可以根据这些问题作为参考因素。

      建议

      通过前面的分析,实现分布式锁的两种常见方案:redis和zookeeper,他们各有千秋。应该如何选型呢?

      就个人而言的话,我比较推崇zk实现的锁:

      因为redis是有可能存在隐患的,可能会导致数据不对的情况。但是,怎么选用要看具体在公司的场景了。

      如果公司里面有zk集群条件,优先选用zk实现,但是如果说公司里面只有redis集群,没有条件搭建zk集群。

      那么其实用redis来实现也可以,另外还可能是系统设计者考虑到了系统已经有redis,但是又不希望再次引入一些外部依赖的情况下,可以选用redis。

      这个是要系统设计者基于架构的考虑了

      来源:石杉的架构笔记

      与其在网上拼命找题?** 不如马上关注我们~**

      【172期】面试官:分布式锁用 Redis 还是 Zookeeper?

      原文始发于微信公众号(Java面试题精选):

    本人花费半年的时间总结的《Java面试指南》已拿腾讯等大厂offer,已开源在github ,欢迎star!

    转载声明:转载请注明出处,本技术博客是本人原创文章

    本文GitHub https://github.com/OUYANGSIHAI/JavaInterview 已收录,这是我花了6个月总结的一线大厂Java面试总结,本人已拿大厂offer,欢迎star

    原文链接:blog.ouyangsihai.cn >> 【172期】面试官——分布式锁用 Redis 还是 Zookeeper?


     上一篇
    【171期】面试官——小伙汁,Spring是怎么解决循环依赖的呢? 【171期】面试官——小伙汁,Spring是怎么解决循环依赖的呢?
    点击上方“Java面试题精选”,关注公众号 面试刷图,查缺补漏 号外:往期面试题,10篇为一个单位归置到本公众号菜单栏-面试题,有需要的欢迎翻阅 阶段汇总集合: 前言Spring大家族功能强大,模块复杂繁多。就Spring Framewor
    2021-04-05
    下一篇 
    【173期】面试官——说说单点登录的三种实现方式 【173期】面试官——说说单点登录的三种实现方式
    点击上方“Java面试题精选”,关注公众号 面试刷图,查缺补漏 号外:往期面试题,10篇为一个单位归置到本公众号菜单栏-面试题,有需要的欢迎翻阅 阶段汇总集合: 前言在 B/S 系统中,登录功能通常都是基于 Cookie 来实现的。当用户登
    2021-04-05