Redis-分布式锁!

分布式锁，顾名思义，分布式锁就是分布式场景下的锁，比如多台不同机器上的进程，去竞争同一项资源，就是分布式锁。

分布式锁特性

互斥性:锁的目的是获取资源的使用权，所以只让一个竞争者持有锁，这一点要尽可能保证;

安全性:避免锁因为异常永远不被释放。当一个竞争者在持有锁期间内，由于意外崩溃而导致未能主动解锁,其持有的锁也能够被兜底释放，并保证后续其它竞争者也能加锁;

对称性:同一个锁，加锁和解锁必须是同一个竞争者。不能把其他竞争者持有的锁给释放了。

可靠性:需要有一定程度的异常处理能力、容灾能力。

分布式锁的实现

1.直接用Redis的setnx命令

首先，当然是搭建一个最简单的实现方式，直接用Redis的setnx命令, 这个命令的语法是: setnx key value如果key不存在，则会将key设置为value,并返回1;如果key存在，不会有任务影响,返回0。
基于这个特性，我们就可以用setnx实现加锁的目的:通过setnx加锁，加锁之后其他服务无法加锁，用完之后,再通过delete解锁

就是这个获取锁的过程就是setnx的过程如果有锁了那就会返回0 如果没锁就会把key设置为value然后释放锁就会delete

2.支持过期时间

最简化版本有一个问题:如果获取锁的服务挂掉了，那么锁就一直得不到释放，就像石沉大海，查无音信。所以,我们需要一个超时来兜底。
Redis中有expire命令，用来设置一个key的超时时间。但是setnx和expire不具备原子性，如果setnx获取锁之后，服务挂掉(还没来的及设置时间)，依旧是泥牛入海。
很自然，我们会想到，set和expire, 有没有原子操作?
当然有，Redis早就考虑到了这种场景，推出了如下执行语句: set key value nx ex seconds nx表示具备setnx特定，ex表示增加了过期时间，最后一个参数就是过期时间的值。

他把set和expire合成了一个原子操作

这个过期和释放锁是并列的就是主动释放锁和过期都会delete

3.加上Owner

我们来试想一下如下场景:服务A获取了锁，由于业务流程比较长，或者网络延迟、GC卡顿等原因，导致锁过期，而业务还会继续进行。这时候，业务B已经拿到了锁，准备去执行，这个时候服务A恢复过来并做完了业务，就会释放锁，而B却还在继续执行。
在真实的分布式场景中，可能存在几十个竞争者，那么上述情况发生概率就很高，导致同一份资源频繁被不同竞争者同时访问，分布式锁也就失去了意义。
基于这个场景，我们可以发现，问题关键在于，竞争者可以释放其他人的锁。(也就是说只能这个锁持有者自己释放了锁才行就是这个delete过程只能自己来删除而不能其他线程删除)那么在异常情况下，就会出现问题,所以我们可以进一步给出解决方案: 分布式锁需要满足谁申请谁释放原则，不能释放别人的锁，也就是说，分布式锁，是要有归属的。

我们获取锁之前不是会有一个delete释放锁的过程吗? 我们让其他线程没法执行这个delete操作只有我锁持有者可以delete

具体步骤释放前先检测是否是持有者要delete 然后返回检查结果然后再根据结果进行操作

4.引入LUA

释放前先检测是否是持有者要delete 然后返回检查结果然后再根据结果进行操作

这三步不是原子的

我们来看检测和返回结果之间的间隙

这个同时锁过期了

检测这锁过期释放了锁且有其他客户端获取到了锁然后返回结果删除锁

这个时候已经判断完了它是自己的锁他就会删除这个锁

这就造成了锁的误删

然后LUA给这仨操作合成原子操作了

(其实owner )

分布式锁的可靠性靠什么保证

主从容灾

emmm 就是主库寄了用从库顶一顶先

但是主从切换，需要人工参与，会提高人力成本。不过Redis已经有成熟的解决方案，也就是哨兵模式，可以灵活自动切换，不再需要人工介入。

一堆箭头乱七八糟的描述一下每个哨兵会监视其他两个哨兵的同时还会监视主库和两个从库

通过增加从节点的方式，虽然一定程度解决了单点的容灾问题，但并不是尽善尽美的，由于同步有时延，Slave可能会损失掉部分数据，分布式锁可能失效，这就会发生短暂的多机获取到执行权限。

更妥善的方法

多机部署

如果对一致性的要求高一些，可以尝试多机部署，比如Redis的RedLock, 大概的思路就是多个机器，通常是奇数个，达到一半以上同意加锁才算加锁成功，这样，可靠性会向ETCD靠近。
现在假设有5个Redis主节点，基本保证它们不会同时宕掉，获取锁和释放锁的过程中，客户端会执行以下操作:
1.向5个Redis申请加锁;
2.只要超过一半，也就是3个Redis返回成功，那么就是获取到了锁。如果超过一半失败，需要向每个Redis发送解锁命令;
3.由于向5个Redis发送请求，会有一定时耗，所以锁剩余持有时间，需要减去请求时间。这个可以作为判断依据,如果剩余时间已经为0，那么也是获取锁失败:
4.使用完成之后，向5个Redis发送解锁请求。
这种模式的好处在于，如果挂了2台Redis,整个集群还是可用的，给了运维更多时间来修复。

(这种方法太重了业务很少会用的到)

分布式系统三大困境

简称NPC

这种模式的好处在于，如果挂了2台Redis,整个集群还是可用的，给了运维更多时间来修复。
另外，多说一句，单点Redis的所有手段，这种多机模式都可以使用，比如为每个节点配置哨兵模式，由于加锁是
-半以上同意就成功，那么如果单个节点进行了主从切换，单个节点数据的丢失，就不会让锁失效了。这样增强了
可靠性。
N:Network Delay (网络延迟)当分布式锁获得返回包的时间过长，此时可能虽然加锁成功，但是已经时过境迁，锁可能很快过期。RedLock算了做了些考量，也就是前面所说的锁剩余持有时间，需要减去请求时间,如此一来,就可以一定程度解决网络延迟的问题。
P: Process Pause (进程暂停)比如发生GC，获取锁之后GC了，处于GC执行中，然后锁超时。其他锁获取，这种情况几乎无解。这时候GC回来了，那么两个进程就获取到了同一个分布式锁。

也许你会说，在GC回来之后，可以再去查一次啊?
这里有两个问题，首先你怎么知道GC回来了?这个可以在做业务之前，通过时间，进行一个粗略判断，但也是很吃场景经验的;第二，如果你判断的时候是ok的，但是判断完GC了呢?这点RedLock是无法解决的。

C: Clock Drift (时钟漂移)
如果竞争者A，获得了RedLock,在5台分布式机器上都加上锁。为了方便分析，我们直接假设5台机器都发生了时钟漂移，锁瞬间过期了。这时候竞争者B拿到了锁，此时A和B拿到了相同的执行权限。
根据上述的分析.可以看出，RedLock也不能扛住NPC的挑战，因此，单单从分布式锁本身出发，完全可靠是不可能的。要实现一个相对可靠的分布式锁机制，还是需要和业务的配合，业务本身要幂等可重入，这样的设计可以省却很多麻烦。