[Redis][典型运用][分布式锁]详细讲解

0.什么是分布式锁

在⼀个分布式的系统中，也会涉及到多个节点访问同⼀个公共资源的情况，此时就需要通过锁来做互斥控制，避免出现类似于"线程安全"的问题
C++的std::mutex，只能在当前进程中⽣效，在分布式的这种多个进程多个主机的场景下就⽆能为⼒了，此时就需要用到分布式锁
分布式锁本质：使用一个公共的服务器，来记录加锁状态
- 这个公共的服务器可以是Redis，也可以是其他组件(MySQL、ZooKeeper等)，或是自己写的服务

1.分布式锁的基础实现

思路⾮常简单，本质上就是通过⼀个键值对来标识锁的状态
以经典的买车票为例
- 下图是必然有线程安全问题的，需要用锁来控制
- 在上述架构中，引入一个Redis，作为分布式锁的管理器
  - 此时，如果买票服务器1尝试买票，就需要先访问Redis，在Redis上设置⼀个键值对
    - 例如：key就是⻋次，value随便设置个值(⽐如1)
  - 如果这个操作设置成功，就视为当前没有节点对该001⻋次加锁，就可以进⾏数据库的读写操作，操作完成之后，再把Redis上刚才的这个键值对给删除掉
  - 如果在买票服务器1操作数据库的过程中，买票服务器2也想买票，也会尝试给Redis上写⼀个键值对，key同样是⻋次，但是此时设置的时候发现该⻋次的key已经存在了，则认为已经有其他服务器正在持有锁，此时服务器2就需要等待或者暂时放弃
Redis中提供了setnx操作，正好适合上述场景
但是上述方案并不完整

2.引入过期时间

问题情景：当服务器1加锁之后，开始处理买票的过程中，如果服务器1意外宕机了，就会导致解锁操作(删除该key)不能执⾏，就可能引起其他服务器始终⽆法获取到锁的情况
为了解决这个问题，可以在设置key的同时引⼊过期时间，即这个锁最多持有多久，就应该被释放
- 使用set ex nx的方式，在设置锁的同时把过期时间设置进去
- 例如：设置key的过期时间为1000，那么意味着即使出现极端情况，某个服务器挂了，没有正确释放锁，这个锁最多保持1000ms，也就会自动释放了
此处的过期时间只用了一个命令，分开来用set nx和expire可以吗
- Redis上的多个命令之间，是无法保证原子性的
- 由于Redis的多个指令之间不存在关联，并且即使使⽤了事务也不能保证这两个操作都⼀定成功，因此就可能出现setnx成功，但是expire失败的情况
- 此时仍然会出现⽆法正确释放锁的问题
- 相比之下，使用一条命令，是更加稳的

3.引入校验ID

问题情景：对于Redis中写⼊的加锁键值对，其他的节点也是可以删除的
- 例如：
  - 服务器1写⼊⼀个"001":1这样的键值对，服务器2是完全可以把"001"给删除掉的
  - 当然，服务器2不会进⾏这样的"恶意删除"操作，不过不能保证因为⼀些bug导致服务器2把锁误删除
为了解决上述的问题，可以引入一个检验ID
- 例如：可以把设置的键值对的值，不再是简单的设为⼀个1，⽽是**设成服务器的编号**，如"001":"服务器 1"
- 这样就可以在删除key(解锁)的时候，先校验当前删除key的服务器是否是当初加锁的服务器，如果是，才能真正删除，不是，则不能删除

逻辑用伪代码：

String key = [要加锁的资源id];
String serverId = [服务器的编号];

// 加锁, 设置过期时间为10s
redis.set(key, serverId, "NX", "EX", "10s");

// 执⾏各种业务逻辑, ⽐如修改数据库数据
doSomeThing();

// 解锁, 删除key, 但是删除前要检验下serverId是否匹配
if (redis.get(key) == serverId)
{
	redis.del(key);
}

问题又来了，解锁逻辑是两步操作get和del，这样做并非是原子的
此时就会可能这样的情况：
- 服务器2的线程C进行加锁，但是服务器1的线程B就把线程C刚刚加的锁解锁了
- 因为线程B确实也是在服务器1中成功进行了校验，有权利解锁

4.引入Lua

为了使解锁操作原子，可以使用Redis的Lua脚本功能
Lua脚本：
- 类似于JS，是一个动态弱类型的语言
- Lua语法简单精炼，执行速度快，解释器也比较轻量(200KB左右)
- Lua经常作为其他程序内部嵌入的脚本语言，Redis则也支持

使用Lua脚本完成上述解锁功能：

if redis.call('get',KEYS[1]) == ARGV[1] then
	return redis.call('del',KEYS[1])
else
	return 0
end;

上述代码可以编写成一个.lua后缀的文件，由redis-cli或者redis-plus-plus等客户端加载，并发送给Redis服务器，由Redis服务器来执行这段逻辑
一个Lua脚本会被Redis服务器以原子的方式来执行
使用事务就能解决上述问题，为何要用Lua脚本呢？
- 首先明确，Redis事务虽然弱，但是避免插队还是能做到的
  - 所以说，Redis事务确实能解决上述问题
- 但是实践中使用的往往是更好的方案
  - 有上等马为啥用下等马嘞:)
- Redis官方文档：Lua属于是事物的替代方案

5.引入Watch Dog(看门狗)

上述方案仍然存在一个重要问题，如果设置了key过期时间之后，仍然存在一定的可能性，当任务还没执行完，key就先过期了，这就导致锁提前释放
如果把这个过期时间设置的足够长，比如30s，是否能解决这个问题？
- 很明显，设置多少时间合适，是无止境的，即使设置再长，也不能完全保证就没有提前失效的情况
- 而且如果设置的太长了，万一对应的服务器挂了，此时其他的服务器也不能及时获取到所
- 因此相比于设置一个固定的定长时间，不如动态的调整时间更合适
Watch Dog：本质上是加锁服务器上的一个单独的线程，通过这个线程来对锁过期时间进行“续约”
- 注意：这个线程是业务服务器上的，不是Redis服务器的
举例助解：
- 初始情况下设置过期时间为10s，同时设定看门狗线程每隔3s检测一次
- 那么当3s时间到的时候，看门狗就会判定当前任务是否完成
  - 如果任务已经完成，则直接通过Lua脚本的方式，释放锁(删除key)
  - 如果任务未完成，则把过期时间重写设置为10s(即”续约”)
此时就不担心锁提前失效的问题了，另一方面，如果该服务器挂了，看门狗线程也就随之挂了，此时无人续约，这个key自然就可以迅速过期，让其他服务器能够获取到锁了

6.引入Redlock算法

问题情景：实践中的Redis一般是以集群的方式部署的(至少是主从的形式，而不是单机)，那么就可能出现以下比较极端的冤种情况
- 服务器1向master节点进行加锁操作，这个写入key的过程刚刚完成，master挂了，slave升级成了新的master
- 但是由于刚才写入的这个key尚未来得及同步给slave，此时就相当于服务器1的加锁操作形同虚设了
- 服务器2仍然可以进行加锁(即给新的master写入key)，因为新的master不包含刚才的key
为了解决这个问题，Redis作者提出了Redlock算法
- 引入一组Redis节点，其中每一组Redis节点都包含一个主节点和若干从节点，并且组和组之间存储的数据都是一致的，互相之间是”备份关系”
  - 并非是数据集合的一部分，这点有别于Redis Cluster
- 加锁的时候，按照一定顺序，写多个master节点，在写锁的时候需要设定操作的”操作时间”
  - 例如：50ms，即如果setnx操作超过了50ms，还没有成功，就视为加锁失败
- 如果某个节点加锁失败，就立即再尝试下一个节点
- 当加锁成功的节点数超过总节点数的一半，才视为加锁成功
  - 如上图，一共五个节点，三个加锁成功，两个失败，此时视为加锁成功
  - 这样的话，即使有某些节点挂了，也不影响锁的正确性
- 同理，释放锁的时候，也需要把所有节点都进行解锁操作
  - 即使是之前超时的节点，也要尝试解锁，尽量保证逻辑严密
此时还可能出现上述节点同时都遇到了”大冤种”情况呢？
- 理论上这件事是可能发生的，但是概率太小了，工程上就可以忽略不计了
Redlock算法核心：加锁操作不能只写给一个Redis节点，而要写多个，需要冗余
- 分布式系统中，任何一个节点都是不可靠的
- 由于一个分布式系统不至于大部分节点都同时出现故障，因此这样的可靠性要比单个节点来说靠谱不少
- 最终的加锁成功结论是：少数服从多数