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。
