别再随意说 Redis 的 SET 保障原子性，在客户端不一定

news2024/11/25 14:39:42

分布式系统有一个特点，就是无论你学习积累多少知识点，只要在分布式的战线中，总能遇到各种超出主观意识的神奇问题。比如前文使用Jedis来实现分布式锁的技术知识点储备，本以为很稳不会再遇到什么问题，但实际情况却是啪啪打脸。

二、技术背景同步

为了照顾一些同学不喜欢看连载，这里就必须把上下文再粘贴过来，否则内容不连贯，看起来不流畅。

2.1 如何使用 SET 指令来加锁

我们使用的是 SET 指令来实现加锁的逻辑，指令形式如下：

SET键值[NX | XX] [GET] [EX 秒 | PX 毫秒 |  EXAT unix 时间秒 | PXAT unix 时间毫秒 | 保持]
复制代码

1）加锁成功的逻辑是这样：

判断 key 是否存在
若 key 不存在，就设置 key
给 key 指定过期时间

2）加锁不成功的逻辑是这样：

判断 key 是否存在
若 key 已存在，则返回

SetParams params = SetParams.setParams().nx().ex(lockState.getLeaseTTL());
String result = client.set(lockState.getLockKey(), lockState.getLockValue(), params);
复制代码

上边代码是之前《分布式锁中-基于 Redis 的实现需避坑 - Jedis 篇》中写的加锁逻辑，其中只根据正常加锁的返回值来判断是否加锁成功，即 result 是不是 "OK"，但 key 已存在导致加锁不成功的返回值到底是什么，应该如何判断呢？

2.2 SET 的返回值都有什么

在官网中，查看 SET 返回值的描述，为方便大家，这里直接贴出结果，应该很多同学都没看过这段描述吧。

简单字符串回复：OK如果SET正确执行。

空回复：(nil)如果SET由于用户指定了NX或XX选项但不满足条件而未执行操作。

如果命令与GET选项一起发出，则上述内容不适用。它会改为如下回复，无论是否SET实际执行：

批量字符串回复：存储在键中的旧字符串值。

空回复：(nil)如果密钥不存在。

2.3 SET 指令加锁的结论

通过官网给出的描述可以得知，当前 SET 指令的使用方式，只要返回的不是“OK"，就是锁已存在了，所以将《分布式锁中-基于 Redis 的实现需避坑 - Jedis 篇》示例中tryLock的逻辑中，加入一个判断锁类型的逻辑即可，即如果锁 key 已存在，并且锁是”一次性“锁，则不循环等待而是立即返回。

2.4 无情的现实

使用 Jedis 客户端来实现分布式锁功能的时候，我们发现并确认了，从客户端用户的视角来看 SET 指令的原子性语义并不一定能得到保障。

三、诊断过程

1）用户反馈，偶发一次防重入锁的加锁失败了

从日志的结果看，与这个 key 相关的加锁日志中，只有SET返回空，即 key 已存在的信息。

是不是有其他的程序也可以加锁，比如人工在 Redis 里设置了 key 或还有其他的实例也在运行？

经确认，没有人工设置 key 的现象，整个程序在测试环境中只有1个实例，没有其他实例

2）没有足够的可观测信息，的确是看不出来哪里有问题

用 SkyWalking 中 @Trace的方法通过 Trace 以及 Tag 来记录几个怀疑点： 1. 从用户请求进入到结束，加锁 SET 指令执行了几次 2. SET 不成功的时候，返回的结果到底是OK 还是空 3. 如果 SET 返回的是空，通过 GET 查询一下，记录其 value，可以判断跟加锁时的 value 是否一致

3）用户反馈，又出现了

我：通过 TraceId 信息查看 Trace，越不相信什么越呈现什么：

只有一次有效的SET指令
SET 返回的是空
GET 返回有结果，并且 value 是 SET 指定的 value
SET 的耗时也不算太长，是208ms

4）难道 SET 指令并非官网所讲的效果，有什么坑？

通过直观的 Trace 信息，不再怀疑上层加锁逻辑和应用程序的逻辑，而把 Jedis 客户端和定位成最大怀疑对象，但一次现象还是缺少一些研判的依据，再复现一下找一找规律，甚至也怀疑 Reids 服务端

5）规律出现了，耗时偏长

问题再次出现，通过 Trace信息来对比出问题的 SET 与无问题的 SET 表现出了哪些差异，很快一个显著的特征被找了出来，出问题的 SET 指令的执行耗时都在 200ms 以上，而没问题的 SET 的耗时都在20ms 以下。

6）200ms 是什么？

通过排查发现，Jedis客户端几个超时时间设置的是 200ms ，莫非是哪个环节的超时导致了问题？

7）调试源码

从下边的调用堆栈，你是不是也发现一个单词挺让人生疑？没错runWithRetries，它会重试。

execute:112, JedisCluster$2 (redis.clients.jedis)
execute:109, JedisCluster$2 (redis.clients.jedis)
runWithRetries:120, JedisClusterCommand (redis.clients.jedis)//》这里
run:31, JedisClusterCommand (redis.clients.jedis)
set:109, JedisCluster (redis.clients.jedis)
复制代码

8）再看一看那几个超时时间都是什么意思

public BinaryJedisCluster(Set<HostAndPort> jedisClusterNode, int connectionTimeout, int soTimeout, int maxAttempts, String password, GenericObjectPoolConfig poolConfig) {
  this.connectionHandler = new JedisSlotBasedConnectionHandler(jedisClusterNode, poolConfig,
          connectionTimeout, soTimeout, password);
  this.maxAttempts = maxAttempts;
}
复制代码

构造函数里，能看到几个关键参数的信息：

connectionTimeout = 200
soTimeout = 200
maxAttempts = 3

9）分析 connectionTimeout

这是建连的耗时，推理一下，如果200ms都没连接上，那么200ms后会有第二次连接，连接成功后，再发指令。

这种情况下应该发一次指令就够了。

10）分析 soTimeout

soTimeout 指定给了 socket。

public void connect() {
  if (!isConnected()) {
    try {
      socket = new Socket();
      ...
      socket.connect(new InetSocketAddress(host, port), connectionTimeout);
      socket.setSoTimeout(soTimeout);//在这里
复制代码

看权威解释：

Enable/disable SO_TIMEOUT with the specified timeout, in milliseconds. With this option set to a non-zero timeout, a read() call on the InputStream associated with this Socket will block for only this amount of time. If the timeout expires, a java.net.SocketTimeoutException is raised, though the Socket is still valid. The option must be enabled prior to entering the blocking operation to have effect. The timeout must be > 0. A timeout of zero is interpreted as an infinite timeout.

结合JDK注释解释一下本次遇到的情况：

通过socket.setSoTimeout(int timeout)方法设置，socket 关联的InputStream的read()方法会阻塞，直到超过设置的soTimeout，就会抛出SocketTimeoutException。当不设置这个参数时，默认值为无穷大，即InputStream的read()方法会一直阻塞下去，除非连接断开。

但重试逻辑内部把异常吞掉了，并重新发出执行指令的请求。

11）所以是重试 + soTimeout的问题

模拟一个场景方便理解：