redis|redis watchdog_Redis与Redisson 分布式事务锁的原理 redis分布式锁|在集群模式下如

我们在单机服务器，出现资源的竞争，一般使用synchronized 就可以解决，但是在分布式的服务器上，synchronized 就无法解决这个问题，这就需要一个分布式事务锁。
除此之外面试，基本会问springboot、Redis，然后都会一路再聊到分布式事务、分布式事务锁的实现。

1、常见的分布式事务锁 1、数据库级别的锁

乐观锁，基于加入版本号实现
悲观锁，基于数据库的 for update 实现

2、Redis ，基于 SETNX、EXPIRE 实现
3、Zookeeper，基于InterProcessMutex 实现
4、Redisson，lcok、tryLock(背后原理也是Redis)
本文主要介绍一下Redis和Redisson的分布式事务锁的原理。
2、Redis 搭建模式 Redis 的搭建方式：

单机
主从
哨兵
集群

单机，只要一台Redis服务器，挂了就无法工作了
主从，是备份关系，数据也会同步到从库，还可以读写分离
哨兵：master挂了，哨兵就行选举，选出新的master，作用是监控主从，主从切换
集群：高可用，分散请求。目的是将数据分片存储，节省内存。

单机：

redis|redis watchdog_Redis与Redisson 分布式事务锁的原理

文章图片
单机模式主从：

文章图片
主从模式哨兵：

文章图片
哨兵模式集群：

文章图片
集群模式 3、几个概念分布式：简单来说就是将业务进行拆分，部署到不同的机器来协调处理。比如用户在网上买东西，大致分为：订单系统、库存系统、支付系统、、、、这些系统共同来完成用户买东西这个业务操作。
集群：同一个业务，通过部署多个实例来完成，保证应用的高可用，如果其中某个实例挂了，业务仍然可以正常进行，通常集群和分布式配合使用。来保证系统的高可用、高性能。
分布式事务：按照传统的系统架构，下单、扣库存等等，这一系列的操作都是一在一个应用一个数据库中完成的，也就是说保证了事务的ACID特性。如果在分布式应用中就会涉及到跨应用、跨库。这样就涉及到了分布式事务，就要考虑怎么保证这一系列的操作要么都成功要么都失败。保证数据的一致性。
分布式锁：因为资源有限，要通过互斥来保持一致性，引入分布式事务锁。
4、Redis分布式锁原理简单的来说，其实现原理如下：

互斥性
- 保证同一时间只有一个客户端可以拿到锁。
安全性
- 只有加锁的服务才能有解锁权限，也就是不能让客户端A加的锁，客户端B、C 都可以解锁。
避免死锁
保证加锁与解锁操作是原子性操作
- 这个其实属于是实现分布式锁的问题，假设a用redis实现分布式锁
假设加锁操作，操作步骤分为两步：1，设置key set(key，value)2，给key设置过期时间
- 假设现在a刚实现set后，程序崩了就导致了没给key设置过期时间就导致key一直存在就发生了死锁。

讲了这么多，Redis实现分布式锁的核心就是：
加锁：

SET key value NX EX timeOut

参数解释：

NX：只有这个key不存在的时候才会进行操作，即 if not exists；
EX：设置key的过期时间为秒，具体时间由第5个参数决定
timeOut：设置过期时间保证不会出现死锁【避免宕机死锁】

代码实现：

public Boolean lock(String key,String value,Long timeOut){

总的来说，执行上面的set()方法就只会导致两种结果：

当前没有锁(key不存在)，那么就进行加锁操作，并对锁设置个有效期，同时value表示加锁的客户端。
已有锁存在，不做任何操作。

注：从2.6.12版本后, 就可以使用set来获取锁、Lua 脚本来释放锁。setnx是以前刚开始的实现方式，set命令nx、xx等参数,，就是为了实现 setnx 的功能。

解锁：
代码实现：

public Boolean redisUnLock(String key, String value) {

这段lua代码的意思：首先获取锁对应的value值，检查是否与输入的value相等，如果相等则删除锁(解锁)。

上面加锁、解锁，看着是挺麻烦的，所以就出现了Redisson。
5、Redisson 分布式锁原理官方介绍：

Redisson是一个在Redis的基础上实现的Java驻内存数据网格。

就是在Redis的基础上封装了很多功能，以便于我们更方便的使用。
只需要三行代码：

"myLock");

(1)加锁机制加锁流程：

文章图片
redisson的lock过程 redisson的lock()、tryLock()方法 底层其实是发送一段lua脚本到一台服务器：

if (redis.call('exists' KEYS[1]) == 0) then+--exists 判断key是否存在 redis.call('hset' KEYS[1] ARGV[2] 1); +--如果不存在，hset存哈希表 redis.call('pexpire' KEYS[1] ARGV[1]); + --设置过期时间 return nil; +-- 返回null 就是加锁成功 end; + if (redis.call('hexists' KEYS[1] ARGV[2]) == 1) then+ -- 如果key存在，查看哈希表中是否存在(当前线程) redis.call('hincrby' KEYS[1] ARGV[2] 1); + -- 给哈希中的key加1，代表重入1次，以此类推 redis.call('pexpire' KEYS[1] ARGV[1]); + -- 重设过期时间 return nil; + end; + return redis.call('pttl' KEYS[1]); --如果前面的if都没进去，说明ARGV[2]的值不同，也就是不是同一线程的锁，这时候直接返回该锁的过期时间

参数解释：

KEYS[1]：即加锁的key，RLock lock = redisson.getLock("myLock"); 中的myLock
ARGV[1]：即 TimeOut 锁key的默认生存时间，默认30秒
ARGV[2]：代表的是加锁的客户端的ID，类似于这样的：99ead457-bd16-4ec0-81b6-9b7c73546469:1

其中lock()默认是30秒的生存时间。
(2)锁互斥假如客户端A已经拿到了 myLock，现在有一客户端(未知) 想进入：
1、第一个if判断会执行“exists myLock”，发现myLock这个锁key已经存在了。
2、第二个if判断，判断一下，myLock锁key的hash数据结构中，如果是客户端A重新请求，证明当前是同一个客户端同一个线程重新进入，所以可从入标志+1，重新刷新生存时间(可重入)；否则进入下一个if。
3、第三个if判断，客户端B 会获取到pttl myLock返回的一个数字，这个数字代表了myLock这个锁key的剩余生存时间。比如还剩15000毫秒的生存时间。
此时客户端B会进入一个while循环，不停的尝试加锁。
(3)watch dog 看门狗自动延期机制官方介绍：

lockWatchdogTimeout(监控锁的看门狗超时，单位：毫秒)
默认值：30000
监控锁的看门狗超时时间单位为毫秒。该参数只适用于分布式锁的加锁请求中未明确使用leaseTimeout参数的情况。(如果设置了leaseTimeout那就会自动失效了呀~)

看门狗的时间可以自定义设置：

30000);

看门狗有什么用呢？
假如客户端A在超时时间内还没执行完毕怎么办呢？redisson于是提供了这个看门狗，如果还没执行完毕，监听到这个客户端A的线程还持有锁，就去续期，默认是LockWatchdogTimeout/ 3 即 10 秒监听一次，如果还持有，就不断的延长锁的有效期(重新给锁设置过期时间，30s)
可以在lock的参数里面指定：

//如果不设置，默认的生存时间是30s，启动看门狗

如果是使用了可重入锁(leaseTimeout)：

//如果不设置，默认的生存时间是30s，启动看门狗

这里的第二个参数leaseTimeout 设置为 10 就会覆盖看门狗的设置(看门狗无效)，在10秒后锁就自动失效，不会去续期；如果是 -1 ，就表示使用看门狗的默认值。

(4)释放锁机制 lock.unlock()，就可以释放分布式锁。就是每次都对myLock数据结构中的那个加锁次数减1。
如果发现加锁次数是0了，说明这个客户端已经不再持有锁了，此时就会用：“del myLock”命令，从redis里删除这个key。
为了安全，会先校验是否持有锁再释放，防止

业务执行还没执行完，锁到期了。(此时没占用锁，再unlock就会报错)
主线程异常退出、或者假死

finally {

(5) 缺点如果是主从、哨兵模式，当客户端A 把 myLock这个锁 key 的value写入了 master，此时会异步复制给slave实例。
万一在这个主从复制的过程中 master 宕机了，主备切换，slave 变成了master。
那么这个时候 slave还没来得及加锁，此时客户端A的myLock的值是没有的，客户端B在请求时，myLock却成功为自己加了锁。这时候分布式锁就失效了，就会导致数据有问题。
所以说Redis分布式说最大的缺点就是宕机导致多个客户端加锁，导致脏数据，不过这种几率还是很小的。
参考：