分布式锁解决方案

这篇具有很好参考价值的文章主要介绍了分布式锁解决方案。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

背景

由于分布式或者集群部署项目时,在某些业务场景下需保证资源的原子性、一致性和互斥性。

如果把房子比作资源,通俗的来讲,我无论在那个城市生活,这个房子我先租的,再没有退房的前提下,别人都不能用

解决方案

目前最流行的解决方案

  • redisson 分布式锁
  • zookeeper 分布式锁

redisson 分布式锁 实战

  • maven依赖
<dependency>
			<groupId>org.redisson</groupId>
			<artifactId>redisson-spring-boot-starter</artifactId>
			<version>3.23.3</version>
</dependency>
  • 配置文件
server:
  port: 8081

spring:
  redis:
    host: 192.168.10.10
    port: 6379


  • java代码
package com.gz.distributed.lock.service.impl;

import com.gz.distributed.lock.service.LockService;
import lombok.RequiredArgsConstructor;
import lombok.extern.slf4j.Slf4j;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.springframework.stereotype.Service;

import java.util.concurrent.TimeUnit;

@Service
@RequiredArgsConstructor
@Slf4j
public class LockServiceImpl implements LockService {

    private final RedissonClient redisson;

    @Override
    public void testDistributedLock() throws InterruptedException {
        // 获取锁实例
        RLock lock = redisson.getLock("myLock");
        // 加锁 第一个参数 100 代表获取锁的时间  第二参数 10 代表 锁的时间,自动释放
        boolean res = lock.tryLock(100, 10, TimeUnit.SECONDS);
        if (res) {
            try {

                log.info("hello redisson");

            } finally {
                lock.unlock();
            }
        }

    }
}

  • 原理

在探索原理之前,我想提出以下问题

1.是如何保证原子性,互斥性
2.如果锁超时了怎么办

图示:
分布式锁解决方案,微服务解决方案,分布式,spring boot,redis
注明:该图片来源于网络,如涉及侵权,请告知

第一步 :根据锁名字 创建锁示例

        RLock lock = redisson.getLock("myLock");

第二步:尝试加锁(核心逻辑)

        boolean res = lock.tryLock(100, 10, TimeUnit.MINUTES);public boolean tryLock(long waitTime, long leaseTime, TimeUnit unit) throws InterruptedException {
        long time = unit.toMillis(waitTime);
        long current = System.currentTimeMillis();
        long threadId = Thread.currentThread().getId();
        //尝试加锁,返回锁的过期时间
        Long ttl = tryAcquire(waitTime, leaseTime, unit, threadId);
        // lock acquired
        // ttl为空, 说明加锁成功,返回true
        if (ttl == null) {
            return true;
        }
        //判断获取锁是否超时
        time -= System.currentTimeMillis() - current;
        if (time <= 0) {
            acquireFailed(waitTime, unit, threadId);
            return false;
        }
        
        current = System.currentTimeMillis();
        // 订阅监听redis消息,并且创建RedissonLockEntry
        CompletableFuture<RedissonLockEntry> subscribeFuture = subscribe(threadId);
        try {
            // 阻塞等待subscribe的future的结果对象
            subscribeFuture.get(time, TimeUnit.MILLISECONDS);
        } catch (TimeoutException e) {
            if (!subscribeFuture.completeExceptionally(new RedisTimeoutException(
                    "Unable to acquire subscription lock after " + time + "ms. " +
                            "Try to increase 'subscriptionsPerConnection' and/or 'subscriptionConnectionPoolSize' parameters."))) {
                subscribeFuture.whenComplete((res, ex) -> {
                    if (ex == null) {
                        unsubscribe(res, threadId);
                    }
                });
            }
            acquireFailed(waitTime, unit, threadId);
            return false;
        } catch (ExecutionException e) {
            acquireFailed(waitTime, unit, threadId);
            return false;
        }

        try {
              //判断是否超时,如果等待超时,返回获的锁失败
、            time -= System.currentTimeMillis() - current;
            if (time <= 0) {
                acquireFailed(waitTime, unit, threadId);
                return false;
            }
             //通过while循环再次尝试竞争锁
            while (true) {
                long currentTime = System.currentTimeMillis();
                ttl = tryAcquire(waitTime, leaseTime, unit, threadId);
                // lock acquired
                if (ttl == null) {
                    return true;
                }

                time -= System.currentTimeMillis() - currentTime;
                if (time <= 0) {
                    acquireFailed(waitTime, unit, threadId);
                    return false;
                }

                // waiting for message
                currentTime = System.currentTimeMillis();
                   // 通过信号量(共享锁)阻塞,等待解锁消息.  (减少申请锁调用的频率)
                if (ttl >= 0 && ttl < time) {
                    commandExecutor.getNow(subscribeFuture).getLatch().tryAcquire(ttl, TimeUnit.MILLISECONDS);
                } else {
                    commandExecutor.getNow(subscribeFuture).getLatch().tryAcquire(time, TimeUnit.MILLISECONDS);
                }

                time -= System.currentTimeMillis() - currentTime;
                if (time <= 0) {
                    acquireFailed(waitTime, unit, threadId);
                    return false;
                }
            }
        } finally {
            unsubscribe(commandExecutor.getNow(subscribeFuture), threadId);
        }
//        return get(tryLockAsync(waitTime, leaseTime, unit));
    }

第三步骤:lua 脚本保持原子性,互斥性

 return commandExecutor.syncedEval(getRawName(), LongCodec.INSTANCE, command,
                "if ((redis.call('exists', KEYS[1]) == 0) " +
                            "or (redis.call('hexists', KEYS[1], ARGV[2]) == 1)) then " +
                        "redis.call('hincrby', KEYS[1], ARGV[2], 1); " +
                        "redis.call('pexpire', KEYS[1], ARGV[1]); " +
                        "return nil; " +
                    "end; " +
                    "return redis.call('pttl', KEYS[1]);",
                Collections.singletonList(getRawName()), unit.toMillis(leaseTime), getLockName(threadId));

keys[1] : Collections.singletonList(getRawName()) 就是锁的名称
ARGV[1]: leaseTime 租约时间
ARGV[2]:getLockName(threadId) = UUID.randomUUID().toString()+线程id

lua脚本:
判断该锁是否存在,存在则返回锁的租约时间,不存在设置过期时间,锁加1(就是锁重入)

分布式锁解决方案,微服务解决方案,分布式,spring boot,redis
注明:该图片来源于网络,如涉及侵权,请告知
缺点:

客户端1 对某个master节点写入了redisson锁,此时会异步复制给对应的 slave节点。但是这个过程中一旦发生
master节点宕机,主备切换,slave节点从变为了 master节点。

这时客户端2 来尝试加锁的时候,在新的master节点上也能加锁,此时就会导致多个客户端对同一个分布式锁完成了加锁。

这时系统在业务语义上一定会出现问题,导致各种脏数据的产生。

缺陷在哨兵模式或者主从模式下,如果 master实例宕机的时候,可能导致多个客户端同时完成加锁。

zookeeper 分布式锁 实战

  • maven 依赖
	<dependency>
			<groupId>org.springframework.integration</groupId>
			<artifactId>spring-integration-zookeeper</artifactId>
			<version>5.5.18</version>
		</dependency>
  • config
/**
 * zookeeper lock config
 */
@Configuration
public class ZookeeperLockConfiguration {
    /**
     * 注册表
     * @param curatorFramework
     * @return
     */
    @Bean
    public ZookeeperLockRegistry zookeeperLockRegistry(CuratorFramework curatorFramework) {
        return new ZookeeperLockRegistry(curatorFramework, "/locks");
    }

    /**
     * 客户端
     * @return
     * @throws Exception
     */
    @Bean
    public CuratorFramework curatorFramework() throws Exception {
        return CuratorFrameworkFactory.newClient("127.0.0.1:2181", new RetryUntilElapsed(1000, 4));
    }

}
  • java代码
    public void testZookeeperLock() {
        Lock lock = zookeeperLockRegistry.obtain("my-lock");
        if (lock.tryLock()) {
            try {
                log.info("hello testZookeeperLock");
            } finally {
                lock.unlock();
            }
        }

    }
  • 原理

利用 Zookeeper 节点的临时性:当一个进程崩溃或断开连接时,它创建的节点会被自动删除
利用 Zookeeper 节点的顺序性:Zookeeper 中的节点有序排列,每个节点都有一个唯一的编号。进程获取锁时,会创建一个带有序号的节点,然后判断自己是否是最小的节点。如果是最小的节点,则获取锁成功;否则,进程需要等待

结论

zookeeper 是强一致性,不保证服务可用性,主从切换时,服务都不可用
redisson 不保证数据一致性,会出现访问同一资源不安全性发生

根据不同业务应用场景,项目架构选择不同技术方案实现

代码地址

https://gitee.com/GZ-jelly/microservice-sample文章来源地址https://www.toymoban.com/news/detail-660519.html

到了这里,关于分布式锁解决方案的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【SpirngCloud】分布式事务解决方案

    1.1 CAP 理论 1998年,加州大学的计算机科学家 Eric Brewer 提出,分布式系统有三个指标: Consistency(一致性):用户访问分布式系统中的任意节点,得到的数据必须一致 Availability(可用性):用户访问集群中的任意健康节点,必须能得到响应,而不是超时或拒绝 Partition tolerance(分区容

    2024年02月15日
    浏览(45)
  • Redis 分布式锁解决方案

    我们日常在电商网站购物时经常会遇到一些高并发的场景,例如电商 App 上经常出现的秒杀活动、限量优惠券抢购,还有我们去哪儿网的火车票抢票系统等,这些场景有一个共同特点就是访问量激增,虽然在系统设计时会通过限流、异步、排队等方式优化,但整体的并发还是

    2023年04月22日
    浏览(44)
  • 分布式ID解决方案对比

    在复杂的分布式系统中,往往需要对大量的数据进行唯一标识,比如在对一个订单表进行了分库分表操作,这时候数据库的自增ID显然不能作为某个订单的唯一标识。除此之外还有其他分布式场景对分布式ID的一些要求: 趋势递增:  由于多数RDBMS使用B-tree的数据结构来存储索

    2024年02月04日
    浏览(38)
  • ChatGPT:分布式事务解决方案

    随着互联网的发展和技术的不断更新,越来越多的应用程序开始采用分布式架构。然而,由于数据和处理逻辑的分散性和异构性,分布式环境下的事务处理面临着许多挑战。这时候就需要采用分布式事务来确保系统的一致性和可靠性。 分布式事务是指在分布式系统中,涉及多

    2023年04月12日
    浏览(86)
  • 浅谈分布式事务及解决方案

    在讲述分布式事务的概念之前,我们先来回顾下事务相关的一些概念。 就是一个程序执行单元,里面的操作要么全部执行成功,要么全部执行失败,不允许只成功一半另外一半执行失败的事情发生。例如一段事务代码做了两次数据库更新操作,那么这两次数据库操作要么全部

    2024年02月08日
    浏览(48)
  • 聊聊分布式解决方案Saga模式

    Saga模式使用一系列本地事务来提供事务管理,而一个本地事务对应一个Saga参与者,在Saga流程里面每一个本地事务只操作本地数据库,然后通过消息或事件来触发下一个本地事务,如果其中一个本地事务失败了,Saga就会执行一系列补偿事务来实现回滚操作。(补偿事务简单来

    2024年02月06日
    浏览(36)
  • 无限容量分布式文件存储解决方案

    常见分布式文件系统比较 常见的分布式文件系统有GFS、HDFS 、Ceph 、GridFS 、TFS、FastDFS等。各自适用于不同的领域。 类 Google FS 都支持文件冗余备份,例如 Google FS、TFS 的备份数是 3。一个文件存储到哪几个存储结点,通常采用动态分配的方式。采用这种方式,一个文件存储到

    2024年02月11日
    浏览(46)
  • 分布式锁-Redis红锁解决方案

    分布式锁(多服务共享锁) 在分布式的部署环境下,通过锁机制来让多客户端互斥的对共享资源进行访问控制分布式系统不同进程共同访问共享资源的一种锁的实现。如果不同的系统或同一个系统的不同主机之间共享了某个临界资源,往往需要互斥来防止彼此干扰,以保证一

    2024年02月06日
    浏览(41)
  • 【业务功能篇73】分布式ID解决方案

    1. 基于UUID 2. 基于DB数据库多种模式 ( 自增主键、 segment) 3. 基于Redis 4. 基于ZK、ETCD 5. 基于SnowFlake 6. 美团Leaf (DB-Segment 、 zk+SnowFlake) 7. 百度uid-generator () UUID: UUID 长度 128bit , 32 个 16 进制字符,占用存储空间多,且生成的 ID 是无序的 ; 对于 InnoDB 这种聚集主键类型的引擎来说,

    2024年02月12日
    浏览(43)
  • 常用的分布式ID解决方案原理解析

    目录 前言 一:分布式ID的使用场景 二:分布式ID设计的技术指标 三:常见的分布式ID生成策略 3.1 UUID 3.2 数据库生成 3.3 数据库的多主模式 3.4 号段模式 3.5 雪花算法      分布式ID的生成是分布式系统中非常核心的基础性模块,其常用于在分布式环境下作为数据或消息的唯一

    2024年02月07日
    浏览(34)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包