模擬一個電商里面下單減庫存的場景。
1.首先在redis里加入商品庫存數(shù)量。
2.新建一個Spring Boot項目，在pom里面引入相關的依賴。
dependency>
groupId>org.springframework.boot/groupId>
artifactId>spring-boot-starter-web/artifactId>
/dependency>
dependency>
groupId>org.springframework.boot/groupId>
artifactId>spring-boot-starter-data-redis/artifactId>
/dependency>
3.接下來，在application.yml配置redis屬性和指定應用的端口號：
server:
port: 8090
spring:
redis:
host: 192.168.0.60
port: 6379
4.新建一個Controller類，扣減庫存第一版代碼：
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import javax.annotation.Resource;
import java.util.Objects;
@RestController
public class StockController {
private static final Logger logger = LoggerFactory.getLogger(StockController.class);
@Resource
private StringRedisTemplate stringRedisTemplate;
@RequestMapping("/reduceStock")
public String reduceStock() {
// 從redis中獲取庫存數(shù)量
int stock = Integer.parseInt(Objects.requireNonNull(stringRedisTemplate.opsForValue().get("stockCount")));
if (stock > 0) {
// 減庫存
int restStock = stock - 1;
// 剩余庫存再重新設置到redis中
stringRedisTemplate.opsForValue().set("stockCount", String.valueOf(restStock));
logger.info("扣減成功，剩余庫存：{}", restStock);
} else {
logger.info("庫存不足，扣減失敗。");
}
return "success";
}
}
上面第一版的代碼存在什么問題：超賣。假如多個線程同時調(diào)用獲取庫存數(shù)量的代碼，那么每個線程拿到的都是100，判斷庫存都大于0，都可以執(zhí)行減庫存的操作。假如兩個線程都做減庫存更新緩存，那么緩存的庫存變成99，但實際上，應該是減掉2個庫存。
那么很多人的第一個想法是加synchronized同步代碼塊，因為獲取數(shù)量和減庫存不是原子性操作，有多個線程來執(zhí)行代碼的時候，只允許一個線程執(zhí)行代碼塊里的代碼。那么改完的第二版的代碼如下：
@RequestMapping("/reduceStock")
public String reduceStock() {
synchronized (this) {
// 從redis中獲取庫存數(shù)量
int stock = Integer.parseInt(Objects.requireNonNull(stringRedisTemplate.opsForValue().get("stockCount")));
if (stock > 0) {
// 減庫存
int restStock = stock - 1;
// 剩余庫存再重新設置到redis中
stringRedisTemplate.opsForValue().set("stockCount", String.valueOf(restStock));
logger.info("扣減成功，剩余庫存：{}", restStock);
} else {
logger.info("庫存不足，扣減失敗。");
}
}
return "success";
}
但使用synchronize存在的問題，就是只能保證單機環(huán)境運行時沒有問題的。但現(xiàn)在的軟件公司里，基本上都是集群架構(gòu)，是多實例，前面使用Nginx做負載均衡，大概架構(gòu)如下：
Nginx分發(fā)請求，把請求發(fā)送到不同的Tomcat容器，而synchronize只能保證一個應用是沒有問題的。
那么代碼改進第三版，就是引入redis分布式鎖，具體代碼如下：
@RequestMapping("/reduceStock")
public String reduceStock() {
String lockKey = "stockKey";
try {
boolean result = stringRedisTemplate.opsForValue().setIfAbsent(lockKey, "1");
if (!result) {
return "errorCode";
}
// 從redis中獲取庫存數(shù)量
int stock = Integer.parseInt(Objects.requireNonNull(stringRedisTemplate.opsForValue().get("stockCount")));
if (stock > 0) {
// 減庫存
int restStock = stock - 1;
// 剩余庫存再重新設置到redis中
stringRedisTemplate.opsForValue().set("stockCount", String.valueOf(restStock));
logger.info("扣減成功，剩余庫存：{}", restStock);
} else {
logger.info("庫存不足，扣減失敗。");
}
} finally {
stringRedisTemplate.delete(lockKey)
}
return "success";
}
如果有一個線程拿到鎖，那么其他的線程就會等待。一定要記得在finally里面把使用完的鎖要刪除掉。否則一旦拋出異常，只有一個線程會一直持有鎖，其他線程沒有機會獲取。
但如果在執(zhí)行if (stock > 0) {代碼塊里的代碼，因為宕機或重啟沒有執(zhí)行完，也會一直持有鎖，所以，這里需要把鎖加一個超時時間：
boolean result = stringRedisTemplate.opsForValue().setIfAbsent(lockKey, "1");
stringRedisTemplate.expire(lockKey, 10, TimeUnit.SECONDS);
但如果上面兩行代碼在中間執(zhí)行出問題了，設置超時時間的代碼還沒執(zhí)行，也會出現(xiàn)鎖不能釋放的問題。好在有對應的方法：就是把上面兩行代碼設置成一個原子操作：
// 這里默認設置超時時間為10秒
boolean result = stringRedisTemplate.opsForValue().setIfAbsent(lockKey, "1", 10, TimeUnit.SECONDS);
到此為止，如果并發(fā)量不是很大的話，基本上是沒有問題的。
但是，如果請求的并發(fā)量很大，就會出現(xiàn)新的問題：有種比較特殊的情況，第一個線程執(zhí)行了15秒，但是執(zhí)行到10秒鐘的時候，鎖已經(jīng)失效釋放了，那么在高并發(fā)場景下，第二個線程發(fā)現(xiàn)鎖已經(jīng)失效，那么它就可以拿到這把鎖進行加鎖，
假設第二個線程執(zhí)行需要8秒，它執(zhí)行到5秒鐘后，此時第一個線程已經(jīng)執(zhí)行完了，執(zhí)行完那一刻，進行了刪除key的操作，但是此時的鎖是第二個線程加的，這樣第一個線程把第二個線程加的鎖刪掉了。
那意味著第三個線程又可以拿到鎖，第三個線程執(zhí)行了3秒鐘，此時第二個線程執(zhí)行完畢，那么第二個線程把第三個線程的鎖又刪除了。導致鎖失效。
那么解決的思路就是，我自己加的鎖，不要被別人刪掉。那么可以為每個進來的請求生成一個唯一的id，作為分布式鎖的值，然后在釋放時，判斷一下當前線程的id，是不是和緩存里的id是否相等。
@RequestMapping("/reduceStock")
public String reduceStock() {
String lockKey = "stockKey";
String id = UUID.randomUUID().toString();
try {
// 這里默認設置超時時間為30秒
boolean result = stringRedisTemplate.opsForValue().setIfAbsent(lockKey, id, 30, TimeUnit.SECONDS);
if (!result) {
return "errorCode";
}
// 從redis中獲取庫存數(shù)量
int stock = Integer.parseInt(Objects.requireNonNull(stringRedisTemplate.opsForValue().get("stockCount")));
if (stock > 0) {
// 減庫存
int restStock = stock - 1;
// 剩余庫存再重新設置到redis中
stringRedisTemplate.opsForValue().set("stockCount", String.valueOf(restStock));
logger.info("扣減成功，剩余庫存：{}", restStock);
} else {
logger.info("庫存不足，扣減失敗。");
}
} finally {
if (id.contentEquals(Objects.requireNonNull(stringRedisTemplate.opsForValue().get(lockKey)))) {
stringRedisTemplate.delete(lockKey);
}
}
return "success";
}
到此為止，一個比較完善的鎖就實現(xiàn)了，可以應付大部分場景。
當然，上面的代碼還有一個問題，就是一個線程執(zhí)行時間超過了過期時間，后面的代碼還沒有執(zhí)行完，鎖就已經(jīng)刪除了，還是會有些bug存在。解決的方法是給鎖續(xù)命的操作。
在當前主線程獲取到鎖以后，可以fork出一個線程，執(zhí)行Timer定時器操作，假如默認超時時間為30秒，那么定時器每隔10秒去看下這把鎖還是否存在，存在就說明這個鎖里的邏輯還沒有執(zhí)行完，那么就可以把當前主線程的超時時間重新設置為30秒；如果不存在，就直接結(jié)束掉。
但是上面的邏輯，在高并發(fā)場景下，實現(xiàn)比較完善還是比較困難的。好在現(xiàn)在已經(jīng)有比較成熟的框架，那就是Redisson。官方地址https://redisson.org。
下面用Redisson來實現(xiàn)分布式鎖。
首先引入依賴包：
dependency>
groupId>org.redisson/groupId>
artifactId>redisson/artifactId>
version>3.6.5/version>
/dependency>
配置類：
@Configuration
public class RedissonConfig {
@Bean
public Redisson redisson() {
// 單機模式
Config config = new Config();
config.useSingleServer().setAddress("redis://192.168.0.60:6379").setDatabase(0);
return (Redisson) Redisson.create(config);
}
}
接下來用redisson重寫上面的減庫存操作：
@Resource
private Redisson redisson;
@RequestMapping("/reduceStock")
public String reduceStock() {
String lockKey = "stockKey";
RLock redissonLock = redisson.getLock(lockKey);
try {
// 加鎖，鎖續(xù)命
redissonLock.lock();
// 從redis中獲取庫存數(shù)量
int stock = Integer.parseInt(Objects.requireNonNull(stringRedisTemplate.opsForValue().get("stockCount")));
if (stock > 0) {
// 減庫存
int restStock = stock - 1;
// 剩余庫存再重新設置到redis中
stringRedisTemplate.opsForValue().set("stockCount", String.valueOf(restStock));
logger.info("扣減成功，剩余庫存：{}", restStock);
} else {
logger.info("庫存不足，扣減失敗。");
}
} finally {
redissonLock.unlock();
}
return "success";
}
其實就是三個步驟：獲取鎖，加鎖，釋放鎖。
先簡單看下Redisson的實現(xiàn)原理：
這里先說一下Redis很多操作使用Lua腳本來實現(xiàn)原子性操作，關于Lua語法，可以去網(wǎng)上找下相關教程。
使用Lua腳本的好處有：
1.減少網(wǎng)絡開銷，多個命令可以使用一次請求完成；
2.實現(xiàn)了原子性操作，Redis會把Lua腳本作為一個整體去執(zhí)行；
3.實現(xiàn)事務，Redis自帶的事務功能有限，而Lua腳本實現(xiàn)了事務的常規(guī)操作，而且還支持回滾。
但是Lua實際上不會使用很多，如果Lua腳本執(zhí)行時間過長，因為Redis是單線程，因此會導致堵塞。
最后，說下Redisson分布式鎖的代碼實現(xiàn)，
找到上面的redissonLock.lock()；
lock方法點進去，一直點到RedissonLock類里面的lockInterruptibly方法：
@Override
public void lockInterruptibly(long leaseTime, TimeUnit unit) throws InterruptedException {
// 獲取線程id
long threadId = Thread.currentThread().getId();
Long ttl = tryAcquire(leaseTime, unit, threadId);
// lock acquired
if (ttl == null) {
return;
}
RFutureRedissonLockEntry> future = subscribe(threadId);
commandExecutor.syncSubscription(future);
try {
while (true) {
ttl = tryAcquire(leaseTime, unit, threadId);
// lock acquired
if (ttl == null) {
break;
}
// waiting for message
if (ttl >= 0) {
getEntry(threadId).getLatch().tryAcquire(ttl, TimeUnit.MILLISECONDS);
} else {
getEntry(threadId).getLatch().acquire();
}
}
} finally {
unsubscribe(future, threadId);
}
// get(lockAsync(leaseTime, unit));
}
重點看下tryAcquire方法，把線程id作為一個參數(shù)傳遞進來，在這個方法里面，找到tryLockInnerAsync方法點進去，
T> RFutureT> tryLockInnerAsync(long leaseTime, TimeUnit unit, long threadId, RedisStrictCommandT> command) {
internalLockLeaseTime = unit.toMillis(leaseTime);
return commandExecutor.evalWriteAsync(getName(), LongCodec.INSTANCE, command,
"if (redis.call('exists', KEYS[1]) == 0) then " +
"redis.call('hset', KEYS[1], ARGV[2], 1); " +
"redis.call('pexpire', KEYS[1], ARGV[1]); " +
"return nil; " +
"end; " +
"if (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.Object>singletonList(getName()), internalLockLeaseTime, getLockName(threadId));
}
這里就是一堆Lua腳本，先看第一個if命令，先去判斷 KEYS[1]（就是對應的鎖key的名字），如果不存在，在hashmap里，設置一個屬性為線程id，值為1，再把map的過期時間設置為internalLockLeaseTime，這個值默認是30秒，
上面的操作對應的命令是：
hset keyname id:thread 1
pexpire keyname 30
然后返回nil，相當于null，那程序return了。
另外，Redisson還支持重入鎖，那第二個if就是執(zhí)行重入鎖的操作，會判斷鎖是否存在，并且傳入的線程id是否是當前線程的id，若果是，支持重復加鎖進行自增操作；
如果是其他線程調(diào)用lock方法，上面兩個if判斷不會走，會返回鎖剩余過期時間。
接著返回到tryAcquireAsync方法里面往下看：
實際上是加了一個監(jiān)聽器，在監(jiān)聽器里面有個很重要的方法scheduleExpirationRenewal，一看這個名字就能大概猜出是什么功能，
里面有個定時任務的輪詢，
private void scheduleExpirationRenewal(final long threadId) {
if (expirationRenewalMap.containsKey(getEntryName())) {
return;
}
Timeout task = commandExecutor.getConnectionManager().newTimeout(new TimerTask() {
@Override
public void run(Timeout timeout) throws Exception {
// 判斷傳遞進來的線程id是否是我們之前主線程設置的id，如果是，則增加續(xù)命，增加30秒。
RFutureBoolean> future = commandExecutor.evalWriteAsync(getName(), LongCodec.INSTANCE, RedisCommands.EVAL_BOOLEAN,
"if (redis.call('hexists', KEYS[1], ARGV[2]) == 1) then " +
"redis.call('pexpire', KEYS[1], ARGV[1]); " +
"return 1; " +
"end; " +
"return 0;",
Collections.Object>singletonList(getName()), internalLockLeaseTime, getLockName(threadId));
future.addListener(new FutureListenerBoolean>() {
@Override
public void operationComplete(FutureBoolean> future) throws Exception {
expirationRenewalMap.remove(getEntryName());
if (!future.isSuccess()) {
log.error("Can't update lock " + getName() + " expiration", future.cause());
return;
}
if (future.getNow()) {
// reschedule itself
scheduleExpirationRenewal(threadId);
}
}
});
}
}, internalLockLeaseTime / 3, TimeUnit.MILLISECONDS);
if (expirationRenewalMap.putIfAbsent(getEntryName(), task) != null) {
task.cancel();
}
}
接著推遲10秒鐘（internalLockLeaseTime / 3），再執(zhí)行續(xù)命操作邏輯。
到最后，再回到lockInterruptibly方法，如果ttl 為null，說明加鎖成功了，就返回null，那如果其他線程的話，就會返回剩余過期時間，那么就會進入到while死循環(huán)里，一直嘗試加鎖，調(diào)用tryAcquire方法，在瑣失效以后，再會嘗試獲取加鎖。
到此為止，分析完畢。
總結(jié)
到此這篇關于Redis分布式鎖的使用和實現(xiàn)原理的文章就介紹到這了,更多相關Redis分布式鎖的使用和原理內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- redis分布式鎖之可重入鎖的實現(xiàn)代碼
- 詳解redis分布式鎖的這些坑
- Java基于redis實現(xiàn)分布式鎖
- 詳解Redis 分布式鎖遇到的序列化問題
- php基于redis的分布式鎖實例詳解
- Redis分布式鎖升級版RedLock及SpringBoot實現(xiàn)方法
- redis分布式鎖的go-redis實現(xiàn)方法詳解
- redission分布式鎖防止重復初始化問題
- Redis如何實現(xiàn)分布式鎖詳解
