Redisson
可以直接查看 Github Redisson官网 介绍, 没有了解过的小伙伴, 看一下 Redisson 的 WIKI 目录, 仔细瞅瞅 Redis 是如何被 Redisson 武装到牙齿的
这里先过一下和文章有关的一部分内容
通过项目简介可以看出来, 写这个项目介绍的人水平非常哇塞哈, 从第一段咱们就知道了两个问题
Redisson 是什么
Redisson 是架设在 Redis 基础上的一个 Java驻内存数据网格框架, 充分利用 Redis 键值数据库提供的一系列优势, 基于 Java 使用工具包中常用接口, 为使用者提供了 一系列具有分布式特性的常用工具类
Redisson 的优势
使得原本作为协调单机多线程并发程序的工具包 获得了协调分布式多机多线程并发系统的能力, 大大降低了设计和研发大规模分布式系统的难度
同时结合各富特色的分布式服务, 更进一步 简化了分布式环境中程序相互之间的协作
了解到这里就差不多了, 就不向下扩展了, 想要了解详细用途的, 翻一下上面的目录
Redisson 重入锁
由于 Redisson 太过于复杂, 设计的 API 调用大多用 Netty 相关, 所以这里只对 如何加锁、如何实现重入锁进行分析以及如何锁续时进行分析
创建锁
我这里是将 Redisson 的源码下载到本地了
下面这个简单的程序, 就是使用 Redisson 创建了一个非公平的可重入锁
lock() 方法加锁成功 默认过期时间 30 秒, 并且支持 "看门狗" 续时功能
我们先来看一下 RLock 接口的声明
RLock 继承了 JDK 源码 JUC 包下的 Lock 接口, 同时也继承了 RLockAsync
RLockAsync 从字面意思看是 支持异步的锁, 证明获取锁时可以异步获取
看了 Redisson 的源码会知道, 注释比黄金贵 🙃️
由于获取锁的 API 较多, 我们这里以 lock() 做源码讲解, 看接口定义相当简单
获取锁实例
根据上面的小 Demo, 看下第一步获取锁是如何做的
Redisson 中所有 Redis 命令都是通过 ...Executor 执行的
获取到默认的同步执行器后, 就要初始化 RedissonLock
尝试获取锁
我们来看一下 RLock#lock() 底层是如何获取锁的
leaseTime: 加锁到期时间, -1 使用默认值 30 秒
unit: 时间单位, 毫秒、秒、分钟、小时...
interruptibly: 是否可被中断标示
这一段代码是用来执行加锁, 继续看下方法实现
lock() 以及 tryLock(...) 方法最终都会调用此方法, 分为两个流程分支
1、tryLock(...) API 异步加锁返回
2、lock() & tryLock() API 异步加锁并进行锁续时
继续看一下 tryLockInnerAsync(...) 详细的加锁流程, 内部采用的 Lua 脚本形式, 保证了原子性操作
到这一步大家就很明了了, 将 Lua 脚本被 Redisoon 包装最后通过 Netty 进行传输
evalWriteAsync(...) 是对 Eval 命令的封装以及 Netty 的应用就不继续跟进了
加锁 Lua
执行 Redis 加锁的 Lua 脚本, 截个图让大家看一下参数以及具体含义
KEYS[1]: myLock
ARGV[1]: 36000... 这个是过期时间, 自己测试的, 单位毫秒
ARGV[2]: UUID + 线程 ID
整个 Lua 脚本加锁的流程图如下:
现在回过头看一下获取到锁之后, 是如何为锁进行延期操作的
锁续时
之前有和军哥聊过这个话题, 他说的思路和 Redisson 中体现的基本一致
说一下 Redisson 的具体实现思路吧, 中文翻译叫做 "看门狗"
1、获取到锁之后执行 "看门狗" 流程
2、使用 Netty 的 Timeout 实现定时延时
3、比如锁过期 30 秒, 每过 1/3 时间也就是 10 秒会检查锁是否存在, 存在则更新锁的超时时间
可能会有小伙伴会提出这么一个疑问, 如果检查返回存在, 设置锁过期时刚好锁被释放了怎么办?
有这样的疑问, 代表确实用心去考虑所有可能发生的情况了, 但是不必担心哈
Redisson 中使用的 Lua 脚本做的检查及设置过期时间操作, 本身是原子性的不会出现上面情况
如果不想要引用 Netty 的包, 使用延时队列等包工具也是可以完成 "看门狗"
这里也贴一哈相关代码, 能够让小伙伴更直观的了解如何锁续时的
我可真是个暖男, 上代码 RedissonLock#tryAcquireAsync(...)
可以看到续时方法将 threadId 当作标识符进行续时
知道核心理念就好了, 没必要研究每一行代码哈
解锁操作
解锁时的操作相对加锁还是比较简单的
解锁成功后会将之前的"看门狗" Timeout 续时取消, 并返回成功
又是一个精髓点, 解锁的 Lua 脚本定义
还是来张图理解哈, Lua 脚本会详细分析
解锁 Lua
老规矩, 图片加参数说明
KEYS[1]: myLock
KEYS[2]: redisson_lock_channel:{myLock}
ARGV[1]: 0
ARGV[2]: 360000... (过期时间)
ARGV[3]: 7f0c54e2...(Hash 中的锁 Key)
Redlock 算法
不可否认, Redisson 设计的分布式锁真的很 NB, 但是还是没有解决 主从节点下异步同步数据导致锁丢失问题
所以 Redis 作者 Antirez 推出 红锁算法, 这个算法的精髓就是: 没有从节点, 如果部署多台 Redis, 各实例之间相互独立, 不存在主从复制或者其他集群协调机制
如何使用
创建多个 Redisson Node, 由这些无关联的 Node 组成一个完整的分布式锁
当然, 对于 Redlock 算法不是没有质疑声, 大家可以去 Redis 官网查看Martin Kleppmann 与 Redis 作者Antirez 的辩论
CAP 原则之间的取舍
CAP 原则又称 CAP 定理, 指的是在一个分布式系统中, Consistency（一致性）、 Availability（可用性）、Partition tolerance（分区容错性）, 三者不可得兼
一致性(C) : 在分布式系统中的所有数据备份, 在同一时刻是否同样的值(等同于所有节点访问同一份最新的数据副本)
可用性(A): 在集群中一部分节点故障后, 集群整体是否还能响应客户端的读写请求(对数据更新具备高可用性)
分区容忍性(P): 以实际效果而言, 分区相当于对通信的时限要求. 系统如果不能在时限内达成数据一致性, 就意味着发生了分区的情况, 必须就当前操作在 C 和 A 之间做出选择
分布式锁选型
如果要满足上述分布式锁之间的强一致性, 可以采用 Zookeeper 的分布式锁, 因为它底层的 ZAB协议(原子广播协议), 天然满足 CP
但是这也意味着性能的下降, 所以不站在具体数据下看 Redis 和 Zookeeper, 代表着性能和一致性的取舍
如果项目没有强依赖 ZK, 使用 Redis 就好了, 因为现在 Redis 用途很广, 大部分项目中都引用了 Redis
没必要对此再引入一个新的组件, 如果业务场景对于 Redis 异步方式的同步数据造成锁丢失无法忍受, 在业务层处理就好了
写在最后的话
最近都在写多线程源码相关的, 后面会输出 JUC 下源码解析
1、CountDownLatch
2、ThreadLocal
3、Atomic 相关
来源：oschina
链接：https://my.oschina.net/u/4664854/blog/4812922