新接手的項目，偶爾會出現賬不平的問題。之前的技術老大臨走時給的解釋是：排查了，沒找到原因，之后太忙就沒再解決，可能是框架的原因……

既然項目交付到手中，這樣的問題是必須要解決的。梳理了所有賬務處理邏輯，最終找到了原因：數據庫并發操作熱點賬戶導致。就這這個問題，來聊一聊分布式系統下基于Redis的分布式鎖。順便也分解一下問題形成原因及解決方案。

原因分析

系統并發量并不高，存在熱點賬戶，但也不至于那么嚴重。問題的根源在于系統架構設計，人為的制造了并發。場景是這樣的：商戶批量導入一批數據，系統會進行前置處理，并對賬戶余額進行增減。

此時，另外一個定時任務，也會對賬戶進行掃描更新。而且對同一賬戶的操作分布到各個系統當中，熱點賬戶也就出現了。

針對此問題的解決方案，從架構層面可以考慮將賬務系統進行抽離，集中在一個系統中進行處理，所有的數據庫事務及執行順序由賬務系統來統籌處理。從技術方面來講，則可以通過鎖機制來對熱點賬戶進行加鎖。

本篇文章就針對熱點賬戶基于分布式鎖的實現方式進行詳細的講解。

鎖的分析

在Java的多線程環境下，通常有幾類鎖可以使用：

• JVM內存模型級別的鎖，常用的有：synchronized、Lock等；
• 數據庫鎖，比如樂觀鎖，悲觀鎖等；
• 分布式鎖；

JVM內存級別的鎖，可以保證單體服務下線程的安全性，比如多個線程訪問/修改一個全局變量。但當系統進行集群部署時，JVM級別的本地鎖就無能為力了。

悲觀鎖與樂觀鎖

像上述案例中，熱點賬戶就屬于分布式系統中的共享資源，我們通常會采用數據庫鎖或分布式鎖來進行解決。

數據庫鎖，又分為樂觀鎖和悲觀鎖。

悲觀鎖是基于數據庫（Mysql的InnoDB）提供的排他鎖來實現的。在進行事務操作時，通過select ... for update語句，MySQL會對查詢結果集中每行數據都添加排他鎖，其他線程對該記錄的更新與刪除操作都會阻塞。從而達到共享資源的順序執行（修改）；

樂觀鎖是相對悲觀鎖而言的，樂觀鎖假設數據一般情況不會造成沖突，所以在數據進行提交更新的時候，才會正式對數據的沖突與否進行檢測。如果沖突則返回給用戶異常信息，讓用戶決定如何去做。樂觀鎖適用于讀多寫少的場景，這樣可以提高程序的吞吐量。在樂觀鎖實現時通常會基于記錄狀態或添加version版本來進行實現。

悲觀鎖失效場景

項目中使用了悲觀鎖，但悲觀鎖卻失效了。這也是使用悲觀鎖時，常見的誤區，下面來分析一下。

正常使用悲觀鎖的流程：

• 通過select ... for update鎖定記錄；
• 計算新余額，修改金額并存儲；
• 執行完成釋放鎖；

經常犯錯的處理流程：

• 查詢賬戶余額，計算新余額；
• 通過select ... for update鎖定記錄；
• 修改金額并存儲；
• 執行完成釋放鎖；

錯誤的流程中，比如A和B服務查詢到的余額都是100，A扣減50，B扣減40，然后A鎖定記錄，更新數據庫為50；A釋放鎖之后，B鎖定記錄，更新數據庫為60。顯然，后者把前者的更新給覆蓋掉了。解決的方案就是擴大鎖的范圍，將鎖提前到計算新余額之前。

通常悲觀鎖對數據庫的壓力是非常大的，在實踐中通常會根據場景使用樂觀鎖或分布式鎖等方式來實現。

下面進入正題，講講基于Redis的分布式鎖實現。

Redis分布式鎖實戰演習

這里以Spring Boot、Redis、Lua腳本為例來演示分布式鎖的實現。為了簡化處理，示例中Redis既承擔了分布式鎖的功能，也承擔了數據庫的功能。

場景構建

集群環境下，對同一個賬戶的金額進行操作，基本步驟：

• 從數據庫讀取用戶金額；
• 程序修改金額；
• 再將最新金額存儲到數據庫；

下面從最初不加鎖，不同步處理，逐步推演出最終的分布式鎖。

基礎集成及類構建

準備一個不加鎖處理的基礎業務環境。

首先在Spring Boot項目中引入相關依賴：

<dependency> 
 <groupId>org.springframework.boot</groupId> 
 <artifactId>spring-boot-starter-data-redis</artifactId> 
</dependency> 
<dependency> 
 <groupId>org.springframework.boot</groupId> 
 <artifactId>spring-boot-starter-web</artifactId> 
</dependency> 

賬戶對應實體類UserAccount：

public class UserAccount { 
 
 //用戶ID 
 private String userId; 
 //賬戶內金額 
 private int amount; 
 
 //添加賬戶金額 
 public void addAmount(int amount) { 
  this.amount = this.amount + amount; 
 } 
 // 省略構造方法和getter/setter  
} 

創建一個線程實現類AccountOperationThread：

public class AccountOperationThread implements Runnable { 
 
 private final static Logger logger = LoggerFactory.getLogger(AccountOperationThread.class); 
 
 private static final Long RELEASE_SUCCESS = 1L; 
 
 private String userId; 
 
 private RedisTemplate<Object, Object> redisTemplate; 
 
 public AccountOperationThread(String userId, RedisTemplate<Object, Object> redisTemplate) { 
  this.userId = userId; 
  this.redisTemplate = redisTemplate; 
 } 
 
 @Override 
 public void run() { 
  noLock(); 
 } 
 
 /** 
  * 不加鎖 
  */ 
 private void noLock() { 
  try { 
   Random random = new Random(); 
   // 模擬線程進行業務處理 
   TimeUnit.MILLISECONDS.sleep(random.nextInt(100) + 1); 
  } catch (InterruptedException e) { 
   e.printStackTrace(); 
  } 
  //模擬數據庫中獲取用戶賬號 
  UserAccount userAccount = (UserAccount) redisTemplate.opsForValue().get(userId); 
  // 金額+1 
  userAccount.addAmount(1); 
  logger.info(Thread.currentThread().getName() + " : user id : " + userId + " amount : " + userAccount.getAmount()); 
  //模擬存回數據庫 
  redisTemplate.opsForValue().set(userId, userAccount); 
 } 
} 

其中RedisTemplate的實例化交給了Spring Boot：

@Configuration 
public class RedisConfig { 
 
 @Bean 
 public RedisTemplate<Object, Object> redisTemplate(RedisConnectionFactory redisConnectionFactory) { 
  RedisTemplate<Object, Object> redisTemplate = new RedisTemplate<>(); 
  redisTemplate.setConnectionFactory(redisConnectionFactory); 
  Jackson2JsonRedisSerializer<Object> jackson2JsonRedisSerializer = 
    new Jackson2JsonRedisSerializer<>(Object.class); 
  ObjectMapper objectMapper = new ObjectMapper(); 
  objectMapper.setVisibility(PropertyAccessor.ALL, JsonAutoDetect.Visibility.ANY); 
  objectMapper.enableDefaultTyping(ObjectMapper.DefaultTyping.NON_FINAL); 
  jackson2JsonRedisSerializer.setObjectMapper(objectMapper); 
  // 設置value的序列化規則和 key的序列化規則 
  redisTemplate.setValueSerializer(jackson2JsonRedisSerializer); 
  redisTemplate.setKeySerializer(new StringRedisSerializer()); 
  redisTemplate.afterPropertiesSet(); 
  return redisTemplate; 
 } 
} 

最后，再準備一個TestController來進行觸發多線程的運行：

@RestController 
public class TestController { 
 
 private final static Logger logger = LoggerFactory.getLogger(TestController.class); 
 
 private static ExecutorService executorService = Executors.newFixedThreadPool(10); 
 
 @Autowired 
 private RedisTemplate<Object, Object> redisTemplate; 
 
 @GetMapping("/test") 
 public String test() throws InterruptedException { 
  // 初始化用戶user_001到Redis，賬戶金額為0 
  redisTemplate.opsForValue().set("user_001", new UserAccount("user_001", 0)); 
  // 開啟10個線程進行同步測試，每個線程為賬戶增加1元 
  for (int i = 0; i < 10; i++) { 
   logger.info("創建線程i=" + i); 
   executorService.execute(new AccountOperationThread("user_001", redisTemplate)); 
  } 
 
  // 主線程休眠1秒等待線程跑完 
  TimeUnit.MILLISECONDS.sleep(1000); 
  // 查詢Redis中的user_001賬戶 
  UserAccount userAccount = (UserAccount) redisTemplate.opsForValue().get("user_001"); 
  logger.info("user id : " + userAccount.getUserId() + " amount : " + userAccount.getAmount()); 
  return "success"; 
 } 
} 

執行上述程序，正常來說10個線程，每個線程加1，結果應該是10。但多執行幾次，會發現，結果變化很大，基本上都要比10小。

[pool-1-thread-5] c.s.redis.thread.AccountOperationThread  : pool-1-thread-5 : user id : user_001 amount : 1 
[pool-1-thread-4] c.s.redis.thread.AccountOperationThread  : pool-1-thread-4 : user id : user_001 amount : 1 
[pool-1-thread-3] c.s.redis.thread.AccountOperationThread  : pool-1-thread-3 : user id : user_001 amount : 1 
[pool-1-thread-1] c.s.redis.thread.AccountOperationThread  : pool-1-thread-1 : user id : user_001 amount : 1 
[pool-1-thread-1] c.s.redis.thread.AccountOperationThread  : pool-1-thread-1 : user id : user_001 amount : 2 
[pool-1-thread-2] c.s.redis.thread.AccountOperationThread  : pool-1-thread-2 : user id : user_001 amount : 2 
[pool-1-thread-5] c.s.redis.thread.AccountOperationThread  : pool-1-thread-5 : user id : user_001 amount : 2 
[pool-1-thread-4] c.s.redis.thread.AccountOperationThread  : pool-1-thread-4 : user id : user_001 amount : 3 
[pool-1-thread-1] c.s.redis.thread.AccountOperationThread  : pool-1-thread-1 : user id : user_001 amount : 4 
[pool-1-thread-3] c.s.redis.thread.AccountOperationThread  : pool-1-thread-3 : user id : user_001 amount : 5 
[nio-8080-exec-1] c.s.redis.controller.TestController      : user id : user_001 amount : 5 

以上述日志為例，前四個線程都將值改為1，也就是后面三個線程都將前面的修改進行了覆蓋，導致最終結果不是10，只有5。這顯然是有問題的。

Redis同步鎖實現

針對上面的情況，在同一個JVM當中，我們可以通過線程加鎖來完成。但在分布式環境下，JVM級別的鎖是沒辦法實現的，這里可以采用Redis同步鎖實現。

基本思路：第一個線程進入時，在Redis中進記錄，當后續線程過來請求時，判斷Redis是否存在該記錄，如果存在則說明處于鎖定狀態，進行等待或返回。如果不存在，則進行后續業務處理。

 /** 
 * 1.搶占資源時判斷是否被鎖。 
 * 2.如未鎖則搶占成功且加鎖，否則等待鎖釋放。 
 * 3.業務完成后釋放鎖,讓給其它線程。 
 * <p> 
 * 該方案并未解決同步問題，原因：線程獲得鎖和加鎖的過程，并非原子性操作，可能會導致線程A獲得鎖，還未加鎖時，線程B也獲得了鎖。 
 */ 
private void redisLock() { 
 Random random = new Random(); 
 try { 
  TimeUnit.MILLISECONDS.sleep(random.nextInt(1000) + 1); 
 } catch (InterruptedException e) { 
  e.printStackTrace(); 
 } 
 while (true) { 
  Object lock = redisTemplate.opsForValue().get(userId + ":syn"); 
  if (lock == null) { 
   // 獲得鎖 -> 加鎖 -> 跳出循環 
   logger.info(Thread.currentThread().getName() + ":獲得鎖"); 
   redisTemplate.opsForValue().set(userId + ":syn", "lock"); 
   break; 
  } 
  try { 
   // 等待500毫秒重試獲得鎖 
   TimeUnit.MILLISECONDS.sleep(500); 
  } catch (InterruptedException e) { 
   e.printStackTrace(); 
  } 
 } 
 try { 
  //模擬數據庫中獲取用戶賬號 
  UserAccount userAccount = (UserAccount) redisTemplate.opsForValue().get(userId); 
  if (userAccount != null) { 
   //設置金額 
   userAccount.addAmount(1); 
   logger.info(Thread.currentThread().getName() + " : user id : " + userId + " amount : " + userAccount.getAmount()); 
   //模擬存回數據庫 
   redisTemplate.opsForValue().set(userId, userAccount); 
  } 
 } finally { 
  //釋放鎖 
  redisTemplate.delete(userId + ":syn"); 
  logger.info(Thread.currentThread().getName() + ":釋放鎖"); 
 } 
} 

在while代碼塊中，先判斷對應用戶ID是否在Redis中存在，如果不存在，則進行set加鎖，如果存在，則跳出循環繼續等待。

上述代碼，看起來實現了加鎖的功能，但當執行程序時，會發現與未加鎖一樣，依舊存在并發問題。原因是：獲取鎖和加鎖的操作并不是原子的。比如兩個線程發現lock都是null，都進行了加鎖，此時并發問題依舊存在。

Redis原子性同步鎖

針對上述問題，可將獲取鎖和加鎖的過程原子化處理。基于spring-boot-data-redis提供的原子化API可以實現：

// 該方法使用了redis的指令：SETNX key value 
// 1.key不存在，設置成功返回value，setIfAbsent返回true； 
// 2.key存在，則設置失敗返回null，setIfAbsent返回false； 
// 3.原子性操作； 
Boolean setIfAbsent(K var1, V var2); 

上述方法的原子化操作是對Redis的setnx命令的封裝，在Redis中setnx的使用如下實例：

redis> SETNX mykey "Hello" 
(integer) 1 
redis> SETNX mykey "World" 
(integer) 0 
redis> GET mykey 
"Hello" 

第一次，設置mykey時，并不存在，則返回1，表示設置成功；第二次設置mykey時，已經存在，則返回0，表示設置失敗。再次查詢mykey對應的值，會發現依舊是第一次設置的值。也就是說redis的setnx保證了唯一的key只能被一個服務設置成功。

理解了上述API及底層原理，來看看線程中的實現方法代碼如下：

/** 
  * 1.原子操作加鎖 
  * 2.競爭線程循環重試獲得鎖 
  * 3.業務完成釋放鎖 
  */ 
 private void atomicityRedisLock() { 
  //Spring data redis 支持的原子性操作 
  while (!redisTemplate.opsForValue().setIfAbsent(userId + ":syn", "lock")) { 
   try { 
    // 等待100毫秒重試獲得鎖 
    TimeUnit.MILLISECONDS.sleep(100); 
   } catch (InterruptedException e) { 
    e.printStackTrace(); 
   } 
  } 
  logger.info(Thread.currentThread().getName() + ":獲得鎖"); 
  try { 
   //模擬數據庫中獲取用戶賬號 
   UserAccount userAccount = (UserAccount) redisTemplate.opsForValue().get(userId); 
   if (userAccount != null) { 
    //設置金額 
    userAccount.addAmount(1); 
    logger.info(Thread.currentThread().getName() + " : user id : " + userId + " amount : " + userAccount.getAmount()); 
    //模擬存回數據庫 
    redisTemplate.opsForValue().set(userId, userAccount); 
   } 
  } finally { 
   //釋放鎖 
   redisTemplate.delete(userId + ":syn"); 
   logger.info(Thread.currentThread().getName() + ":釋放鎖"); 
  } 
 } 

再次執行代碼，會發現結果正確了，也就是說可以成功的對分布式線程進行了加鎖。

Redis分布式鎖的死鎖

雖然上述代碼執行結果沒問題，但如果應用異常宕機，沒來得及執行finally中釋放鎖的方法，那么其他線程則永遠無法獲得這個鎖。

此時可采用setIfAbsent的重載方法：

Boolean setIfAbsent(K var1, V var2, long var3, TimeUnit var5); 

基于該方法，可以設置鎖的過期時間。這樣即便獲得鎖的線程宕機，在Redis中數據過期之后，其他線程可正常獲得該鎖。

示例代碼如下：

private void atomicityAndExRedisLock() { 
  try { 
   //Spring data redis 支持的原子性操作,并設置5秒過期時間 
   while (!redisTemplate.opsForValue().setIfAbsent(userId + ":syn", 
     System.currentTimeMillis() + 5000, 5000, TimeUnit.MILLISECONDS)) { 
    // 等待100毫秒重試獲得鎖 
    logger.info(Thread.currentThread().getName() + ":嘗試循環獲取鎖"); 
    TimeUnit.MILLISECONDS.sleep(1000); 
   } 
   logger.info(Thread.currentThread().getName() + ":獲得鎖--------"); 
   // 應用在這里宕機，進程退出，無法執行 finally; 
   Thread.currentThread().interrupt(); 
   // 業務邏輯... 
  } catch (InterruptedException e) { 
   e.printStackTrace(); 
  } finally { 
   //釋放鎖 
   if (!Thread.currentThread().isInterrupted()) { 
    redisTemplate.delete(userId + ":syn"); 
    logger.info(Thread.currentThread().getName() + ":釋放鎖"); 
   } 
  } 
 } 

業務超時及守護線程

上面添加了Redis所的超時時間，看似解決了問題，但又引入了新的問題。

比如，正常情況下線程A在5秒內可正常處理完業務，但偶發會出現超過5秒的情況。如果將超時時間設置為5秒，線程A獲得了鎖，但業務邏輯處理需要6秒。此時，線程A還在正常業務邏輯，線程B已經獲得了鎖。當線程A處理完時，有可能將線程B的鎖給釋放掉。

在上述場景中有兩個問題點：

• 第一，線程A和線程B可能會同時在執行，存在并發問題。
• 第二，線程A可能會把線程B的鎖給釋放掉，導致一系列的惡性循環。

當然，可以通過在Redis中設置value值來判斷鎖是屬于線程A還是線程B。但仔細分析會發現，這個問題的本質是因為線程A執行業務邏輯耗時超出了鎖超時的時間。

那么就有兩個解決方案了：

• 第一，將超時時間設置的足夠長，確保業務代碼能夠在鎖釋放之前執行完成；
• 第二，為鎖添加守護線程，為將要過期釋放但未釋放的鎖增加時間；

第一種方式需要全行大多數情況下業務邏輯的耗時，進行超時時間的設定。

第二種方式，可通過如下守護線程的方式來動態增加鎖超時時間。

public class DaemonThread implements Runnable { 
 private final static Logger logger = LoggerFactory.getLogger(DaemonThread.class); 
 
 // 是否需要守護 主線程關閉則結束守護線程 
 private volatile boolean daemon = true; 
 // 守護鎖 
 private String lockKey; 
 
 private RedisTemplate<Object, Object> redisTemplate; 
 
 public DaemonThread(String lockKey, RedisTemplate<Object, Object> redisTemplate) { 
  this.lockKey = lockKey; 
  this.redisTemplate = redisTemplate; 
 } 
 
 @Override 
 public void run() { 
  try { 
   while (daemon) { 
    long time = redisTemplate.getExpire(lockKey, TimeUnit.MILLISECONDS); 
    // 剩余有效期小于1秒則續命 
    if (time < 1000) { 
     logger.info("守護進程: " + Thread.currentThread().getName() + " 延長鎖時間 5000 毫秒"); 
     redisTemplate.expire(lockKey, 5000, TimeUnit.MILLISECONDS); 
    } 
    TimeUnit.MILLISECONDS.sleep(300); 
   } 
   logger.info(" 守護進程: " + Thread.currentThread().getName() + "關閉 "); 
  } catch (InterruptedException e) { 
   e.printStackTrace(); 
  } 
 } 
 
 // 主線程主動調用結束 
 public void stop() { 
  daemon = false; 
 } 
} 

上述線程每隔300毫秒獲取一下Redis中鎖的超時時間，如果小于1秒，則延長5秒。當主線程調用關閉時，守護線程也隨之關閉。

主線程中相關代碼實現：

private void deamonRedisLock() { 
  //守護線程 
  DaemonThread daemonThread = null; 
  //Spring data redis 支持的原子性操作,并設置5秒過期時間 
  String uuid = UUID.randomUUID().toString(); 
  String value = Thread.currentThread().getId() + ":" + uuid; 
  try { 
   while (!redisTemplate.opsForValue().setIfAbsent(userId + ":syn", value, 5000, TimeUnit.MILLISECONDS)) { 
    // 等待100毫秒重試獲得鎖 
    logger.info(Thread.currentThread().getName() + ":嘗試循環獲取鎖"); 
    TimeUnit.MILLISECONDS.sleep(1000); 
   } 
   logger.info(Thread.currentThread().getName() + ":獲得鎖----"); 
   // 開啟守護線程 
   daemonThread = new DaemonThread(userId + ":syn", redisTemplate); 
   Thread thread = new Thread(daemonThread); 
   thread.start(); 
   // 業務邏輯執行10秒... 
   TimeUnit.MILLISECONDS.sleep(10000); 
  } catch (InterruptedException e) { 
   e.printStackTrace(); 
  } finally { 
   //釋放鎖 這里也需要原子操作,今后通過 Redis + Lua 講 
   String result = (String) redisTemplate.opsForValue().get(userId + ":syn"); 
   if (value.equals(result)) { 
    redisTemplate.delete(userId + ":syn"); 
    logger.info(Thread.currentThread().getName() + ":釋放鎖-----"); 
   } 
   //關閉守護線程 
   if (daemonThread != null) { 
    daemonThread.stop(); 
   } 
  } 
 } 

其中在獲得鎖之后，開啟守護線程，在finally中將守護線程關閉。

基于Lua腳本的實現

在上述邏輯中，我們是基于spring-boot-data-redis提供的原子化操作來保證鎖判斷和執行的原子化的。在非Spring Boot項目中，則可以基于Lua腳本來實現。

首先定義加鎖和解鎖的Lua腳本及對應的DefaultRedisScript對象，在RedisConfig配置類中添加如下實例化代碼：

@Configuration 
public class RedisConfig { 
 
 //lock script 
 private static final String LOCK_SCRIPT = " if redis.call('setnx',KEYS[1],ARGV[1]) == 1 " + 
   " then redis.call('expire',KEYS[1],ARGV[2]) " + 
   " return 1 " + 
   " else return 0 end "; 
 private static final String UNLOCK_SCRIPT = "if redis.call('get', KEYS[1]) == ARGV[1] then return redis.call" + 
   "('del', KEYS[1]) else return 0 end"; 
 
 // ... 省略部分代碼 
  
 @Bean 
 public DefaultRedisScript<Boolean> lockRedisScript() { 
  DefaultRedisScript<Boolean> defaultRedisScript = new DefaultRedisScript<>(); 
  defaultRedisScript.setResultType(Boolean.class); 
  defaultRedisScript.setScriptText(LOCK_SCRIPT); 
  return defaultRedisScript; 
 } 
 
 @Bean 
 public DefaultRedisScript<Long> unlockRedisScript() { 
  DefaultRedisScript<Long> defaultRedisScript = new DefaultRedisScript<>(); 
  defaultRedisScript.setResultType(Long.class); 
  defaultRedisScript.setScriptText(UNLOCK_SCRIPT); 
  return defaultRedisScript; 
 } 
} 

再通過在AccountOperationThread類中新建構造方法，將上述兩個對象傳入類中（省略此部分演示）。然后，就可以基于RedisTemplate來調用了，改造之后的代碼實現如下：

private void deamonRedisLockWithLua() { 
 //守護線程 
 DaemonThread daemonThread = null; 
 //Spring data redis 支持的原子性操作,并設置5秒過期時間 
 String uuid = UUID.randomUUID().toString(); 
 String value = Thread.currentThread().getId() + ":" + uuid; 
 try { 
  while (!redisTemplate.execute(lockRedisScript, Collections.singletonList(userId + ":syn"), value, 5)) { 
   // 等待1000毫秒重試獲得鎖 
   logger.info(Thread.currentThread().getName() + ":嘗試循環獲取鎖"); 
   TimeUnit.MILLISECONDS.sleep(1000); 
  } 
  logger.info(Thread.currentThread().getName() + ":獲得鎖----"); 
  // 開啟守護線程 
  daemonThread = new DaemonThread(userId + ":syn", redisTemplate); 
  Thread thread = new Thread(daemonThread); 
  thread.start(); 
  // 業務邏輯執行10秒... 
  TimeUnit.MILLISECONDS.sleep(10000); 
 } catch (InterruptedException e) { 
  logger.error("異常", e); 
 } finally { 
  //使用Lua腳本：先判斷是否是自己設置的鎖，再執行刪除 
  // key存在,當前值=期望值時,刪除key;key存在,當前值!=期望值時,返回0; 
  Long result = redisTemplate.execute(unlockRedisScript, Collections.singletonList(userId + ":syn"), value); 
  logger.info("redis解鎖:{}", RELEASE_SUCCESS.equals(result)); 
  if (RELEASE_SUCCESS.equals(result)) { 
   if (daemonThread != null) { 
    //關閉守護線程 
    daemonThread.stop(); 
    logger.info(Thread.currentThread().getName() + ":釋放鎖---"); 
   } 
  } 
 } 
} 

其中while循環中加鎖和finally中的釋放鎖都是基于Lua腳本來實現了。

Redis鎖的其他因素

除了上述實例，在使用Redis分布式鎖時，還可以考慮以下情況及方案。

Redis鎖的不可重入

當線程在持有鎖的情況下再次請求加鎖，如果一個鎖支持一個線程多次加鎖，那么這個鎖就是可重入的。如果一個不可重入鎖被再次加鎖，由于該鎖已經被持有，再次加鎖會失敗。Redis可通過對鎖進行重入計數，加鎖時加 1，解鎖時減 1，當計數歸 0時釋放鎖。

可重入鎖雖然高效但會增加代碼的復雜性，這里就不舉例說明了。

等待鎖釋放

有的業務場景，發現被鎖則直接返回。但有的場景下，客戶端需要等待鎖釋放然后去搶鎖。上述示例就屬于后者。針對等待鎖釋放也有兩種方案：

• 客戶端輪訓：當未獲得鎖時，等待一段時間再重新獲取，直到成功。上述示例就是基于這種方式實現的。這種方式的缺點也很明顯，比較耗費服務器資源，當并發量大時會影響服務器的效率。
• 使用Redis的訂閱發布功能：當獲取鎖失敗時，訂閱鎖釋放消息，獲取鎖成功后釋放時，發送釋放消息。

集群中的主備切換和腦裂

在Redis包含主從同步的集群部署方式中，如果主節點掛掉，從節點提升為主節點。如果客戶端A在主節點加鎖成功，指令還未同步到從節點，此時主節點掛掉，從節點升為主節點，新的主節點中沒有鎖的數據。這種情況下，客戶端B就可能加鎖成功，從而出現并發的場景。

當集群發生腦裂時，Redis master節點跟slave 節點和 sentinel 集群處于不同的網絡分區。sentinel集群無法感知到master的存在，會將 slave 節點提升為 master 節點，此時就會存在兩個不同的 master 節點。從而也會導致并發問題的出現。Redis Cluster集群部署方式同理。

小結

通過生產環境中的一個問題，排查原因，尋找解決方案，到最終對基于Redis分布式的深入研究，這便是學習的過程。

同時，每當面試或被問題如何解決分布式共享資源時，我們會脫口而出”基于Redis實現分布式鎖“，但通過本文的學習會發現，Redis分布式鎖并不是萬能的，而且在使用的過程中還需要注意超時、死鎖、誤解鎖、集群選主/腦裂等問題。

Redis以高性能著稱，但在實現分布式鎖的過程中還是存在一些問題。因此，基于Redis的分布式鎖可以極大的緩解并發問題，但要完全防止并發，還是得從數據庫層面入手。