欧美三级不卡,91日韩在线,国产成人免费在线

分布式鎖看了又看，優(yōu)秀方案我來告訴你

分布式鎖的場景

秒殺場景案例

對于商品秒殺的場景，我們需要防止庫存超賣或者重復扣款等并發(fā)問題，我們通常需要使用分布式鎖，來解決共享資源競爭導致數(shù)據(jù)不一致的問題。

以手機秒殺的場景為例子，在搶購的過程中通常我們有三個步驟：

扣掉對應商品的庫存;2. 創(chuàng)建商品的訂單;3. 用戶支付。

對于這樣的場景我們就可以采用分布式鎖的來解決，比如我們在用戶進入秒殺 “下單“ 鏈接的過程中，我們可以對商品庫存進行加鎖，然后完成扣庫存和其他操作，操作完成后。釋放鎖，讓下一個用戶繼續(xù)進入保證庫存的安全性;也可以減少因為秒殺失敗，導致 DB 回滾的次數(shù)。整個流程如下圖所示：

分布式鎖看了又看，優(yōu)秀方案我來告訴你

注：對于鎖的粒度要根據(jù)具體的場景和需求來權衡。

三種分布式鎖

對于 Zookeeper 的分布式鎖實現(xiàn)，主要是利用 Zookeeper 的兩個特征來實現(xiàn)：

Zookeeper 的一個節(jié)點不能被重復創(chuàng)建
Zookeeper 的 Watcher 監(jiān)聽機制

非公平鎖

對于非公平鎖，我們在加鎖的過程如下圖所示。

分布式鎖看了又看，優(yōu)秀方案我來告訴你

優(yōu)點和缺點

其實上面的實現(xiàn)有優(yōu)點也有缺點：

優(yōu)點：

實現(xiàn)比較簡單，有通知機制，能提供較快的響應，有點類似 ReentrantLock 的思想，對于節(jié)點刪除失敗的場景由 Session 超時保證節(jié)點能夠刪除掉。

缺點：

重量級，同時在大量鎖的情況下會有 “驚群” 的問題。

“驚群” 就是在一個節(jié)點刪除的時候，大量對這個節(jié)點的刪除動作有訂閱 Watcher 的線程會進行回調(diào)，這對Zk集群是十分不利的。所以需要避免這種現(xiàn)象的發(fā)生。

解決“驚群”：

為了解決“驚群“問題，我們需要放棄訂閱一個節(jié)點的策略，那么怎么做呢?

我們將鎖抽象成目錄，多個線程在此目錄下創(chuàng)建瞬時的順序節(jié)點，因為 Zookeeper 會為我們保證節(jié)點的順序性，所以可以利用節(jié)點的順序進行鎖的判斷。
首先創(chuàng)建順序節(jié)點，然后獲取當前目錄下最小的節(jié)點，判斷最小節(jié)點是不是當前節(jié)點，如果是那么獲取鎖成功，如果不是那么獲取鎖失敗。
獲取鎖失敗的節(jié)點獲取當前節(jié)點上一個順序節(jié)點，對此節(jié)點注冊監(jiān)聽，當節(jié)點刪除的時候通知當前節(jié)點。
當unlock的時候刪除節(jié)點之后會通知下一個節(jié)點。

公平鎖

基于非公平鎖的缺點，我們可以通過一下的方案來規(guī)避。

分布式鎖看了又看，優(yōu)秀方案我來告訴你

優(yōu)點和缺點

優(yōu)點： 如上借助于臨時順序節(jié)點，可以避免同時多個節(jié)點的并發(fā)競爭鎖，緩解了服務端壓力。

缺點： 對于讀寫場景來說，無法解決一致性的問題，如果讀的時候也去獲取鎖的話，這樣會導致性能下降，對于這樣的問題，我們可以通過讀寫鎖來實現(xiàn)如類似 jdk 中的 ReadWriteLock

讀寫鎖實現(xiàn)

對于讀寫鎖的特點：讀寫鎖在如果多個線程都是在讀的時候，是可以并發(fā)讀的，就是一個無鎖的狀態(tài)，如果有寫鎖正在操作的時候，那么讀鎖需要等待寫鎖。在加寫鎖的時候，由于前面的讀鎖都是并發(fā)，所以需要監(jiān)聽最后一個讀鎖完成后執(zhí)行寫鎖。步驟如下：

read 請求，如果前面是讀鎖，可以直接讀取，不需要監(jiān)聽。如果前面是一個或者多個寫鎖那么只需要監(jiān)聽最后一個寫鎖。
write 請求，只需要對前面的節(jié)點監(jiān)聽。Watcher 機制和互斥鎖一樣。

分布式鎖看了又看，優(yōu)秀方案我來告訴你

分布式鎖實戰(zhàn)

本文源碼中使用環(huán)境：JDK 1.8 、Zookeeper 3.6.x

Curator 組件實現(xiàn)

POM 依賴

<dependency>
<groupId>org.apache.curator</groupId>
<artifactId>curator-framework</artifactId>
<version>2.13.0</version>
</dependency>
<dependency>
<groupId>org.apache.curator</groupId>
<artifactId>curator-recipes</artifactId>
<version>2.13.0</version>
</dependency>

互斥鎖運用

由于 Zookeeper 非公平鎖的 “驚群” 效應，非公平鎖在 Zookeeper 中其實并不是最好的選擇。下面是一個模擬秒殺的例子來使用 Zookeeper 分布式鎖。

public class MutexTest {
static ExecutorService executor = Executors.newFixedThreadPool(8);
static AtomicInteger stock = new AtomicInteger(3);
public static void main(String[] args) throws InterruptedException {
CuratorFramework client = getZkClient();
String key = "/lock/lockId_111/111";
final InterProcessMutex mutex = new InterProcessMutex(client, key);
for (int i = 0; i < 99; i++) {
executor.submit(() -> {
if (stock.get() < 0) {
System.err.println("庫存不足, 直接返回");
return;
}
try {
boolean acquire = mutex.acquire(200, TimeUnit.MILLISECONDS);
if (acquire) {
int s = stock.decrementAndGet();
if (s < 0) {
System.err.println("進入秒殺，庫存不足");
} else {
System.out.println("購買成功, 剩余庫存: " + s);
}
}
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
if (mutex.isAcquiredInThisProcess())
mutex.release();
} catch (Exception e) {
e.printStackTrace();
}
}
});
}
while (true) {
if (executor.isTerminated()) {
executor.shutdown();
System.out.println("秒殺完畢剩余庫存為:" + stock.get());
}
TimeUnit.MILLISECONDS.sleep(100);
}
}
private static CuratorFramework getZkClient() {
String zkServerAddress = "127.0.0.1:2181";
ExponentialBackoffRetry retryPolicy = new ExponentialBackoffRetry(1000, 3, 5000);
CuratorFramework zkClient = CuratorFrameworkFactory.builder()
.connectString(zkServerAddress)
.sessionTimeoutMs(5000)
.connectionTimeoutMs(5000)
.retryPolicy(retryPolicy)
.build();
zkClient.start();
return zkClient;
}
}

讀寫鎖運用

讀寫鎖可以用來保證緩存雙寫的強一致性的，因為讀寫鎖在多線程讀的時候是無鎖的，只有在前面有寫鎖的時候才會等待寫鎖完成后訪問數(shù)據(jù)。

public class ReadWriteLockTest {
static ExecutorService executor = Executors.newFixedThreadPool(8);
static AtomicInteger stock = new AtomicInteger(3);
static InterProcessMutex readLock;
static InterProcessMutex writeLock;
public static void main(String[] args) throws InterruptedException {
CuratorFramework client = getZkClient();
String key = "/lock/lockId_111/1111";
InterProcessReadWriteLock readWriteLock = new InterProcessReadWriteLock(client, key);
readLock = readWriteLock.readLock();
writeLock = readWriteLock.writeLock();
for (int i = 0; i < 16; i++) {
executor.submit(() -> {
try {
boolean read = readLock.acquire(2000, TimeUnit.MILLISECONDS);
if (read) {
int num = stock.get();
System.out.println("讀取庫存，當前庫存為: " + num);
if (num < 0) {
System.err.println("庫存不足, 直接返回");
return;
}
}
} catch (Exception e) {
e.printStackTrace();
}finally {
if (readLock.isAcquiredInThisProcess()) {
try {
readLock.release();
} catch (Exception e) {
e.printStackTrace();
}
}
}
try {
boolean acquire = writeLock.acquire(2000, TimeUnit.MILLISECONDS);
if (acquire) {
int s = stock.get();
if (s <= 0) {
System.err.println("進入秒殺，庫存不足");
} else {
s = stock.decrementAndGet();
System.out.println("購買成功, 剩余庫存: " + s);
}
}
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
if (writeLock.isAcquiredInThisProcess())
writeLock.release();
} catch (Exception e) {
e.printStackTrace();
}
}
});
}
while (true) {
if (executor.isTerminated()) {
executor.shutdown();
System.out.println("秒殺完畢剩余庫存為:" + stock.get());
}
TimeUnit.MILLISECONDS.sleep(100);
}
}
private static CuratorFramework getZkClient() {
String zkServerAddress = "127.0.0.1:2181";
ExponentialBackoffRetry retryPolicy = new ExponentialBackoffRetry(1000, 3, 5000);
CuratorFramework zkClient = CuratorFrameworkFactory.builder()
.connectString(zkServerAddress)
.sessionTimeoutMs(5000)
.connectionTimeoutMs(5000)
.retryPolicy(retryPolicy)
.build();
zkClient.start();
return zkClient;
}
}

打印結果如下，一開始會有 8 個輸出結果為讀取庫存，當前庫存為: 3 然后在寫鎖中回去順序的扣減少庫存。

讀取庫存，當前庫存為: 3
讀取庫存，當前庫存為: 3
讀取庫存，當前庫存為: 3
讀取庫存，當前庫存為: 3
讀取庫存，當前庫存為: 3
讀取庫存，當前庫存為: 3
讀取庫存，當前庫存為: 3
讀取庫存，當前庫存為: 3
購買成功, 剩余庫存: 2
購買成功, 剩余庫存: 1
購買成功, 剩余庫存: 0
進入秒殺，庫存不足
進入秒殺，庫存不足
進入秒殺，庫存不足
進入秒殺，庫存不足
進入秒殺，庫存不足
讀取庫存，當前庫存為: 0
讀取庫存，當前庫存為: 0
讀取庫存，當前庫存為: 0
讀取庫存，當前庫存為: 0
讀取庫存，當前庫存為: 0
讀取庫存，當前庫存為: 0
讀取庫存，當前庫存為: 0
讀取庫存，當前庫存為: 0
進入秒殺，庫存不足
進入秒殺，庫存不足
進入秒殺，庫存不足
進入秒殺，庫存不足
進入秒殺，庫存不足
進入秒殺，庫存不足
進入秒殺，庫存不足
進入秒殺，庫存不足

分布式鎖的選擇

咱們最常用的就是 Redis 的分布式鎖和 Zookeeper 的分布式鎖，在性能方面 Redis 的每秒鐘 TPS 可以上輕松上萬。在大規(guī)模的高并發(fā)場景我推薦使用 Redis 分布式鎖來作為推薦的技術方案。如果對并發(fā)要求不是特別高的場景可以使用 Zookeeper 分布式來處理。

參考資料

https://www.cnblogs.com/leeego-123/p/12162220.html

http://curator.apache.org/

https://blog.csdn.net/hosaos/article/details/89521537

原文地址：https://mp.weixin.qq.com/s/k1HR_2rUWUe-ARN7KzhlYg