聊聊 Redis 分布式锁的正确实现

摘要：在昨天队友代码的过程中，发现了我们组分布式锁的写法似乎有点问题，实现代码如下加锁部分解锁部分主要原理是使用了的去插入一组，其中要上锁的标识在项目中是锁死用户，如果上锁失败则返回。

最近在参加学校安排的实训任务，我们小组需完成一套分布式&微服务跨境电商，虽然这题目看起来有点老套，并且队友多是 Java 技术栈，所以我光荣（被迫）
的成为了一名前端，并顺路使用 PHP 的 Swoole 帮助负责服务器端的同学编写了几个微服务模块。在小组成员之间的协作中，还是出现了不少有趣的火花。

在昨天 review 队友代码的过程中，发现了我们组分布式锁的写法似乎有点问题，实现代码如下：

加锁部分

解锁部分

主要原理是使用了 redis 的 setnx 去插入一组 key-value，其中 key 要上锁的标识（在项目中是锁死用户 userId），如果上锁失败则返回 false。但是根据二段锁的思路，仔细思考会存在这么一个有趣的现象：

假设微服务 A 的某个请求对 userId = 7 的用户上锁，则微服务 A 的这个请求可以读取这个用户的信息，且可以修改其内容 ；其他模块只能读取这个用户的信息，无法修改其内容。
假设微服务 A 的当前请求对 userId = 7 的用户解锁，则所有模块可以读取这个用户的信息，且可以修改其内容
如此一来：

若微服务模块 A 接收到另一个需要修改 userId = 7 的用户 的请求时，假设这个用户还在被锁状态下，这次请求可以修改它吗？（可以，解个锁就行）

若微服务模块 B 接收到另一个需要修改 userId = 7 的用户 的请求时，假设这个用户还在被锁状态下，这次请求可以修改它吗？（可以，解个锁就行）

若微服务模块 A 执行上锁的请求中途意外崩掉，其他用户还能修改信息吗？ （可以，解个锁就行）

很明显，这三点并不是我们所希望的。那么如何实现分布式锁才是最佳实践呐？

由某个模块的某次请求上锁，并且只有由这个模块的这次请求解锁（互斥，只能有一个微服务的某次请求持有锁）

若上锁模块的上锁请求超时执行，则应自动解锁，并还原其所做修改（容错，就算 一个持有锁的微服务宕机也不影响最终其他模块的上锁 ）

我们应该怎么做
综上所述，我们小组的分布式锁在实现模块互斥的情况下，忽略的一个重要问题便是“请求互斥”。我们只需要在加锁时，key-value 的值保存为当前请求的 requestId ，解锁时加多一次判断，是否为同一请求即可。

那么这么修改之后，我们可以高枕无忧了吗?

是的，够用了。因为我们开发环境 Redis 是统一用一台服务器上的单例，采用上述方式实现的分布式锁并没有什么问题，但在准备部署到生产环境下时，突然意识到一个问题：如果实现主从读写分离，redis 多机主从同步数据时，采用的是异步复制，也便是一个“写”操作到我们的 reids 主库之后，便马上返回成功（并不会等到同步到从库后再返回，如果这种是同步完成后再返回便是同步复制），这将会造成一个问题：

假设我们的模块 A中 id=1 的请求上锁成功后，没同步到从库前主库被我们玩坏了（宕机），则 redis 哨兵将会从从库中选择出一台新的主库，此时若模块 A 中 id=2 的请求重新请求加锁，将会是成功的。

技不如人，我们只能借助搜索引擎划水了（大雾），发现这种情况还真的有通用的解决方案：redlock。

首先 redlock 是 redis 官方文档推荐的实现方式，本身并没有用到主从层面的架构，采用的是多态主库，依次去取锁的方式。假设这里有 5 台主库，整体流程大致如下：

加锁

应用层请求加锁

依次向 5 台 redis 服务器发送请求

若有超过半数的服务器返回加锁成功，则完成加锁，如果没有则自动执行解锁，并等待一段随机时间后重试。（客观原因加锁失败：网络情况不好、服务器未响应等问题， 等待一段随机时间后重试可以避开“蜂拥而进”的情况造成服务器资源占用瞬时猛增 ）

如有其中任意一台服务器已经持有该锁，则加锁失败， 等待一段随机时间后重试。 （主观原因加锁失败：已经被被别人锁上了）

解锁

直接向 5 台服务器发起请求即可，无论这台服务器上是不是已经有锁。
整体思路很简单，但是实现起来仍有许多值得注意的地方。在向这 5 台服务器发送加锁请求时，由于会带上一个过期时间以保证上文所提到的“自动解锁(容错性) ”，考虑到延时等原因，这 5 台机自动解锁的时间不完全相同，因此存在一个加锁时间差的问题，一般而言是这么解决的：

在加锁之前，必须在应用层（或者把分布式锁多带带封装成一个全局通用的微服务亦可）2. 记录请求加锁的时间戳 T1

完成最后一台 redis 主库加锁后，记录时间戳 T2

则加锁所需时间为 T1 – T2

假设资源自动解锁的时间为 10 秒后，则资源真正可利用的时间为 10 – T1 + T2。若

可利用时间不符合预期，或者为负数，你懂的，重新来一遍吧。
如果你对锁的过期时间有着更加严格的把控，可以把 T1 到第一台服务器加锁成功的时间多带带记录，再在最后的可用时间上加上这段时间即可得到一个更加准确的值
现在考虑另一个问题，如果恰好某次请求的锁保存在了三台服务器上，其中这三台都宕机了（怎么这么倒霉.. TAT），那此时另一个请求又来请求加锁，岂不又回到最初我们小组所面临的问题了？很遗憾的说，是的，在这种问题上官方文档给出的答案是：启用AOF持久化功能情况会得到好转