溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“如何理解分布式系統下基于Redis的分布式鎖”，在日常操作中，相信很多人在如何理解分布式系統下基于Redis的分布式鎖問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”如何理解分布式系統下基于Redis的分布式鎖”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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");
}
}
}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。
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。
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。
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。
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。
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。
到此，關于“如何理解分布式系統下基于Redis的分布式鎖”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
