当前位置:

首页 > 系统应用 > redis分布式锁,setnx+lua脚本的java实现|京东物流技术团队

redis分布式锁,setnx+lua脚本的java实现|京东物流技术团队

1 前言 在现在工作中,为保障服务的高可用,应对单点故障、负载量过大等单机部署带来的问题,生产环境常用多机部署。为解决多机房部署导致的数据不一致问题,我们常会选择用分布式锁。目前其他比较常见的实现方案我列举在下面:基于缓存实现分布式锁(本文主要使用redis实现)基于数据库实现分布式锁基于zooke

本文目录
    1 前言

    在现在工作中,为保障服务的高可用,应对单点故障、负载量过大等单机部署带来的问题,生产环境常用多机部署。为解决多机房部署导致的数据不一致问题,我们常会选择用分布式锁。

    目前其他比较常见的实现方案我列举在下面:

    1. 基于缓存实现分布式锁(本文主要使用redis实现)
    2. 基于数据库实现分布式锁
    3. 基于zookeeper实现分布式锁

    本文是基于redis缓存实现分布式锁,其中使用了setnx命令加锁,expire命令设置过期时间并lua脚本保证事务一致性。Ja va实现部分基于JIMDB提供的接口。JIMDB是京东自主研发的基于Redis的分布式缓存与高速键值存储服务。

    2 SETNX

    基本语法:SETNX KEY VALUE

    SETNX 是表示 SET ifNot eXists, 即命令在指定的 key 不存在时,为 key 设置指定的值。

    KEY 是表示待设置的key名

    VALUE是设置key的对应值

    若设置成功,则返回1;若设置失败(key存在),则返回0。

    由此,我们会选择用SETNX来进行分布式锁的实现,当Key存在时,会返回加锁失败的信息。

    SET 与 SETNX 区别:

    SET 如果key已经存在,则会覆盖原值,且无视类型

    SETNX 如果key已经存在,则会返回0,表示设置key失败

    

    Redis 2.6.12版本前后对比:

    2.6.12版本前:分布式锁并不能只用SETNX实现,需要搭配EXPIRE命令设置过期时间,否则,key将永远有效。其中,为保证SETNX和EXPIRE在同一个事务里,我们需要借助LUA脚本来完成事务实现。(由于在写这篇文章时,JIMDB还未支持SET key value [EX seconds|PX milliseconds] [NX|XX] [KEEPTTL]语法,故本文依然用lua事务)

    2.6.12版本后:SET key value [EX seconds|PX milliseconds] [NX|XX] [KEEPTTL] 语法糖可用于分布式锁并支持原子操作,无需EXPIRE命令设置过期时间。

    3 LUA脚本

    什么是LUA脚本?

    Lua是一种轻量小巧的脚本语言,用标准C语言编写并以源代码形式开放,其设计目的是为了嵌入应用程序种,从而为程序提供灵活的扩展和定制功能。

    为什么需要用到LUA脚本?

    本文的锁实现是基于两个Redis命令 - SETNX 和 EXPIRE。 为保证命令的原子性,我们将这两个命令写入LUA脚本,并上传至Redis服务器。Redis服务器会单线程执行LUA脚本,以确保两个命令在执行期间不被其他请求打断。

    LUA脚本的优势

    • 减少网络开销。若干命令的多次请求,可组合成一个脚本进行一次请求
    • 高复用性。脚本编辑一次后,相同代码逻辑可多处使用,只需将不同的参数传入即可。
    • 原子性。若期望多个命令执行期间不被其他请求打断,或出现竞争状态,可以用LUA脚本实现,同时保证了事务的一致性。

    分布式锁LUA脚本的实现

    假设在同一时刻只能创建一个订单,我们可以将orderId作为key值,uuid作为value值。过期时间设置为3秒。

    LUA脚本如下,通过Redis的eval/evalsha命令实现:

    -- lua加锁脚本
    -- KEYS[1],ARGV[1],ARGV[2]分别对应了orderId,uuid,3
    -- 如果setnx成功,则继续expire命令逻辑
    if redis.call('setnx',KEYS[1],ARGV[1]) == 1
    then
    -- 则给同一个key设置过期时间
    redis.call('expire',KEYS[1],ARGV[2])
    return 1
    else
    -- 如果setnx失败,则返回0
    return 0
    end
    -- lua解锁脚本
    -- KEYS[1],ARGV[1]分别对应了orderId,uuid
    -- 若无法获取orderId缓存,则认为已经解锁
    if redis.call('get',KEYS[1]) == false
    then
    return 1
    -- 若获取到orderId,并value值对应了uuid,则执行删除命令
    elseif redis.call('get',KEYS[1]) == ARGV[1]
    then
    -- 删除缓存中的key
    return redis.call('del',KEYS[1])
    else
    -- 若获取到orderId,且value值与存入时不一致,则返回特殊值,方便进行后续逻辑
    return 2
    end

    【注】根据Redis的版本,在LUA脚本中,当使用redis.call('get',key)判定缓存key不存在时,需要注意对比值为布尔类型的false,还是null。

    根据 官方文档 :Lua Boolean -> RESP3 Boolean reply (note that this is a change compared to the RESP2, in which returning a Boolean Lua true returned the number 1 to the Redis client, and returning a false used to return a null .

    在RESP3中,redis cli返回的是空值时,lua会用布尔类型false来代替。

    RESP3简介

    RESP3是Redis6的新特性,是RESP v2的新版本。该协议用于客户端和服务器之间的请求响应通信。由于该协议可以不对称的使用,即客户端发送一个简单的请求,服务器可以将更复杂的并扩充后的相关信息返回到客户端。升级后的协议,引入了13种数据类型,使之更适用于数据库的交互场景。

    4 基于JIMDB的Ja va分布式锁实现

    调用类实现代码

    SoRedisLock soJimLock = null;
    try{
    soJimLock = new SoRedisLock("orderId", jimClient);
    if (!soJimLock.lock(3)) {
    log.error("订单创建加锁失败");
    throw new BPLException("订单创建加锁失败");
    }
    } catch(Exception e) {
    throw e;
    } finally {
    if (null != soJimLock) {
    soJimLock.unlock();
    }
    }

    分布式锁实现类代码

    public class SoRedisLock{

    /** 加锁标志 */
    public static final String LOCKED = "TRUE";
    /** 锁的关键词 */
    private String key;
    private Cluster jimClient;

    /**
    * lock的构造函数
    *
    * @param key
    * key+"_lock" (key使用唯一的业务单号)
    * @param
    *
    */
    public SoRedisLock(String key, Cluster jimClient)
    {
    this.key = key + "_LOCK";
    this.jimClient = jimClient;
    }

    /**
    * 加锁
    *
    * @param expire
    * 锁的持续时间(秒),过期删除
    * @return 成功或失败标志
    */
    public boolean lock(int expire)
    {
    try
    {
    log.info("分布式事务加锁,key:{}", this.key);
    String lua_scripts = "if redis.call('setnx',KEYS[1],ARGV[1]) == 1 then " +
    "redis.call('expire',KEYS[1],ARGV[2]) return 1 else return 0 end";
    String sha = jimClient.scriptLoad(lua_scripts);
    List keys = new ArrayList<>();
    List values = new ArrayList<>();
    keys.add(this.key);
    values.add(LOCKED);
    values.add(String.valueOf(expire));
    this.locked = jimClient.evalsha(sha, keys, values, false).equals(1L);
    return this.locked;
    } catch (Exception e){
    throw new RuntimeException("Locking error", e);
    }
    }

    /**
    * 解锁 无论是否加锁成功,都需要调用unlock 建议放在finally 方法块中
    */
    public void unlock()
    {
    if (this.jimClient == null || !this.locked) {
    return ;
    }
    try {
    String luaScript = "if redis.call('get',KEYS[1]) == false then return 1 " +
    "elseif redis.call('get',KEYS[1]) == ARGV[1] then " +
    "return redis.call('del',KEYS[1]) else return 2 end";
    String sha = jimClient.scriptLoad(luaScript);
    if(!jimClient.evalsha(sha, Collections.singletonList(this.key), Collections.singletonList(LOCKED), false).equals(1L)){
    throw new RuntimeException("解锁失败,key:"+this.key);
    }
    } catch (Exception e) {
    log.error("unLocking error, key:{}", this.key, e);
    throw new RuntimeException("unLocking error, key:"+this.key);
    }
    }
    }

    在这儿,我们仅以key-value进行加锁操作,其中的value并无实际意义。所以,本文给key对应的value设定了一个固定值。Jimdb提供了上传脚本的API,我们借助scriptLoad()方法将lua脚本上传至redis服务器,再利用evalsha()方法执行脚本。evalsha()的返回值,就是脚本中设置的return的返回值。

    我们通过list将参数传入脚本中,并对应脚本中的标记位。例如上方的代码中:

    “orderId_LOCK”对应了脚本中的KEYS[1]

    “TRUE”对应了脚本中的ARGV[1]

    “3”对应了脚本中的ARGV[2]

    【注】要是一个脚本里有多个key,就得保证redis里的hashtag是启用的,不然分片可能会让key不在同一个分片里,从而出现“Only support single key or use same hashTag”异常。不过,启用hashtag得小心,不然分片不均匀会导致流量集中,让服务器压力过大。

    实际使用中的日志截图

    

    5 总结

    通过上述介绍我们了解到如何保证Redis多个命令的原子性。当然,Redis事务一致性,也可以选择Redis的事务(Transaction)操作来实现。Jimdb也有API支持事务的multi,discard,exec,watch和unwatch命令。本文之所以选择使用LUA脚本来进行实现,主要是考虑到目前Jimdb在执行事务时,流量只会打到主实例,多实例的负载均衡会失效。更多的可行方案等待大家的探索,我们下个文档见。

    6 参考资料

    Redis分布式锁: https://www.cnblogs.com/niceyoo/p/13711149.html

    Redis中使用Lua脚本:https://zhuanlan.zhihu.com/p/77484377

    Redis Eval命令: https://www.redis.net.cn/order/3643.html

    LUA API: https://redis.io/docs/interact/programmability/lua-api/

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    系统应用
    相关文章 更多
    图解分布式之:最终一致性,一致只会迟到,但绝不缺席
    图解分布式之:最终一致性,一致只会迟到,但绝不缺席

    这篇文章我们继续聊分布式相关的内容。提到分布式系统,就一定绕不开“一致性”,这次我们说说:最终一致性。最终一致性是现在大部分高可用的分布式系统的核心思路。估计有人对最终一致性不太熟,先来个简单介绍:最终一致性指的是系统中的所有分散在不同节点的数据,经过一定时间后,最终能够达到符合业务定义的一致的状态

    DTCC2020|阿里云李飞飞:云原生分布式数据库与数据仓库系统点亮数据上云之路
    DTCC2020|阿里云李飞飞:云原生分布式数据库与数据仓库系统点亮数据上云之路

    云计算时代,云原生分布式数据库和数据仓库开始崛起,提供弹性扩展、高可用、分布式等特性。数据库将面临怎样的变革?云原生数据库与数据仓库有哪些独特优势?在日前的DTCC 2020大会上,阿里巴巴集团副总裁、阿里云数据库产品事业部总裁、ACM杰出科学家李飞飞就《云原生分布式数据库与数据仓库系统点亮数据上云

    可以跑数据库的分布式文件系统FastCFS
    可以跑数据库的分布式文件系统FastCFS

    FastCFS 是一款基于块存储的通用分布式文件系统,可以作为MySQL、PostgresSQL、Oracle等数据库和云平台的后端存储。 FastDFS已经很受欢迎了,为何还要研发FastCFS呢?FastDFS是轻量级的对象存储,只能通过专有API访问,专为互联网应用设计,适合存放图片、视频、文

    分布式链路追踪Jaeger+微服务Pig在Rainbond上的实践分享
    分布式链路追踪Jaeger+微服务Pig在Rainbond上的实践分享

    随着微服务架构的流行,客户端发起的一次请求可能需要涉及到多个或 N 个服务,致使我们对服务之间的监控和排查变得更加复杂。举个例子:某条业务线的某个接口调用服务端时快时慢,这时就需要排查各个服务的日志进行分析,调动各个服务的开发人员联动排查,这种排查费时又费力。对于 ToB 的业务有时候还拿不到日志,

    微服务架构Day21-SpringCloud之分布式配置中心
    微服务架构Day21-SpringCloud之分布式配置中心

    SpringCloud ConfigSpringCloud整合了微服务中的整体解决方案:分布式配置中心,分布式锁,分布式任务调度平台,分布式事务,分布式日志收集产生背景:在微服务场景下,若继续采用传统方式管理配置文件,配置文件管理器将变得极为复杂。而且在生产环境中,一旦配置文件发生改变,就需要重新配

    如何排查 Hadoop 分布式文件系统权限问题
    如何排查 Hadoop 分布式文件系统权限问题

    简介 Hadoop作为被广泛运用的大数据框架,依靠Hadoop分布式文件系统(HDFS)来存储和管理海量数据。但有时会出现HDFS权限问题,影响数据的访问和处理。本教程将带你了解识别和解决HDFS权限问题的流程,助你维护一个强健且安全的Hadoop生态系统。 HDFS 权限概述 HDFS(Hadoo

    ionet 25.3 发布,纳秒级延迟的分布式 java netty 轻量级网络通信框架
    ionet 25.3 发布,纳秒级延迟的分布式 java netty 轻量级网络通信框架

    ionet25.3版本发布,基于Aeron构建,实现纳秒级延迟与真零拷贝,无需第三方中间件即可搭建分布式服务器。框架轻量级,15MB启动,支持游戏、物联网、高频交易等场景。采用对外服与逻辑服架构,动态扩缩,类MVC编码,自动生成多前端交互代码。

    【AdvisKV】#01: 关于我从零写一个 C++ 分布式 KV 存储系统原型
    【AdvisKV】#01: 关于我从零写一个 C++ 分布式 KV 存储系统原型

    日期: 2026.7.6 写在开头的开头 AdvisKV 是我用 C++17 从零写的一个分布式 KV 存储系统原型,包含 Meta、SDM、Storage、SDK 四个主要模块,覆盖建库建表、路由查询、KV 读写、副本数扩缩容、坏副本替换、Raft、WAL/snapshot 恢复,跑了gtest

    如何利用 Redis 的 Lua 脚本配合 Java 业务逻辑实现强一致性的分布式限流
    如何利用 Redis 的 Lua 脚本配合 Java 业务逻辑实现强一致性的分布式限流

    Redis配合Lua脚本通过原子性执行实现分布式限流的强一致性,Java仅负责安全调用,不可参与状态判断。生产环境推荐EVALSHA并提前预热脚本。令牌桶限流时,客户端传入时间戳等参数。Java层需正确配置序列化、返回值类型和连接池,否则易破坏一致性。

    Java 中 ReentrantLock 在分布式锁设计中的实现局限
    Java 中 ReentrantLock 在分布式锁设计中的实现局限

    先得明确一点:ReentrantLock 本质上只活在单个 JVM 进程内部,它天生不具备跨进程、跨机器的协调能力。所以,用它来实现分布式锁,从一开始就走错了方向。 那么,它到底卡在哪里? 无法跨越 JVM 边界 ReentrantLock 基于 AQS(AbstractQueuedSynchron

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。