分布式锁系列--04关于分布式锁的选型分析02-Redlock的实现原理

上一文分布式锁系列–03关于分布式锁的选型分析01中，我们看到了单节点的redis分布式锁在failover时产生了无法解决的安全问题，因此，Redis的作者antirez提出了一种新的基于redis的分布式锁的算法Redlock，它基于N个完全独立的Redis节点（通常情况下N可以设置成5）。

1.Redlock获取锁

Redlock获取锁的原理如下：

1.获取当前时间（毫秒数）： t1。

2.按顺序依次向N个Redis节点执行获取锁的操作。这个获取操作跟前面基于单Redis节点的获取锁的过程相同，包含随机字符串my_random_value，也包含过期时间(比如PX 30000，即锁的有效时间 ：T1)。为了保证在某个Redis节点不可用的时候算法能够继续运行，这个获取锁的操作还有一个超时时间(time out)，它要远小于锁的有效时间（几十毫秒量级）。客户端在向某个Redis节点获取锁失败以后，应该立即尝试下一个Redis节点。这里的失败，应该包含任何类型的失败，比如该Redis节点不可用，或者该Redis节点上的锁已经被其它客户端持有（注：Redlock原文中这里只提到了Redis节点不可用的情况，但也应该包含其它的失败情况）。

3.计算整个获取锁的过程总共消耗了多长时间，计算方法是用当前时间：t2，减去第1步记录的时间:t1（即：t = t2 - t1）。如果客户端从大多数Redis节点（>= N/2+1）成功获取到了锁，并且获取锁总共消耗的时间没有超过锁的有效时间(lock validity time)(即：t < T1 )，那么这时客户端才认为最终获取锁成功；否则，认为最终获取锁失败。

4.如果最终获取锁成功了，那么这个锁的有效时间应该重新计算，它等于最初的锁的有效时间减去第3步计算出来的获取锁消耗的时间。即：T = T1 - t.

5.如果最终获取锁失败了（可能由于获取到锁的Redis节点个数少于N/2+1，或者整个获取锁的过程消耗的时间超过了锁的最初有效时间），那么客户端应该立即向所有Redis节点发起释放锁的操作（即前面介绍的Redis Lua脚本）。

这就是Redlock获取锁的过程。

2.释放锁

客户端向所有Redis节点发起释放锁的操作，不管这些节点当时在获取锁的时候成功与否。

在理论上，N各redis节点中的大多数节点可以正常工作时，就能保证Redlock正常工作，因为，我们前文讨论的单节点redis分布式锁在failover时锁失效的问题，就得到了避免。

3.问题

但是，此时，如果某个节点挂掉重启，会怎样呢?考虑下面的场景：

假设一共有5个Redis节点：A, B, C, D,E。设想发生了如下的事件序列：

1.客户端1成功锁住了A, B, C，获取锁成功（但D和E没有锁住）。

2.节点C崩溃重启了，但客户端1在C上加的锁没有持久化下来，丢失了。

3.节点C重启后，客户端2锁住了C, D, E，获取锁成功。

这样，客户端1和客户端2同时获得了锁（针对同一资源）。这个问题，和redsi的持久化有关。

4.延迟重启

在默认情况下，Redis的AOF持久化方式是每秒写一次磁盘（即执行fsync），因此最坏情况下可能丢失1秒的数据。为了尽可能不丢数据，Redis允许设置成每次修改数据都进行fsync，但这会降低性能。当然，即使执行了fsync也仍然有可能丢失数据（这取决于系统而不是Redis的实现）。所以，上面分析的由于节点重启引发的锁失效问题，总是有可能出现的。

为了应对这一问题，antirez又提出了延迟重启(delayed restarts)的概念。也就是说，一个节点崩溃后，先不立即重启它，而是等待一段时间再重启，这段时间应该大于锁的有效时间(lock validity time)。这样的话，这个节点在重启前所参与的锁都会过期，它在重启后就不会对现有的锁造成影响。

5.释放锁详解

在前文，我们说到，释放锁时：客户端向所有Redis节点发起释放锁的操作，不管这些节点当时在获取锁的时候成功与否。也就是说，即使当时向某个节点获取锁没有成功，在释放锁的时候也不应该漏掉这个节点。这是为什么呢？

设想这样一种情况，客户端发给某个Redis节点的获取锁的请求成功到达了该Redis节点，这个节点也成功执行了SET操作，但是它返回给客户端的响应包却丢失了。这在客户端看来，获取锁的请求由于超时而失败了，但在Redis这边看来，加锁已经成功了。因此，释放锁的时候，客户端也应该对当时获取锁失败的那些Redis节点同样发起请求。实际上，这种情况在异步通信模型中是有可能发生的：客户端向服务器通信是正常的，但反方向却是有问题的。

至此，我们看似解决了上一篇文章分布式锁系列–03关于分布式锁的选型分析中提到的第一个问题：由于redis的failover引起的安全问题。