千万级流量并发解决方案

当程序在高并发的情况下，对共享资源进行读写操作，如果不进行并发控制，就必然会带来数据不一致的线程安全性问题。

针对这种高并发的情况，就需要引入锁的机制来保证数据的安全性。

那么什么情况下需要用到锁：

1、多任务环境中

2、任务需要对同一共享资源进行读写操作

3、对资源的访问是互斥的

我举个经典栗子：

车站卖票，一共100张票（共享资源），4个窗口进行卖票（多任务），假设分别叫abcd窗口，a窗口卖了座位号1的票后，就不能在有座位号1的票被卖了（互斥）。

这种情况下，若不使用锁进行并发控制，那么a卖的座位号1的票不能及时通知到abc，就必然会产生一票多卖的问题，也就是我们所说的并发问题。

代码模拟这种卖票行为：

然后我们开始卖票：

看下运行结果：

从程序的运行结果，我们不难看出，出现了一票多卖的情况，第95张票被卖了2次。针对这种情况最简单的方式就是使用synchronized，

除此除此之外jdk还为我们提供了一把很好用的锁：Lock。ReentrantLock类实现了Lock接口，我们可以直接拿来用：

看上去好像比synchronized关键字用起来复杂了，不但要加锁，还要解锁，如果忘记解锁还会出现死锁的情况，Synchronized虽然使用简单，只需要对自己的方法或者关注的同步对象或类使用synchronized关键字即可，但是对于锁的粒度控制比较粗，同时对于实现一些锁的状态的转移比较困难，而lock更加灵活。

看下lock接口的方法：

Lock：阻塞式加锁，（不加成功就一直加，知道加锁成功为止）

lockInterruptibly：可被中断的阻塞式加锁

trylock：尝试加一次锁

tryLock(long time, TimeUnit unit)：在指定的时长中尝试加锁

unlock：解锁

newCondition：根据一些条件进行加锁

总结下lock和synchronized的区别：

1.lock是jdk 1.5后新增的

2.synchronized是修饰整个方法，整个代码块。lock可以在任何地方调用lock方法，再在想要结束的地方调用unlock()方法

3.synchronized是java的底层关键字，是在JVM层面上实现，在代码执行异常时，jvm可以自动释放锁定。lock是java类，是通过代码实现来处理异常，所以在finanlly里面一定要调用unlock释放锁。

4.使用synchronized关键字，如果一个线程不释放锁，另一个会一致等待下去。使用lock,如果一个线程不释放锁，在等待很长时间后，可以中断等待去做其他事情。

局限性：

以上synchronized，和lock方法也有其局限性：这2种锁机制只能在进程中的多线程间有效，无法解决分布式环境的多进程间的资源问题。

引入分布式锁：

为了解决以上问题，在高并发的多进程的情况下我们就需要引入分布式锁。目前分布式锁的实现方式主要有3种：

一、利用数据库自身提供的锁机制来实现分布式锁

实现思路：现在的数据库基本都支持行级锁，基于行级锁，我们可以在数据库中建一个锁的表，只有一个id字段，设置主键，那么当需要加锁时，我们只需要向这张表里插入一条id=1的数据即可，其他进程在想加锁，也就是插入id=1是加不了的，这是加锁，解锁只要delete这条id=1的数据即可。利用数据库自身提供的锁机制来实现分布式锁

分析一下数据库实现分布式锁的优缺点：优点很明显：实现简单,稳定可靠，应为是用数据库的行级锁来变相的帮助我们实现分布式锁的，可就是说只要数据库的行级锁没问题，我们的分布式锁就没问题。缺点：1性能差，由于依靠数据库实现，那么其性能也受限于数据库的读写能力，在高并发场景下显然不适用2易出现死锁，一旦加锁成功后没有进行解锁操作或者这个应用挂了，那么在数据库中永远都有一条id=1的记录，其他所有进程都无法进行加锁操作，即出现死锁。

二、利用redis实现分布式锁方案

实现思路：

redis的特性：

由于redis本身就是单进程单线程的，所以即使在高并发场景下也不会存在竞争关系。

redis中的数据设置生存时间后，当key过期时会被自动删除。

setnx key value，当key不存在时将key的值设置为value。

基于以上redis特性，当我们需要加锁：使用setnx向特定的key写入一个随机值，并同时设置失效时间（避免死锁），写值成功即加锁成功，其他进程或线程在进行加锁操作显然就会失败。

以上加锁操作有3点我们需要关注：

写入随机值时要设置失效时间，这样可以有效避免死锁问题，到期自动解锁；

加锁时每个产生一个随机字符串，当解锁时为了避免锁误删，需要对这个随机值和写入redis的值进行比对，如果一致就认为是原加锁线程来进行了解锁，可以执行解锁操作，如果不一致，就拒绝解锁；

写入随机值与设置失效时间必须是同时的（保证加锁是原子的）

解锁：解锁实际需要执行3个逻辑：

1、获取数据

2、判断是否一致

3、删除数据。

这里我们使用lua脚本进行这3步操作，如不使用lua脚本执行解锁操作，则无法保证操作的原子性，lua脚本实现解锁脚本(保证操作原子性，下面3个步骤要么全部执行，要么全部不执行，不存在执行部分的情况)：

If redis.call(“get”,keys[1])==argv[1] then

Return redis.call(“del”,keys[1])

Else

Return 0

End

同样，分析一下优缺点：优点也很明细：基于redis的实现方式，同样继承了redis的高性能的优点；缺点：1相对比数据库实现，redis的实现相对复杂2key有效期的设置需要基于个人经验，有出现死锁的可能性3无法优雅的实现阻塞

三、利用zookeeper实现分布式锁方案

实现思路：

Zookeeper特性：

1、Zookeeper会在内存中维护一个具有层次结构的数据结构，类似于文件系统

2、数据结构中的每个节点都可以存数据，还有各种属性信息；数据节点类型有：持久节点、持久顺序节点、临时节点、临时顺序节点，临时顺序节点是实现分布式锁的基础

3、事件监听器watcher：客户端可以在节点注册watcher，当节点发生特定的变化，服务器会将事件通知到客户端

利用以上zk特性，我们先在zk上维护一个lock的持久节点，任何业务需要加锁就在zk的lock节点下维护一个临时顺序节点，临时顺序节点是有序的，并且一旦链接断开临时节点就会自动删除，（这样就保证了不会死锁），当创建完成临时顺序节点后我们获取当前节点的序号值L，然后获取lock节点的所有子节点，比较当前节点的L值是否是所有节点中最小的，如果是最小的就获得锁，如果不是最小的，就向当前节点的前一个节点添加监听器，那么一旦前一个节点被删除，就会重新走一下上面的判断是否最小节点流程流程，直到获取锁。

同样分析一下优缺点：优点：zookeeper和redis一样，数据保存在内存中，这就意味着它同redis一样有高吞吐量和低延迟的性能优势；能避免出现死锁（基于临时节点的特性，一旦客户端挂掉，临时节点即删除，也就是解锁了）能优雅的实现阻塞式锁（基于zk的watcher机制，前2种方法都无法实现阻塞式锁）；缺点：缺点很明显，实现方式较复杂

以上介绍了分布式锁的3种实现方式的实现思路，具体的实现代码太占篇幅就不贴上来了