因Redis分布式锁造成的S1级重大事故，整个团队都没年终奖了。。。

• 前言
• 1. 非原子操作（setnx + expire）
• 2. 被别的客户端请求覆盖（ setnx + value为过期时间）
• 3. 忘记设置过期时间
• 4. 业务处理完，忘记释放锁
• 5. B的锁被A给释放了
• 6. 释放锁时，不是原子性
• 7. 锁过期释放，业务没执行完
• 8. Redis分布式锁和@transactional一起使用失效
• 9. 锁可重入
• 10. Redis主从复制导致的坑

前言

日常开发中，经常会碰到秒杀抢购等业务。为了避免并发请求造成的库存超卖 等问题，我们一般会用到Redis分布式锁。但是使用Redis分布式锁，很容易踩坑哦~ 本文田螺哥将给大家分析阐述，Redis分布式锁的10个坑~

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

• 项目地址：https://github.com/YunaiV/ruoyi-vue-pro
• 视频教程：https://doc.iocoder.cn/video/

1. 非原子操作（setnx + expire）

一说到实现Redis的分布式锁，很多小伙伴马上就会想到setnx+ expire命令。也就是说，先用setnx来抢锁，如果抢到之后，再用expire给锁设置一个过期 时间。

伪代码如下：

if（jedis.setnx(lock_key,lock_value) == 1）{ //加锁
    jedis.expire(lock_key，timeout）; //设置过期时间
    doBusiness //业务逻辑处理
}

这块代码是有坑 的，因为setnx和expire两个命令是分开写的，并不是原子操作！如果刚要执行完setnx加锁，正要执行expire设置过期时间时，进程crash或者要重启维护了，那么这个锁就“长生不老 ”了，别的线程永远获取不到锁啦。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

• 项目地址：https://github.com/YunaiV/yudao-cloud
• 视频教程：https://doc.iocoder.cn/video/

2. 被别的客户端请求覆盖（ setnx + value为过期时间）

为了解决：发生异常时，锁得不到释放的问题 。有小伙伴提出，可以把过期时间 放到setnx的value里面。如果加锁失败，再拿出value值和当前系统时间校验一下是否过期即可。伪代码实现如下：

long expireTime = System.currentTimeMillis() + timeout; //系统时间+设置的超时时间
String expireTimeStr = String.valueOf(expireTime); //转化为String字符串
// 如果当前锁不存在，返回加锁成功
if (jedis.setnx(lock_key, expireTimeStr) == 1) {
        return true;
} 
// 如果锁已经存在，获取锁的过期时间
String oldExpireTimreStr = jedis.get(lock_key);
// 如果获取到的老的预期过期时间，小于系统当前时间，表示已经过期了
if (oldExpireTimreStr != null && Long.parseLong(oldExpireTimreStr) < System.currentTimeMillis()) {
     //锁已过期，获取上一个锁的过期时间，并设置现在锁的过期时间（不了解redis的getSet命令的小伙伴，可以去官网看下哈）
    String oldValueStr = jedis.getSet(lock_key, expireTimeStr);
    if (oldValueStr != null && oldValueStr.equals(oldExpireTimreStr)) {
      //考虑多线程并发的情况，只有一个线程的设置值和当前值相同，它才可以加锁
      return true;
    }
}
//其他情况，均返回加锁失败
return false;
}

这种实现的方案，也是有坑的：如果锁过期的时候，并发多个客户端同时请求过来，都执行jedis.getSet()，最终只能有一个客户端加锁成功，但是该客户端锁的过期时间，可能被别的客户端覆盖 。

3. 忘记设置过期时间

之前review代码的时候，看到这样实现的分布式锁，伪代码 ：

try{
  if(jedis.setnx(lock_key,lock_value) == 1){//加锁
     doBusiness //业务逻辑处理
     return true; //加锁成功，处理完业务逻辑返回
  }
  return false; //加锁失败
} finally {
    unlock(lockKey);- //释放锁
} 

这块有什么问题呢？是的，忘记设置过期时间了 。如果程序在运行期间，机器突然挂了，代码层面没有走到finally代码块，即在宕机前，锁并没有被删除掉，这样的话，就没办法保证解锁，所以这里需要给lockKey加一个过期时间。注意哈，使用分布式锁，一定要设置过期时间哈 。

4. 业务处理完，忘记释放锁

很多小伙伴，会使用Redis的set指令扩展参数来实现分布式锁。

set指令扩展参数：SET key value[EX seconds][PX milliseconds][NX|XX]
- NX :表示key不存在的时候，才能set成功，也即保证只有第一个客户端请求才能获得锁，
  而其他客户端请求只能等其释放锁，才能获取。
- EX seconds :设定key的过期时间，时间单位是秒。
- PX milliseconds: 设定key的过期时间，单位为毫秒
- XX: 仅当key存在时设置值

小伙伴会写出如下伪代码：

if(jedis.set(lockKey, requestId, "NX", "PX", expireTime)==1){ //加锁
   doBusiness //业务逻辑处理
   return true; //加锁成功，处理完业务逻辑返回
}
return false; //加锁失败

这块伪代码，初看觉得没啥问题，但是细想，不太对呀。因为忘记释放锁 了！如果每次加锁成功，都要等到超时时间才释放锁 ，是会有问题的。这样程序不高效，应当每次处理完业务逻辑，都要释放锁 。

正例如下：

try{
  if(jedis.set(lockKey, requestId, "NX", "PX", expireTime)==1){//加锁
     doBusiness //业务逻辑处理
     return true; //加锁成功，处理完业务逻辑返回
  }
  return false; //加锁失败
} finally {
    unlock(lockKey);- //释放锁
}  

5. B的锁被A给释放了

我们来看下这块伪代码：

try{
  if(jedis.set(lockKey, requestId, "NX", "PX",expireTime)==1){//加锁
     doBusiness //业务逻辑处理
     return true; //加锁成功，处理完业务逻辑返回
  }
  return false; //加锁失败
} finally {
    unlock(lockKey); //释放锁
}  

大家觉得会有哪些坑 呢？

假设在这样的并发场景下：A、B两个线程来尝试给Redis的keylockKey加锁，A线程先拿到锁（假如锁超时时间是3秒后过期）。如果线程A执行的业务逻辑很耗时，超过了3秒还是没有执行完。这时候，Redis会自动释放lockKey锁。刚好这时，线程B过来了，它就能抢到锁了，开始执行它的业务逻辑，恰好这时，线程A执行完逻辑，去释放锁的时候，它就把B的锁给释放掉了。

正确的方式应该是，在用set扩展参数加锁时，放多一个这个线程请求的唯一标记 ，比如requestId，然后释放锁的时候，判断一下是不是刚刚的请求 。

try{
  if(jedis.set(lockKey, requestId, "NX", "PX",expireTime)==1){//加锁
     doBusiness //业务逻辑处理
     return true; //加锁成功，处理完业务逻辑返回
  }
  return false; //加锁失败
} finally {
    if (requestId.equals(jedis.get(lockKey))) { //判断一下是不是自己的requestId
      unlock(lockKey);//释放锁
    }   
}  

6. 释放锁时，不是原子性

以上的这块代码，还是有坑：

   if (requestId.equals(jedis.get(lockKey))) { //判断一下是不是自己的requestId
      unlock(lockKey);//释放锁
    }   

因为判断是不是当前线程加的锁和释放锁不是一个原子操作 。如果调用unlock(lockKey)释放锁的时候，锁已经过期，所以这把锁已经可能已经不属于当前客户端，会解除他人加的锁 。

因此，这个坑就是：判断和删除是两个操作，不是原子的，有一致性问题。释放锁必须保证原子性，可以使用Redis+Lua脚本来完成，类似Lua脚本如下：

if redis.call('get',KEYS[1]) == ARGV[1] then 
   return redis.call('del',KEYS[1]) 
else
   return 0
end;  

7. 锁过期释放，业务没执行完

加锁后，如果超时了，Redis会自动释放清除锁，这样有可能业务还没处理完，锁就提前释放了 。怎么办呢？

有些小伙伴认为，稍微把锁过期时间设置长一些就可以啦。其实我们设想一下 ，是否可以给获得锁的线程，开启一个定时守护线程，每隔一段时间检查锁是否还存在，存在则对锁的过期时间延长，防止锁过期提前释放。

当前开源框架Redisson解决了这个问题。我们一起来看下Redisson底层原理图吧：

只要线程一加锁成功，就会启动一个watch dog看门狗，它是一个后台线程 ，会每隔10秒检查一下，如果线程一还持有锁，那么就会不断的延长锁key的生存时间。因此，Redisson就是使用Redisson解决了锁过期释放，业务没执行完问题 。

8. Redis分布式锁和@transactional一起使用失效

大家看下这块伪代码:

@Transactional
public void updateDB(int lockKey) {
  boolean lockFlag = redisLock.lock(lockKey);
  if (!lockFlag) {
    throw new RuntimeException(“请稍后再试”);
  }
   doBusiness //业务逻辑处理
   redisLock.unlock(lockKey);
}

在事务中,使用了Redis分布式锁.这个方法一旦执行,事务生效，接着就Redis分布式锁生效，代码执行完后,先释放Redis分布式锁,然后再提交事务数据，最后事务结束。在这个过程中,事务没有提交之前,分布式锁已经被释放，导致分布式锁失效

这是因为:

spring的Aop，会在updateDB方法之前开启事务，之后再加锁，当锁住的代码执行完成后，再提交事务，因此锁住的代码块执行是在事务之内执行的，可以推断在代码块执行完时，事务还未提交，锁已经被释放，此时其他线程拿到锁之后进行锁住的代码块，读取的库存数据不是最新的。

正确的实现方法,可以在updateDB方法之前就上锁 ，即还没有开事务之前就加锁，那么就可以保证线程的安全性.

9. 锁可重入

前面讨论的Redis分布式锁，都是不可重入的 。

所谓的不可重入 ，就是当前线程执行某个方法已经获取了该锁，那么在方法中尝试再次获取锁时，会阻塞，不可以再次获得锁。同一个人拿一个锁 ，只能拿一次不能同时拿2次。

不可重入的分布式锁的话，是可以满足绝大多数的业务场景 。但是有时候一些业务场景，我们还是需要可重入的分布式锁 ，大家实现分布式锁的过程中，需要注意一下 ，你当前的业务场景是否需要可重入的分布式锁。

Redis只要解决这两个问题，就能实现重入锁 了：

• 怎么保存当前持有的线程
• 怎么维护加锁次数（即重入了多少次）

实现一个可重入的分布式锁，我们可以参考JDK的ReentrantLock的设计思想。实际上，可以直接使用Redisson框架，它是支持可重入锁的。

10. Redis主从复制导致的坑

实现Redis分布式锁的话，要注意Redis主从复制的坑 。因为Redis一般都是集群部署的：

如果线程一在Redis的master节点上拿到了锁，但是加锁的key还没同步到slave节点。恰好这时，master节点发生故障，一个slave节点就会升级为master节点。线程二就可以获取同个key的锁啦，但线程一也已经拿到锁了，锁的安全性就没了。

为了解决这个问题，Redis作者 antirez提出一种高级的分布式锁算法：Redlock。Redlock核心思想是这样的：

搞多个Redis master部署，以保证它们不会同时宕掉。并且这些master节点是完全相互独立的，相互之间不存在数据同步。同时，需要确保在这多个master实例上，是与在Redis单实例，使用相同方法来获取和释放锁。

我们假设当前有5个Redis master节点，在5台服务器上面运行这些Redis实例。

RedLock的实现步骤如下:

1. 获取当前时间，以毫秒为单位。
2. 按顺序向5个master节点请求加锁。客户端设置网络连接和响应超时时间，并且超时时间要小于锁的失效时间。（假设锁自动失效时间为10秒，则超时时间一般在5-50毫秒之间,我们就假设超时时间是50ms吧）。如果超时，跳过该master节点，尽快去尝试下一个master节点。
3. 客户端使用当前时间减去开始获取锁时间（即步骤1记录的时间），得到获取锁使用的时间。当且仅当超过一半（N/2+1，这里是5/2+1=3个节点）的Redis master节点都获得锁，并且使用的时间小于锁失效时间时，锁才算获取成功。（如上图，10s> 30ms+40ms+50ms+4m0s+50ms）
4. 如果取到了锁，key的真正有效时间就变啦，需要减去获取锁所使用的时间。
5. 如果获取锁失败（没有在至少N/2+1个master实例取到锁，有或者获取锁时间已经超过了有效时间），客户端要在所有的master节点上解锁（即便有些master节点根本就没有加锁成功，也需要解锁，以防止有些漏网之鱼）。

简化下步骤就是：

• 按顺序向5个master节点请求加锁
• 根据设置的超时时间来判断，是不是要跳过该master节点。
• 如果大于等于3个节点加锁成功，并且使用的时间小于锁的有效期，即可认定加锁成功啦。
• 如果获取锁失败，解锁！