在单机程序中，当多个线程或协程同时修改全局变量时，为了保障数据一致性，我们需要引入锁机制，创建临界区。本文将通过一个简单的例子，说明在不加锁的情况下并发计数可能导致的问题，并介绍加锁的解决方案。
不加锁的并发计数
package main import ( "sync" ) // 全局变量 var counter int func main() { var wg sync.WaitGroup for i := 0; i < 1000; i++ { wg.Add(1) go func() { defer wg.Done() counter++ }() } wg.Wait() println(counter) }
运行多次得到不同的结果：
❯❯❯ go run local_lock.go 945 ❯❯❯ go run local_lock.go 937 ❯❯❯ go run local_lock.go 959
这是因为多个 goroutine 同时对 counter 进行修改，由于不加锁，存在竞争条件，导致最终的结果不确定。
引入互斥锁解决竞争条件
package main import ( "sync" ) var counter int var mu sync.Mutex // 互斥锁 func main() { var wg sync.WaitGroup for i := 0; i < 1000; i++ { wg.Add(1) go func() { defer wg.Done() mu.Lock() // 加锁 counter++ mu.Unlock() // 解锁 }() } wg.Wait() println(counter) }
通过引入互斥锁 sync.Mutex，在对 counter 进行修改前加锁，修改完成后解锁，确保了对 counter 操作的原子性。这样可以稳定地得到正确的计数结果。
❯❯❯ go run local_lock.go 1000
使用 Trylock 进行单一执行者控制
在某些场景，我们希望某个任务只有单一的执行者，后续的任务在抢锁失败后应放弃执行。这时候可以使用 Trylock。
package main import ( "sync" ) // Lock try lock type Lock struct { c chan struct{} } // NewLock generate a try lock func NewLock() Lock { var l Lock l.c = make(chan struct{}, 1) l.c <- struct{}{} return l } // Lock try lock, return lock result func (l Lock) Lock() bool { lockResult := false select { case <-l.c: lockResult = true default: } return lockResult } // Unlock , Unlock the try lock func (l Lock) Unlock() { l.c <- struct{}{} } var counter int func main() { var l = NewLock() var wg sync.WaitGroup for i := 0; i < 10; i++ { wg.Add(1) go func() { defer wg.Done() if !l.Lock() { // log error println("lock failed") return } counter++ println("current counter", counter) l.Unlock() }() } wg.Wait() }
这里使用大小为 1 的 channel 模拟 Trylock 的效果。每个 goroutine 尝试加锁，如果成功则继续执行任务，否则放弃执行。
基于 Redis 的分布式锁
在分布式场景下，我们需要考虑多台机器之间的数据同步问题。这时候可以使用 Redis 提供的 setnx 命令来实现分布式锁。
package main import ( "fmt" "sync" "time" "github.com/go-redis/redis" ) func incr() { client := redis.NewClient(&redis.Options{ Addr: "localhost:6379", Password: "", // no password set DB: 0, // use default DB }) var lockKey = "counter_lock" var counterKey = "counter" // lock resp := client.SetNX(lockKey, 1, time.Second*5) lockSuccess, err := resp.Result() if err != nil || !lockSuccess { fmt.Println(err, "lock result:", lockSuccess) return } // counter ++ getResp := client.Get(counterKey) cntValue, err := getResp.Int64() if err == nil || err == redis.Nil { cntValue++ resp := client.Set(counterKey, cntValue, 0) _, err := resp.Result() if err != nil { // log err println("set value error!") } } println("current counter is", cntValue) delResp := client.Del(lockKey) unlockSuccess, err := delResp.Result() if err == nil && unlockSuccess > 0 { println("unlock success!") } else { println("unlock failed", err) } } func main() { var wg sync.WaitGroup for i := 0; i < 10; i++ { wg.Add(1) go func() { defer wg.Done() incr() }() } wg.Wait() }
通过 Redis 的 setnx 命令，我们可以实现一个简单的分布式锁。在获取锁成功后执行任务，任务执行完成后释放锁。
基于 ZooKeeper 的分布式锁
ZooKeeper 是另一个分布式系统协调服务，它提供了一套强一致性的 API，适用于一些需要高度可靠性的场景。以下是使用 ZooKeeper 实现的分布式锁示例。
package main import ( "time" "github.com/samuel/go-zookeeper/zk" ) func main() { c, _, err := zk.Connect([]string{"127.0.0.1"}, time.Second) //*10) if err != nil { panic(err) } l := zk.NewLock(c, "/lock", zk.WorldACL(zk.PermAll)) err = l.Lock() if err != nil { panic(err) } println("lock succ, do your business logic") time.Sleep(time.Second * 10) // do some thing l.Unlock() println("unlock succ, finish business logic") }
通过 ZooKeeper 提供的 Lock API，我们可以实
现分布式锁的获取和释放。ZooKeeper 的分布式锁机制通过临时有序节点和 Watch API 实现，保障了强一致性。
基于 etcd 的分布式锁
etcd 是近年来备受关注的分布式系统组件，类似于 ZooKeeper，但在某些场景下有更好的性能表现。以下是使用 etcd 实现分布式锁的示例。
package main import ( "log" "github.com/zieckey/etcdsync" ) func main() { m, err := etcdsync.New("/lock", 10, []string{"<http://127.0.0.1:2379>"}) if m == nil || err != nil { log.Printf("etcdsync.New failed") return } err = m.Lock() if err != nil { log.Printf("etcdsync.Lock failed") return } log.Printf("etcdsync.Lock OK") log.Printf("Get the lock. Do something here.") err = m.Unlock() if err != nil { log.Printf("etcdsync.Unlock failed") } else { log.Printf("etcdsync.Unlock OK") } }
通过 etcdsync 库，我们可以方便地使用 etcd 实现分布式锁。etcd 提供的分布式锁机制也是基于临时有序节点和 Watch API 实现的。
如何选择锁方案
在选择锁方案时，需要根据业务场景和性能需求进行权衡。以下是一些参考因素：
- 单机锁 vs 分布式锁： 如果业务在单机上，可以考虑使用单机锁。如果是分布式场景，需要使用分布式锁来保障多台机器之间的数据一致性。
- 锁的粒度： 锁的粒度是指锁定的资源范围，可以是整个应用、某个模块、某个数据表等。根据业务需求选择合适的锁粒度。
- 性能需求： 不同的锁方案在性能表现上有差异，例如，Redis 的 setnx 是一个简单的分布式锁方案，适用于低频次的锁操作。ZooKeeper 和 etcd 提供的分布式锁机制在一致性上更为强大，但性能相对较低。
- 可靠性需求： 如果对数据可靠性有极高要求，需要选择提供强一致性保障的分布式锁方案，如 ZooKeeper 或 etcd。
- 技术栈： 考虑已有技术栈中是否已经包含了适用的锁方案，避免引入新的技术栈增加复杂性。
最终的选择取决于业务需求和系统架构，需要仔细评估各种锁方案的优劣势。
