redis之分布式锁

CSDN云计算公众号
以下文章来源于水滴与银弹 ，作者Magic Kaito

核心问题：

为什么要使用分布式锁？

再开始讲分布式锁之前，有必要简单介绍一下，为什么需要分布式锁？

与分布式锁相对应的是【单机锁】，我们在写多线程程序的时候，避免同时操作一个共享变量产生数据问题，通常会使用一把锁来【互斥】，以保证共享变量的正确性，其使用范围是【同一进程】中。

如果换做是多个线程，需要同时操作一个共享资源，如何互斥呢？

例如，现在的业务应用通常都是微服务架构，这也意味着一个应用会部署多个进程，那这多个进程如果需要修改MySql中的同一行记录时，为了避免操作乱序倒置数据错误，此时，我们就需要引入【分布式锁】来解决问题了。

想要实现分布式锁，必须借助一个外部系统，所有进程都去这个系统申请【加锁】，而这个外部系统，必须要实现【互斥】的能力，即两个请求同时进来，只会给一个进程返回成功，另一个返回失败（或等待），这个外部系统，可以是MySql，也可以是Redis或者Zookeeper，但为了追求更好的性能，我们通常会选择Redis或Zookeeper来做。

分布式锁如何实现？

我们从最简单的开始讲起。
想要实现分布式锁，必须要求Redis有【互斥】的能力，我们可以使用SETNX命令，这个命令表示SET IF NOT EXISTS
，即如果key不存在，才会设置它的值，否则什么都不做。

两个客户端进程可以执行这个命令，达到互斥，就可以实现一个分布式锁，

客户端1申请加锁，加锁成功：

127.0.0.1:6379> SETNX lock 1
(integer) 1 //客户端1，加锁成功

客户端2申请加锁，因为它后到达，加锁失败：

127.0.0.1:6379> SETNX lock 1
(integer) 0 //客户端2，加锁失败

此时，加锁成功的客户端；就可以去操作【共享资源】，例如，修改MYSQL的某一行数据，或者调用一个API请求。
操作完成后，还要及时的释放锁，给后来者让出操作共享资源的机会，如何释放锁呢？
直接使用DEL命令删除这个KEY即可：

127.0.0.1:6379> DEL lock 
(integer) 1 

但是，它存在一个很大的问题，当客户端1拿到锁之后，如果发生下面的场景，就会造成【死锁】：

1、程序处理业务逻辑异常，没有及时释放锁
2、进程挂了，没机会释放锁

这时，这个客户端就会一直占用这个锁，而其他的客户端就【永远】拿不到这把锁了。

怎么解决这个问题呢？

如何避免死锁？

我们很容易想到的方案就是，在申请锁的时候，就给设置一个【租期】。
在Redis中实现时，就是给 这个KEY设置一个【过期时间】。这里我们假设，操作共享资源的时间不超过10S，那么在给这个key设置10S过期即可：

127.0.0.1:6379> SETNX lock 1
(integer) 1 
127.0.0.1:6379> EXPIRE lock 10
(integer) 1 

这样一来，无论客户端是否异常，这个锁都可以在10S后【自动释放】，其他客户端依旧可以拿到锁。
但这样真的就没有问题吗？
还是有问题。
现在的操作，加锁，设置过期时间是2条命令，有没有可能只执行了第一条，第二条却【来不及】执行的情况发生呢？例如：
1、SETNX执行成功，执行EXPIRE时由于网络问题，执行失败。
2、SETNX执行成功，Redis异常宕机，Expire没有机会执行。
3、SETNX执行成功，客户端异常奔溃，Expire没有机会执行。

总之，这两条命令不能保证是原子操作（一起成功），就有潜在的风险倒置过期时间设置失败，那就依旧会发生【死锁】问题。

怎么办？

在Redis 2.6.12 之后，Redis扩展了Set命令的参数，用下面这一条命令就可以了：

127.0.0.1:6379> SET lock 1 EX 10 NX
OK

这就解决了死锁问题，也比较简单。
我们再来分析下，它还有什么问题？

试想这样一种场景：
1、客户端1加锁成功，开始操作共享资源
2、客户端1操作共享资源的时间，【超过】了锁的过期时间，锁被【自动释放】
3、客户端2加锁成功，并开始操作共享资源
4、客户端1操作共享资源完成，释放锁（释放的是客户端2的锁）

可以看到，这里存在两个严重的问题：
1、锁过期：客户端1操作共享资源耗时太久，导致锁被自动释放，之后被客户端2持有
2、释放别人的锁：客户端1 操作贡献资源完成后，却又释放了客户端2 的锁。

第一个问题，可能是我们评估操作共享资源的时间不准确导致的。

例如：操作共享资源的时间【最慢】可能需要15S，而我们只设置了10S过期，那就存在着锁提前过期的风险。

过期时间太短，那增大冗余时间，例如设置时间为20S，这样总可以了吧？ 这样确实可以【缓解】这个问题，降低问题出现的概率，但依旧无法【彻底解决】问题。

问题在于，客户端在拿到锁之后，在操作共享资源时，遇到的场景很可能是很复杂的，例如，程序内部发生异常，网络请求超时等等。

既然是【预估】时间，也只能是大概计算，除非你能预料并覆盖到所有导致耗时变长的情形，但这的确很难。 这个问题后面将会讲解。

第二个问题在于，一个客户端释放了其他客户端持有的锁。

想一下，导致这个问题的关键点在哪？

重点在于，每个客户端在释放锁的时候，都是【无脑】操作，并没有检查这把锁是否【归自己持有】，所以就会发生释放别人的锁的风险，这样的解锁流程，很不【严谨】。

锁被别人释放了怎么办？

解决办法是：客户端在加锁时，设置一个只有知道【唯一标识】进去。

例如：可以是自己的线程ID，也可以是一个UUID（随机且唯一），这里我们以UUID举例：

//锁的VALUE设置为UUID
127.0.0.1:6379>SET lock $uuid EX 20 NX

这里假设20s操作共享时间完全足够，先不考虑自动过期的问题。
之后，在释放锁时，要先判断这把锁是否还归自己持有，为代码可以这么写：

//琐是自己的，才释放
if redis.get("lock") == $uuid;
	redis.del("lock")

这里释放锁使用的是GET+DEL两条命令，这时，又会遇到我们前面讲的原子性问题了。

1、客户端1执行GET，判断锁是自己的
2、客户端2执行了SET命令，强制获取到锁（虽然发生概率比较低，但我们需要严谨的考虑锁的安全性模型）
3、客户端1执行DEL，却释放客户端2的锁。

由此可见，这两个命令还是必须要原子执行才行。

怎样原来执行呢？Lua脚本，让Redis来执行。
因为Redis处理每一个请求时【单线程】执行的，在执行一个Lua脚本时，其他请求必须等待，直到这个Lua脚本处理完成，这样一来，GET和DEL之间就不会插入其他的命令了。

安全释放的Lua脚本如下：

// 判断锁是自己的，才释放
if redis.call("GET",KEYS[1]) == ARGV[1]
then
    return redis.call("DEL",KEYS[1])
else
    return 0
end

好了，这样一路优化，整个的加锁、解锁的流程就更【严谨】了。
这里我们先小结一下，基于Redis实现的分布式锁，一个严谨的流程如下：
1、加锁：SET lock_key $unique_id EX $expire_time NX
2、操作共享资源
3、释放锁：Lua 脚本，先 GET 判断锁是否归属自己，再 DEL 释放锁

好，有了这个完整的锁模型，让我们重新回到前面提到的第一个问题。

锁过期时间不好评估怎么办？

前面我们提到，锁的过期时间评估不好，这锁就会有【提前】过期的风险。
上面给的妥协方案时，尽量【冗余】过期时间，降低锁提前过期的概率。
但是这个方案也不能完美解决问题，那怎么办呢？

是否可以设计这样的方案：加锁时，先设置一个过期时间，然后我们开启一个【守护进程】，定时去检测这个锁的失效时间，如果锁快要过期了，操作共享资源还未完成，那么就自动对锁进行【续期】，重新设置过期时间。

如果你是Java技术栈，幸运的是，已经有一个库把这些工作都封装好了：Redssion。

Redssion睡一个Java语言实现的Redis SDK 客户端，在使用分布式锁时，它就采用了【自动续期】的方案来避免锁过期，这个守护进程我们一般也把它就做【看门狗】线程。

除此之外，这个SDK还封装了很多易用的功能：

• 可重入锁
• 乐观锁
• 公平锁
• 读写锁
• Redlock（红锁，下面会详细讲）

这个SDK提供的API非常友好，它可以像操作本地锁的方式，操作分布式锁。如果你是Java技术栈，可以直接把它用起来。

到这里我们小结一下，基于Redis的实现分布式锁，前面遇到的问题，以及解决方案：

• 死锁：设置过期时间
• 过期时间评估不好，锁提前过期：守护进程，自动续期
• 锁被别人释放：锁写入唯一标识，释放锁先检查标识，再释放。

之前分析的场景都是，锁在【单个】Redis实例中可能产生的问题，并没有涉及到Redis的部署架构细节。

而我们在使用Redis时，一般会采用主从集群+哨兵的模式部署，这样做的好处在于，当主库异常宕机，哨兵可以实现【故障自动切换】，把从库提升为主库，继续提供服务，以此保证可用性。

那当【主从发生切换】时，这个分布式锁会依旧安全吗？

试想这样的场景：

1、客户端1在主库上执行SET命令，加锁成功
2、此时，主库异常宕机，SET命令还未同步到从库上（主从复制时异步的）
3、从库被哨兵提升为新主库，这个锁在新的主库上，丢失了！

可见，当引入Redis副本后，分布式锁还是可能会受到影响。

怎么解决这个问题？

为此，Redis的作者提出一种解决方案，就是我们经常听到的RedLock（红锁）。

它真的可以解决上面的这个问题吗？

Redlock真的安全吗？

现在我们来看，Redis作者提出的Redlock方案，是如何解决主从切换后，锁失效问题的。

Redlock的方案基于2个前提：
1、不再需要部署从库和哨兵实例，只部署主库
2、但主库要部署多个，官方推荐至少5个实例

也就是说，想要使用Redlock，你至少要部署5个Redis实例，而且都是主库，它们直接没有任何关系，都是一个个孤立的实例。

注意⚠️：不是部署Redis Cluster ，就是部署5个简单的Redis实例。

Redlock具体如何使用呢？
整体的流程，一共分为5步：

1、客户端先获取【当前时间戳T1】

2、客户端依次向这5个Redis实例发起加锁请求（用前面讲到的SET命令），且每个请求会设置超时时间（毫秒级，要远小于锁的有效时间），如果某一个实例加锁失败（包括网络超时，锁被其他人持有等各种异常情况），就立即向下一个Redis实例申请加锁

3、如果客户端从>=3（大多数）以上Redis实例加锁成功，则再次获取【当前时间戳T2】，如果T2-T1<锁的过期时间，此时，认为客户端加锁成功，否则认为加锁失败。

4、加锁成功，去操作共享资源（例如修改MySQL某一行，或发起一个API请求）

5、加锁失败，向【全部节点】发起释放锁请求（前面讲到的Lua脚本释放锁）

这里有四个重点：
1、客户端在多个Redis实例上申请加锁
2、必须保证大多数节点加锁成功
3、大多数节点加锁的总耗时，要小于锁设置的过期时间
4、释放锁，要向全部节点发起释放锁请求

记住这5步，下面根据这个流程，刨析各种可能导致锁失效的问题假设。

明白了RedLock的流程，我们来看RedLock为什么要这么做。

1）为什么要在多个实例上加锁？
本质上是为了【容错】，部分实例异常宕机，剩余的实例加锁成功，整个锁服务依旧可用。

2）为什么大多数加锁成功，才算成功？
多个Redis实例一起来用，其实就组成了一个【分布式系统】。

在分布式系统中，总会出现【异常节点】，所以，在谈论分布式系统问题时，需要考虑异常节点达到多少个，也依旧不会影响整个系统的【正确性】。

这是一个分布式系统【容错】问题，这个问题的结论是：如果只存在【故障】节点，只要大多数节点正常，那么整个系统依旧是可以提供正确服务的。

3）为什么步骤3加锁成功后，还要计算加锁的累积耗时？

因为操作的是多个节点，所以耗时肯定会比操作单个实例耗时更久，而且，因为是网络请求，网络情况是复杂的，有可能存在，有可能存在延迟、丢包、超时等情况发生，网络请求越多，异常发生的概率就越大。

所以，即使大多数节点加锁成功，但如果加锁的累积耗时已经【超过】了锁的过期时间，那此时有些实例上的锁可能已经失效了，这个锁就没有意义了。

4）为什么释放锁，要操作所有的节点？

在某一个Redis节点加锁时，可能因为【网络原因】导致加锁失败。

例如，客户端在一个Redis实例上加锁成功，但是读取响应结果时，网络问题导致读取失败，那这把锁其实已经在Redis上加锁成功了。

所以，释放锁时，不管之前有没有加锁成功，需要释放【所有节点】的锁，以保证清理节点上【残留】的锁。

好了，明白了 Redlock 的流程和相关问题，看似 Redlock 确实解决了 Redis 节点异常宕机锁失效的问题，保证了锁的「安全性」。

但事实真的如此吗？

Redlock 的争论谁对谁错？

Redis 作者把这个方案一经提出，就马上受到业界著名的分布式系统专家的质疑！

这个专家叫 Martin，是英国剑桥大学的一名分布式系统研究员。在此之前他曾是软件工程师和企业家，从事大规模数据基础设施相关的工作。它还经常在大会做演讲，写博客，写书，也是开源贡献者。

他马上写了篇文章，质疑这个 Redlock 的算法模型是有问题的，并对分布式锁的设计，提出了自己的看法。

之后，Redis 作者 Antirez 面对质疑，不甘示弱，也写了一篇文章，反驳了对方的观点，并详细剖析了 Redlock 算法模型的更多设计细节。

而且，关于这个问题的争论，在当时互联网上也引起了非常激烈的讨论。

二人思路清晰，论据充分，这是一场高手过招，也是分布式系统领域非常好的一次思想的碰撞！双方都是分布式系统领域的专家，却对同一个问题提出很多相反的论断，究竟是怎么回事？

下面我会从他们的争论文章中，提取重要的观点，整理呈现给你。

提醒：后面的信息量极大，可能不宜理解，最好放慢速度阅读。

分布式专家 Martin 对于 Relock 的质疑

在他的文章中，主要阐述了 4 个论点：

1）分布式锁的目的是什么？

Martin表示，你必须清楚你在使用分布式锁的目的是什么？

他认为有两个目的。

第一，效率。
使用分布式锁的互斥能力，是避免不必要的做同样的两次工作（例如一些昂贵的计算任务）。如果锁失效，并不会带来【恶性】的后果，例如发了2次邮件等，无伤大雅。

第二，正确性。
使用锁用来防止并发进程互相干扰。如果锁失败，会造成多个进程同时操作同一条数据，产生的后果是数据严重错误，永久性不一致、数据丢失等恶性问题，就像给患者服用了重要剂量的药物，后果很严重。

他认为，如果你是为了前者–效率，那么使用单机版Redis就可以了，即使偶尔发生锁失效（宕机、主从切换），都不会产生严重的后果。而使用RedLock太重了，没必要。

而如果是为了正确性，Martin认为Redlock根本达不到安全性的要求，也依旧存在锁失效的问题！

2）锁在分布式系统中会遇到的问题
Martin表示，一个分布式系统，更像一个复杂的【野兽】，存在着你想不到的各种异常情况。

这些异常场景主要包括三大块，这也是分布式系统会遇到的三座大山：NPC

• N：Network Delay，网络延迟
• P：Process Pause，进程暂停（GC）
• C：Clock Drift，时钟漂移

Martin 用一个进程暂停（GC）的例子，指出了 Redlock 安全性问题：
1、客户端 1 请求锁定节点 A、B、C、D、E
2、客户端 1 的拿到锁后，进入 GC（时间比较久）
3、所有 Redis 节点上的锁都过期了
4、客户端 2 获取到了 A、B、C、D、E 上的锁
5、客户端 1 GC 结束，认为成功获取锁
6、客户端 2 也认为获取到了锁，发生「冲突」

Martin 认为，GC 可能发生在程序的任意时刻，而且执行时间是不可控的。

注：当然，即使是使用没有 GC 的编程语言，在发生网络延迟、时钟漂移时，也都有可能导致 Redlock 出现问题，这里 Martin 只是拿 GC 举例。

3）假设时钟正确的事不合理的
又或者，当多个 Redis 节点「时钟」发生问题时，也会导致 Redlock 锁失效。

1、客户端 1 获取节点 A、B、C 上的锁，但由于网络问题，无法访问 D 和 E
2、节点 C 上的时钟「向前跳跃」，导致锁到期
3、客户端 2 获取节点 C、D、E 上的锁，由于网络问题，无法访问 A 和 B
4、客户端 1 和 2 现在都相信它们持有了锁（冲突）

Martin 觉得，Redlock 必须「强依赖」多个节点的时钟是保持同步的，一旦有节点时钟发生错误，那这个算法模型就失效了。

即使 C 不是时钟跳跃，而是「崩溃后立即重启」，也会发生类似的问题。

Martin 继续阐述，机器的时钟发生错误，是很有可能发生的：

• 系统管理员「手动修改」了机器时钟 机器时钟
• 在同步 NTP 时间时，发生了大的「跳跃」

总之，Martin 认为，Redlock 的算法是建立在「同步模型」基础上的，有大量资料研究表明，同步模型的假设，在分布式系统中是有问题的。

在混乱的分布式系统的中，你不能假设系统时钟就是对的，所以，你必须非常小心你的假设。

4）提出fecing token的方案，保证正确性

相对应的，Martin 提出一种被叫做fecing token的方案，保证分布式锁的正确性。
这个模型流程如下：
1、客户端在获取锁时，锁服务可以提供一个「递增」的 token
2、客户端拿着这个 token 去操作共享资源
3、共享资源可以根据 token 拒绝「后来者」的请求

这样一来，无论 NPC 哪种异常情况发生，都可以保证分布式锁的安全性，因为它是建立在「异步模型」上的。

而 Redlock 无法提供类似 fecing token 的方案，所以它无法保证安全性。

他还表示，一个好的分布式锁，无论 NPC 怎么发生，可以不在规定时间内给出结果，但并不会给出一个错误的结果。也就是只会影响到锁的「性能」（或称之为活性），而不会影响它的「正确性」。

Martin 的结论：

1、Redlock 不伦不类：它对于效率来讲，Redlock 比较重，没必要这么做，而对于正确性来说，Redlock 是不够安全的。
2、时钟假设不合理：该算法对系统时钟做出了危险的假设（假设多个节点机器时钟都是一致的），如果不满足这些假设，锁就会失效。
3、无法保证正确性：Redlock 不能提供类似 fencing token 的方案，所以解决不了正确性的问题。为了正确性，请使用有「共识系统」的软件，例如 Zookeeper。

好了，以上就是 Martin 反对使用 Redlock 的观点，看起来有理有据。

下面我们来看 Redis 作者 Antirez 是如何反驳的。

在 Redis 作者的文章中，重点有 3 个：

1) 解释时钟问题
首先，Redis 作者一眼就看穿了对方提出的最为核心的问题：时钟问题。

Redis 作者表示，Redlock 并不需要完全一致的时钟，只需要大体一致就可以了，允许有「误差」。
例如要计时 5s，但实际可能记了 4.5s，之后又记了 5.5s，有一定误差，但只要不超过「误差范围」锁失效时间即可，这种对于时钟的精度要求并不是很高，而且这也符合现实环境。

对于对方提到的「时钟修改」问题，Redis 作者反驳到：

• 手动修改时钟：不要这么做就好了，否则你直接修改 Raft 日志，那 Raft 也会无法工作…
• 时钟跳跃：通过「恰当的运维」，保证机器时钟不会大幅度跳跃（每次通过微小的调整来完成），实际上这是可以做到的

为什么 Redis 作者优先解释时钟问题？因为在后面的反驳过程中，需要依赖这个基础做进一步解释。

2) 解释网络延迟、GC 问题

之后，Redis 作者对于对方提出的，网络延迟、进程 GC 可能导致 Redlock 失效的问题，也做了反驳：

我们重新回顾一下，Martin 提出的问题假设：

1. 客户端 1 请求锁定节点 A、B、C、D、E
2. 客户端 1 的拿到锁后，进入 GC
3. 所有 Redis 节点上的锁都过期了
4. 客户端 2 获取节点 A、B、C、D、E 上的锁
5. 客户端 1 GC 结束，认为成功获取锁
6. 客户端 2 也认为获取到锁，发生「冲突」

Redis 作者反驳到，这个假设其实是有问题的，Redlock 是可以保证锁安全的。

这是怎么回事呢？

还记得前面介绍 Redlock 流程的那 5 步吗？这里我再拿过来让你复习一下。

1、客户端先获取「当前时间戳T1」
2、客户端依次向这 5 个 Redis 实例发起加锁请求（用前面讲到的 SET 命令），且每个请求会设置超时时间（毫秒级，要远小于锁的有效时间），如果某一个实例加锁失败（包括网络超时、锁被其它人持有等各种异常情况），就立即向下一个 Redis 实例申请加锁
3、如果客户端从 3 个（大多数）以上 Redis 实例加锁成功，则再次获取「当前时间戳T2」，如果 T2 - T1 < 锁的过期时间，此时，认为客户端加锁成功，否则认为加锁失败
4、加锁成功，去操作共享资源（例如修改 MySQL 某一行，或发起一个 API 请求）
5、加锁失败，向「全部节点」发起释放锁请求（前面讲到的 Lua 脚本释放锁）

注意，重点是 1-3，在步骤 3，加锁成功后为什么要重新获取「当前时间戳T2」？还用 T2 - T1 的时间，与锁的过期时间做比较？

Redis 作者强调：如果在 1-3 发生了网络延迟、进程 GC 等耗时长的异常情况，那在第 3 步 T2 - T1，是可以检测出来的，如果超出了锁设置的过期时间，那这时就认为加锁会失败，之后释放所有节点的锁就好了！

Redis 作者继续论述，如果对方认为，发生网络延迟、进程 GC 是在步骤 3 之后，也就是客户端确认拿到了锁，去操作共享资源的途中发生了问题，导致锁失效，那这不止是 Redlock 的问题，任何其它锁服务例如 Zookeeper，都有类似的问题，这不在讨论范畴内。

这里我举个例子解释一下这个问题：

1、客户端通过 Redlock 成功获取到锁（通过了大多数节点加锁成功、加锁耗时检查逻辑）
2、客户端开始操作共享资源，此时发生网络延迟、进程 GC 等耗时很长的情况
3、此时，锁过期自动释放
4、客户端开始操作 MySQL（此时的锁可能会被别人拿到，锁失效）

Redis 作者这里的结论就是：

• 客户端在拿到锁之前，无论经历什么耗时长问题，Redlock 都能够在第 3 步检测出来
• 客户端在拿到锁之后，发生 NPC，那 Redlock、Zookeeper 都无能为力

所以，Redis 作者认为 Redlock 在保证时钟正确的基础上，是可以保证正确性的。

3) 质疑 fencing token 机制

Redis 作者对于对方提出的 fecing token 机制，也提出了质疑，主要分为 2 个问题，这里最不宜理解，请跟紧我的思路。

第一，这个方案必须要求要操作的「共享资源服务器」有拒绝「旧 token」的能力。

例如，要操作 MySQL，从锁服务拿到一个递增数字的 token，然后客户端要带着这个 token 去改 MySQL 的某一行，这就需要利用 MySQL 的「事物隔离性」来做。

// 两个客户端必须利用事物和隔离性达到目的
// 注意 token 的判断条件
UPDATE table T SET val = $new_val WHERE id = $id AND current_token < $token

但如果操作的不是 MySQL 呢？例如向磁盘上写一个文件，或发起一个 HTTP 请求，那这个方案就无能为力了，这对要操作的资源服务器，提出了更高的要求。

也就是说，大部分要操作的资源服务器，都是没有这种互斥能力的。

再者，既然资源服务器都有了「互斥」能力，那还要分布式锁干什么？
所以，Redis 作者认为这个方案是站不住脚的。

第二，退一步讲，即使 Redlock 没有提供 fecing token 的能力，但 Redlock 已经提供了随机值（就是前面讲的 UUID），利用这个随机值，也可以达到与 fecing token 同样的效果。

如何做呢？

1. 客户端使用 Redlock 拿到锁
2. 客户端在操作共享资源之前，先把这个锁的 VALUE，在要操作的共享资源上做标记
3. 客户端处理业务逻辑，最后，在修改共享资源时，判断这个标记是否与之前一样，一样才修改（类似 CAS 的思路）

还是以 MySQL 为例，举个例子就是这样的：

1. 客户端使用 Redlock 拿到锁
2. 客户端要修改 MySQL 表中的某一行数据之前，先把锁的 VALUE更新到这一行的某个字段中（这里假设为 current_token 字段)
3. 客户端处理业务逻辑
4. 客户端修改 MySQL 的这一行数据，把VALUE 当做 WHERE 条件，再修改

UPDATE table T SET val = $new_val WHERE id = $id AND current_token = $redlock_value

可见，这种方案依赖 MySQL 的事物机制，也达到对方提到的 fecing token 一样的效果。

但这里还有个小问题，是网友参与问题讨论时提出的：两个客户端通过这种方案，先「标记」再「检查+修改」共享资源，那这两个客户端的操作顺序无法保证啊？

而用 Martin 提到的 fecing token，因为这个 token 是单调递增的数字，资源服务器可以拒绝小的 token 请求，保证了操作的「顺序性」！

Redis 作者对这问题做了不同的解释，我觉得很有道理，他解释道：分布式锁的本质，是为了「互斥」，只要能保证两个客户端在并发时，一个成功，一个失败就好了，不需要关心「顺序性」。

前面 Martin 的质疑中，一直很关心这个顺序性问题，但 Redis 的作者的看法却不同。

综上，Redis 作者的结论：

1、作者同意对方关于「时钟跳跃」对 Redlock 的影响，但认为时钟跳跃是可以避免的，取决于基础设施和运维。
2、Redlock 在设计时，充分考虑了 NPC 问题，在 Redlock 步骤 3 之前出现 NPC，可以保证锁的正确性，但在步骤 3 之后发生 NPC，不止是 Redlock 有问题，其它分布式锁服务同样也有问题，所以不在讨论范畴内。

是不是觉得很有意思？

在分布式系统中，一个小小的锁，居然可能会遇到这么多问题场景，影响它的安全性！

不知道你看完双方的观点，更赞同哪一方的说法呢？

别急，后面我还会综合以上论点，谈谈自己的理解。

好，讲完了双方对于 Redis 分布锁的争论，你可能也注意到了，Martin 在他的文章中，推荐使用 Zookeeper 实现分布式锁，认为它更安全，确实如此吗？

基于Zookeeper的锁安全吗？

如果你有了解过Zookeeper，基于它实现的分布式锁是这样的：

1、客户端1和2都尝试创建【临时节点】，例如/lock
2、假设客户1先到达，则加锁成功，客户端2加锁失败
3、客户端1操作共享资源
4、客户端1删除/lock节点，释放锁

你也应该看到了，Zookeeper不像Redis那样，需要考虑锁的过期时间问题，它是采用了【临时节点】，保证客户端1拿到锁后，只要连接不断，就可以一直持有锁。

而且，如果客户端1异常奔溃了，那么这个临时节点会自动删除，保证锁一定会被释放。

不错，没有锁过期的烦恼，还能在异常时自动释放锁，是不是觉得很完美？

其实不然。

思考一下，客户端1创建临时节点后，Zookeeper是如何保证让这个客户端一直持有锁呢？

原因就在于，客户端1此时会与Zookeeper服务器维护一个Session，这个Session会依赖客户端【定时心跳】来维持连接。

如果Zookeeper长时间收不到客户端的心跳，就认为这个Session过期了，也会把这个临时节点删除。

同样地，基于此问题，我们也讨论一下GC问题对Zookeeper的锁有何影响：

1、客户端1创建临时节点/lock成功，拿到了锁
2、客户端1发生长时间GC
3、客户端1无法给Zookeeper发送心跳，Zookeeper把临时节点【删除】
4、客户端2创建临时节点/lock成功，拿到了锁
5、客户端1GC结束，它仍然认为自己持有锁（冲突）

可见，即使是使用Zookeeper，也无法保证进程GC、网络延迟异常场景下的安全性。

这就是前面Redis作者在反驳的文章提到的：如果客户端已经拿到了锁，但客户端与锁服务器发生【失联】（例如GC），那不止是RedLock有问题，其他锁服务器都有类似的问题，Zookeeper也是一样！

所以，这里我们就能得出结论了：一个分布式锁，在极端情况下，不一定是安全的。

如果你的业务数据非常敏感，在使用分布式锁时，一定要注意这个问题，不能假设分布式锁100%安全。

好，现在我们来总结一下Zookeeper在使用分布式锁优劣：

Zookeeper的优点：

1、不需要考虑锁的过期时间
2、watch机制，加锁失败，可以watch等待锁释放，实现乐观锁

劣势：
1、性能不如Redis
2、部署和运维成本高
3、客户端与Zookeeper的长时间失联，锁被自动释放的问题。

对分布式锁的理解

好了，前面详细介绍了基于 Redis 的 Redlock 和 Zookeeper 实现的分布锁，在各种异常情况下的安全性问题，下面我想和你聊一聊我的看法，仅供参考，不喜勿喷。

1) 到底要不要用 Redlock？
前面也分析了，Redlock 只有建立在「时钟正确」的前提下，才能正常工作，如果你可以保证这个前提，那么可以拿来使用。
但保证时钟正确，我认为并不是你想的那么简单就能做到的。
第一，从硬件角度来说，时钟发生偏移是时有发生，无法避免。
例如，CPU 温度、机器负载、芯片材料都是有可能导致时钟发生偏移的。
第二，从我的工作经历来说，曾经就遇到过时钟错误、运维暴力修改时钟的情况发生，进而影响了系统的正确性，所以，人为错误也是很难完全避免的。
所以，我对 Redlock 的个人看法是，尽量不用它，而且它的性能不如单机版 Redis，部署成本也高，我还是会优先考虑使用主从+ 哨兵的模式 实现分布式锁。
那正确性如何保证呢？第二点给你答案。

2) 如何正确使用分布式锁？
在分析 Martin 观点时，它提到了 fecing token 的方案，给我了很大的启发，虽然这种方案有很大的局限性，但对于保证「正确性」的场景，是一个非常好的思路。
所以，我们可以把这两者结合起来用：
1、使用分布式锁，在上层完成「互斥」目的，虽然极端情况下锁会失效，但它可以最大程度把并发请求阻挡在最上层，减轻操作资源层的压力。
2、但对于要求数据绝对正确的业务，在资源层一定要做好「兜底」，设计思路可以借鉴 fecing token 的方案来做。
两种思路结合，我认为对于大多数业务场景，已经可以满足要求了。

总结：

好了，总结一下。
这篇文章，我们主要探讨了基于 Redis 实现的分布式锁，究竟是否安全这个问题。
从最简单分布式锁的实现，到处理各种异常场景，再到引出 Redlock，以及两个分布式专家的辩论，得出了 Redlock 的适用场景。
最后，我们还对比了 Zookeeper 在做分布式锁时，可能会遇到的问题，以及与 Redis 的差异。
这里我把这些内容总结成了思维导图，方便你理解。