当前位置:网站首页>如何将分布式锁封装的更优雅
如何将分布式锁封装的更优雅
2020-11-06 01:19:00 【尹吉欢】
分布式锁通常有很多选择,基于 Redis 的,基于 Zookeeper 的,基于数据库等等方案。
Redis 用于缓存数据,在项目中都有使用,所以使用 Redis 来做分布式锁的会稍微多些。
如果用 Redis 来做锁,可以直接用开源的方案,比如redisson。
最常见的使用方式如下所示:
RLock lock = redisson.getLock("anyLock");lock.lock();run();lock.unlock();
获取锁对象,调用 lock()加锁,执行业务逻辑,调用 unlock()释放锁。
尽管框架提供的使用方式已经很简洁了,但是我们还是有必要对锁做一层包装。做包装的目的是为了提高扩展性和易用性。
抽象接口
如果说我们直接使用 redisson 的原生 API 做加锁,那么很多地方都会出现 RLock 相关的代码,突然有一天,由于某些原因,需要将锁进行替换,这个时候改动的范围就比较大了。每个使用了 RLock 的地方都得改。
如下图:很多 Service 都用到了 RLock.lock()方法,当我们需要替换锁的时候,所有涉及到的类和方法都得修改,改动的点如红色部分所示。

所以我们需要做一层抽象,可以定义一个 DistributedLock 接口来提供锁相关的能力,提供多种实现,这样方便替换和扩展。
如下图:每个 Service 中都是用的 DistributedLock 接口来加锁,当我们需要替换锁的实现时,使用的地方不需要改动,只需要替换 DistributedLock 的实现即可。

自动释放
自动释放指的是对于加锁之后,业务逻辑执行完毕需要自动关闭锁。按照前面 Redisson 的方式我们需要手动调用 unlock()来释放持有的锁。
当然 Redisson 也提供了超时释放的功能,正常情况下肯定是业务执行完毕就要释放锁了,同一个锁的下个请求才能继续接着处理。
手动释放资源最容易出现的问题就是忘记释放,所以在 JDK7 中引入了 try-with-resources 来自动释放资源,相信大家都很熟悉。
所以我们在封装的时候,尽量不要让使用者去手动释放,减少出错的概率。对于有结果的我们可以使用 Supplier 来传递你的逻辑,对于没有返回结果的可以用 Runnable 来传递你的逻辑。
/*** 加锁* @param key 锁Key* @param waitTime 尝试加锁,等待时间 (ms)* @param leaseTime 上锁后的失效时间 (ms)* @param success 锁成功执行的逻辑* @param fail 锁失败执行的逻辑* @return*/<T> T lock(String key, int waitTime, int leaseTime, Supplier<T> success, Supplier<T> fail);
使用:
String result = distributedLock.lock("1001", 1000, () -> {System.out.println("进来了。。。。");try {Thread.sleep(1000);} catch (InterruptedException e) {e.printStackTrace();}return "success";}, () -> {System.out.println("加锁失败。。。。");return "fail";});
容灾处理
另一个需要注意的问题就是锁的可用性,万一对应的 Redis 出问题了,这个时候去加锁肯定会失败,如果不做任何处理,就会影响正常的业务操作,导致业务不可用。
我们除了实现 Redis 的锁之外,还可以实现其他的锁,比如数据库锁。当 Redis 锁不可用的时候降级为数据库锁,虽然性能有所影响,但是不会影响业务。

如果数据库锁也不可用了(题外话:所有都不可用可能性非常小),那还是让业务操作失败比较好。因为我们用加锁的场景,肯定是为了防止并发场景带来的问题,如果当锁不可用时,你将异常消费了,让业务操作继续下去,就有可能出现没有加锁的业务问题。
当然监控也非常需要,Redis, 数据库等监控。在出故障的时候,及时有人员介入。
监控体系
Redis, 数据库,Zookeeper 这些承载分布式实现的中间件的监控肯定是必须要有的。另一个监控就是更细粒度的对应锁这个动作的监控。
比如加锁的时间,释放锁的时间,在锁里面执行业务的时间,锁的并发量,执行次数,加锁失败的次数。
这些数据指标都非常重要,能够帮助你及时发现问题。比如 10 秒内几百次加锁失败,都降级成了数据库锁,这个时候你收到了警报,一看就知道 Redis 出问题了,及时解决。
监控方式就随便了,每个公司都不一样,你可以暴露数据给 Prometheus 抓取,也可以集成 Cat 做好埋点,只要能监控,能告警就可以了。
关于作者:尹吉欢,简单的技术爱好者,《Spring Cloud 微服务-全栈技术与案例解析》, 《Spring Cloud 微服务 入门 实战与进阶》作者, 公众号猿天地发起人。
我整理了一份很全的学习资料,感兴趣的可以微信搜索「猿天地」,回复关键字 「学习资料」获取我整理好了的 Spring Cloud,Spring Cloud Alibaba,Sharding-JDBC 分库分表,任务调度框架 XXL-JOB,MongoDB,爬虫等相关资料。

版权声明
本文为[尹吉欢]所创,转载请带上原文链接,感谢
http://cxytiandi.com/blog/detail/36501
边栏推荐
- Technical director, to just graduated programmers a word - do a good job in small things, can achieve great things
- JetCache埋点的骚操作,不服不行啊
- 基于深度学习的推荐系统
- 用Python构建和可视化决策树
- 用Keras LSTM构建编码器-解码器模型
- Every day we say we need to do performance optimization. What are we optimizing?
- 微信小程序:防止多次点击跳转(函数节流)
- 免费的专利下载教程(知网、espacenet强强联合)
- 事半功倍:在没有机柜的情况下实现自动化
- drf JWT認證模組與自定製
猜你喜欢
随机推荐
Gradient understanding decline
Elasticsearch database | elasticsearch-7.5.0 application construction
制造和新的自动化技术是什么?
ETCD核心機制解析
mac 安装hanlp,以及win下安装与使用
解決pl/sql developer中資料庫插入資料亂碼問題
一时技痒,撸了个动态线程池,源码放Github了
高级 Vue 组件模式 (3)
直播预告 | 微服务架构学习系列直播第三期
【QT】 QThread部分原始碼淺析
词嵌入教程
nlp模型-bert从入门到精通(一)
給萌新HTML5 入門指南(二)
ThreadLocal原理大解析
中国提出的AI方法影响越来越大,天大等从大量文献中挖掘AI发展规律
面经手册 · 第12篇《面试官,ThreadLocal 你要这么问,我就挂了!》
Flink on paasta: yelp's new stream processing platform running on kubernetes
对pandas 数据进行数据打乱并选取训练机与测试机集
Examples of unconventional aggregation
Aprelu: cross border application, adaptive relu | IEEE tie 2020 for machine fault detection




