在分布式系统中，多个服务实例常并行操作数据库、缓存等共享资源，若缺乏协调机制，易致数据不一致，如超卖、重复扣款等问题。为此，分布式锁发挥关键作用，并需满足以下核心特性：互斥性，即同一时刻仅一个客户端能持有锁，确保共享资源操作安全唯一；容错性，即便部分节点故障，锁服务也能如 RedLock 算法般保持可用，维持系统稳定；自动过期避免死锁，通过设置 TTL，客户端崩溃时自动释放锁，防止死锁；可重入性，同一客户端持有锁期间可多次获取，且锁服务需记录持有者身份，避免多次获取导致的异常。
1.Redis实现分布式锁的核心原理
Redis的单线程特性保证命令执行的原子性，核心命令包括：
- SETNX key value ：仅当键不存在时设置值，用于抢占锁。
- EXPIRE key ttl ：设置锁的过期时间，防止死锁。
- DEL key ：释放锁，但需校验锁的归属。
问题与改进 ：
- 原子性缺陷 ：早期方案需先执行SETNX再执行EXPIRE，若两者之间客户端崩溃，锁将永不过期。Redis 2.6+支持通过SET key value NX PX ttl单命令解决
- 唯一标识 ：value需为客户端唯一ID（如UUID+线程ID），避免误删其他客户端的锁
基础实现与代码示例：
1. 获取锁（Java + Jedis）
public boolean tryLock(String lockKey, String clientId, int expireTime) {
Jedis jedis = jedisPool.getResource();
try {
// 使用SET命令的NX和PX参数保证原子性，需根据业务执行时间动态调整，避免过早过期或长时间占用
String result = jedis.set(lockKey, clientId,
SetParams.setParams().nx().px(expireTime));
return "OK".equals(result);
} finally {
jedis.close();
}
}2.释放锁（Lua脚本）
Lua脚本优势 ：将GET和DEL合并为原子操作，避免竞态条件。
public boolean releaseLock(String lockKey, String clientId) {
Jedis jedis = jedisPool.getResource();
try {
String script = "if redis.call('GET', KEYS[1]) == ARGV[1] then " +
"return redis.call('DEL', KEYS[1]) " +
"else return 0 end";
Object result = jedis.eval(script,
Collections.singletonList(lockKey),
Collections.singletonList(clientId));
return Long.valueOf(1).equals(result);
} finally {
jedis.close();
}
}2.Redis分布式锁高级优化与实战技巧
2.1.RedLock算法
RedLock 是由 Redis 创始人提出的一种分布式锁算法，旨在解决 Redis 主从复制环境下的容错性问题。与传统的单机锁不同，RedLock 在多个 Redis 实例间分配锁，确保在部分节点故障的情况下，系统仍能保证锁的有效性。
其核心特征包括：
- 算法概述：RedLock 将锁请求分别发送到多个 Redis 实例，并设定严格的超时机制。只有当多数节点都成功获取锁时，客户端才视为获得了锁。
- 容错性：RedLock 能够保证在某些节点发生故障时，其他节点仍可继续提供服务，避免单点故障。
def redlock_acquire(nodes, lock_key, ttl):
start_time = now()
acquired_nodes = []
for node in nodes:
if node.set(lock_key, client_id, nx=True, px=ttl):
acquired_nodes.append(node)
elapsed = now() - start_time
if len(acquired_nodes) >= len(nodes)/2 + 1 and elapsed < ttl:
return True
else:
# 释放已获取的锁
for node in acquired_nodes:
node.delete(lock_key)
return False2.2.可重入锁实现
在分布式系统里，同一客户端在进行递归调用等操作时，往往需要多次获取同一把锁。为达成这一需求，可采用如下方案：
- 在value中存储clientId:重入次数（如uuid:threadId:2）。
- 每次获取锁时，若clientId匹配，增加重入次数。
- 释放锁时，重入次数减至0时删除锁。
// 获取锁
function acquire(lock, client):
value = get(lock)
if value is null:
set(lock, client + ":1", expire)
return true
storedClient, count = split(value, ":")
if storedClient == client:
set(lock, client + ":" + (count + 1), expire)
return true
return false
// 释放锁
function release(lock, client):
value = get(lock)
if value is not null:
storedClient, count = split(value, ":")
if storedClient == client:
if count - 1 == 0:
delete(lock)
else:
set(lock, client + ":" + (count - 1))
return true
return false
// 示例使用
lock = "myLock"
client = generateClientID()
if acquire(lock, client):
try:
// 业务操作
acquire(lock, client)
finally:
release(lock, client)3.生产级实践建议
选择成熟的框架：
- Redisson ：封装了RedLock、看门狗、可重入锁等高级功能，简化开发。
- Spring Integration ：提供RedisLockRegistry，支持声明式锁管理。
性能优化：
- 减少锁粒度 ：按业务维度拆分锁（如user_lock_{userId}而非全局锁）。
- 异步释放锁 ：通过异步线程池执行非核心操作，缩短锁持有时间。
监控与告警：
- 监控锁等待时间、获取失败率，及时发现性能瓶颈。
- 记录锁操作日志，便于排查分布式死锁问题。
4.总结
Redis分布式锁通过原子操作、唯一标识、Lua脚本等机制，实现了高效可靠的资源互斥访问。实际应用中需结合业务场景选择锁粒度、优化性能，并通过成熟框架（如Redisson）降低开发复杂度。未来，随着分布式系统的复杂化，动态锁续期、多维度监控等技术将成为关键优化方向。