Redis RedLock 完美的分布式锁么？

Posted 2021-05-01 犀利豆的技术空间

上周花了点时间研究了 Redis 的作者提的 RedLock 的算法来实现一个分布式锁，在官方的文档最下面发现了这样一句话。

Analysis of RedLock

Martin Kleppmann analyzed Redlock here. I disagree with the analysis and posted my reply to his analysis here.

突然觉得事情好像没有那么简单，就点进去看了看。仔细读了读文章，发现了一个不得了的世界。于是静下心来研究了 Martin 对 RedLock 的批评，还有 RedLock 作者 antirez 的反击。

Martin 的批评

Martin上来就问，我们要锁来干啥呢？两个原因：

1. 提升效率，用锁来保证一个任务没有必要被执行两次。比如（很昂贵的计算）

2. 保证正确，使用锁来保证任务按照正常的步骤执行，防止两个节点同时操作一份数据，造成文件冲突，数据丢失。

对于第一种原因，我们对锁是有一定宽容度的，就算发生了两个节点同时工作，对系统的影响也仅仅是多付出了一些计算的成本，没什么额外的影响。这个时候 使用单点的 Redis 就能很好的解决问题，没有必要使用RedLock，维护那么多的Redis实例，提升系统的维护成本。

对于第二种原因，对正确性严格要求的场景（比如订单，或者消费），就算使用了 RedLock 算法仍然不能保证锁的正确性。

我们分析一下 RedLock 的有啥缺陷吧：

unsafe-lock

作者 Martin 给出这张图，首先我们上一讲说过，RedLock中，为了防止死锁，锁是具有过期时间的。这个过期时间被 Martin 抓住了小辫子。

• 如果 Client 1 在持有锁的时候，发生了一次很长时间的 FGC 超过了锁的过期时间。锁就被释放了。

• 这个时候 Client 2 又获得了一把锁，提交数据。

• 这个时候 Client 1 从 FGC 中苏醒过来了，又一次提交数据。

这还了得，数据就发生了错误。RedLock 只是保证了锁的高可用性，并没有保证锁的正确性。

这个时候也许你会说，如果 Client 1 在提交任务之前去查询一下锁的持有者是不自己就能解决这个问题？
答案是否定的，FGC 会发生在任何时候，如果 FGC 发生在查询之后，一样会有如上讨论的问题。

那换一个没有 GC 的编程语言？
答案还是否定的， FGC 只是造成系统停顿的原因之一，IO或者网络的堵塞或波动都可能造成系统停顿。

文章读到这里，我都绝望了，还好 Martin给出了一个解决的方案：

fencing-tokens

为锁增加一个 token-fencing。

• 获取锁的时候，还需要获取一个递增的token，在上图中 Client 1 还获得了一个 token=33的 fencing。

• 发生了上文的 FGC 问题后，Client 获取了 token=34 的锁。

• 在提交数据的时候，需要判断token的大小，如果token 小于 上一次提交的 token 数据就会被拒绝。

我们其实可以理解这个 token-fencing 就是一个乐观锁，或者一个 CAS。

Martin 还指出了，RedLock 是一个严重依赖系统时钟的分布式系统。

还是这个过期时间的小辫子。如果某个 Redis Master的系统时间发生了错误，造成了它持有的锁提前过期被释放。

• Client 1 从 A、B、C、D、E五个节点中，获取了 A、B、C三个节点获取到锁，我们认为他持有了锁

• 这个时候，由于 B 的系统时间比别的系统走得快，B就会先于其他两个节点优先释放锁。

• Clinet 2 可以从 B、D、E三个节点获取到锁。在整个分布式系统就造成 两个 Client 同时持有锁了。

这个时候 Martin 又提出了一个相当重要的关于分布式系统的设计要点：

好的分布式系统应当是异步的，且不能时间作为安全保障的。因为在分布式系统中有会程序暂停，网络延迟，系统时间错误，这些因数都不能影响分布式系统的安全性，只能影响系统的活性（liveness property）。换句话说，就是在极端情况下，分布式系统顶多在有限的时间内不能给出结果，但是不能给出错误的结果。

所以总结一下 Martin 对 RedLock 的批评：

• 对于提升效率的场景下，RedLock 太重。

• 对于对正确性要求极高的场景下，RedLock 并不能保证正确性。

这个时候感觉醍醐灌顶，简直写的太好了。

RedLock 的作者，同时也Redis 的作者对 Martin的文章也做了回应，条理也是相当的清楚。

antirez 的回应

antirez 看到了 Martin 的文章以后，就写了一篇文章回应。剧情会不会反转呢？

antirez 总结了 Martin 对 RedLock的指控：

1. 分布式的锁具有一个自动释放的功能。锁的互斥性，只在过期时间之内有效，锁过期释放以后就会造成多个Client 持有锁。

2. RedLock 整个系统是建立在，一个在实际系统无法保证的系统模型上的。在这个例子中就是系统假设时间是同步且可信的。

对于第一个问题：
antirez 洋洋洒洒的写了很多，仔细看半天，也没有解决我心中的疑问。回顾一下RedLock 获取锁的步骤：

1. 获取开始时间

2. 去各个节点获取锁

3. 再次获取时间。

4. 计算获取锁的时间，检查获取锁的时间是否小于获取锁的时间。

5. 持有锁，该干啥干啥去

如果，程序在1-3步之间发生了阻塞，RedLock可以感知到锁已经过期，没有问题。
如果，程序在第 4 步之后发生了阻塞？怎么办？？？
答案是，其他具有自动释放锁的分布式锁都没办解决这个问题。

对于第二个指控：
antirez 认为，首先在实际的系统中，从两个方面来看：

1. 系统暂停，网络延迟。

2. 系统的时间发生阶跃。

对于第一个问题。上文已经提到了，RedLock做了一些微小的工作，但是没办法完全避免。其他带有自动释放的分布式锁也没有办法。

第二个问题，Martin认为系统时间的阶跃主要来自两个方面：

1. 人为修改。

2. 从NTP服务收到了一个跳跃时时钟更新。

对于人为修改，能说啥呢？人要搞破坏没办法避免。
NTP受到一个阶跃时钟更新，对于这个问题，需要通过运维来保证。需要将阶跃的时间更新到服务器的时候，应当采取小步快跑的方式。多次修改，每次更新时间尽量小。****

说个题外话，读到这里我突然理解了运维同学的邮件：

Screenshot 2017-10-29 3.43.22

所以严格来说确实， RedLock建立在了 Time 是可信的模型上，理论上 Time 也是发生错误，但是在现实中，良好的运维和工程一些机制是可以最大限度的保证 Time 可信。

最后， antirez 还打出了一个暴击，既然 Martin 提出的系统使用 fecting token 保证数据的顺序处理。还需要 RedLock，或者别的分布式锁 干啥？？

回顾

看完二人的博客来往，感觉就是看武侠戏里面的高手过招，相当得爽快。二人思路清晰，Martin 上来就看到RedLock的死穴，一顿猛打，antirez见招拆招成功化解。
至于二人谁对谁错？
我觉得，每一个系统设计都有自己的侧重或者局限。工程也不是完美的。在现实中工程中不存在完美的解决方案。我们应当深入了解其中的原理，了解解决方案的优缺点。明白选用方案的局限性。是否可以接受方案的局限带来的后果。
架构本来就是一门平衡的艺术。

最后

Martin 推荐使用ZooKeeper 实现分布事务锁。Zookeeper 和 Redis的锁有什么区别？ Zookeeper解决了Redis没有解决的问题了么？且听下回分解。

参考

1. Distributed locks with Redis

2. How to do distributed locking

3. Is Redlock safe?

4. 基于Redis的分布式锁到底安全吗（上）？