Zookeeper-分布式锁
Posted 张铁牛
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Zookeeper-分布式锁相关的知识,希望对你有一定的参考价值。
1. 简介
我们在之前的博文中讲解了如何使用redis实现分布式锁,其实除了 redis 还有 zookeeper 也能实现分布式锁。
废话不多说,直接上图。
从整个流程中可以看出,zk实现分布式锁,主要是靠zk的临时顺序节点和watch机制实现的。
2. quick start
Curator 是 Netflix 公司开源的一套 zookeeper 客户端框架,解决了很多 Zookeeper 客户端非常底层的细节开发工作,包括连接重连、反复注册 Watcher 和 NodeExistsException 异常等。
curator-recipes:封装了一些高级特性,如:Cache 事件监听、选举、分布式锁、分布式计数器、分布式 Barrier 等。
2.1 引入依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-web</artifactId>
</dependency>
<dependency>
<groupId>org.apache.curator</groupId>
<artifactId>curator-recipes</artifactId>
<version>5.2.0</version>
</dependency>
curator-recipes
中已经依赖了zookeeper
和curator-framework
jar,所以这里不用额外的依赖其他jar。
2.2 测试代码
测试代码其实很简单,只需要几行代码而已,初始化客户端,创建锁对象,加锁 和 释放锁。
这里先把加锁的代码注释掉,试下不加锁的情况。
package com.ldx.zookeeper.controller;
import lombok.RequiredArgsConstructor;
import lombok.extern.slf4j.Slf4j;
import org.apache.curator.RetryPolicy;
import org.apache.curator.framework.CuratorFramework;
import org.apache.curator.framework.CuratorFrameworkFactory;
import org.apache.curator.framework.recipes.locks.InterProcessMutex;
import org.apache.curator.retry.ExponentialBackoffRetry;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import javax.annotation.PostConstruct;
/**
* 分布式锁demo
*
* @author ludangxin
* @date 2021/9/4
*/
@Slf4j
@RestController
@RequestMapping("lock")
@RequiredArgsConstructor
public class LockDemoController {
/**
* 库存数
*/
private Integer stock = 30;
/**
* zk client
*/
private static CuratorFramework CLIENT;
/**
* 初始化连接信息
*/
@PostConstruct
private void init() {
RetryPolicy retryPolicy = new ExponentialBackoffRetry(1000, 3);
CLIENT = CuratorFrameworkFactory.builder().connectString("localhost:2181").retryPolicy(retryPolicy).build();
CLIENT.start();
}
@GetMapping("buy")
public String buy() {
// 可重入锁
InterProcessMutex mutexLock = new InterProcessMutex(CLIENT, "/lock");
try {
// 加锁
// mutexLock.acquire();
if(this.stock > 0) {
Thread.sleep(500);
this.stock--;
}
log.info("剩余库存==={}", this.stock);
} catch(Exception e) {
log.error(e.getMessage());
return "no";
}
finally {
try {
// 释放锁
// mutexLock.release();
} catch(Exception e) {
log.error(e.getMessage());
}
}
return "ok";
}
}
2.3 启动测试
这里我们使用jemter进行模拟并发请求,当然我们这里只启动了一个server,主要是为了节约文章篇幅(启动多个server还得连接db...),能说明问题即可。
同一时刻发送一百个请求。
测试结果部分日志如下:
很明显出现了超卖了现象,并且请求是无序的(请求是非公平的)。
此时我们将注释的加锁代码打开,再进行测试。
测试结果部分日志如下:
很明显没有出现超卖的现象。
通过zk 客户端工具查看创建的部分临时节点如下:
3. 源码解析
3.1 加锁逻辑
我们再通过查看Curator加锁源码来验证下我们的加锁逻辑。
首先我们查看InterProcessMutex::acquire()
方法,并且我们通过注释可以得知该方法加的锁是可重入锁。
/**
* Acquire the mutex - blocking until it\'s available. Note: the same thread
* can call acquire re-entrantly. Each call to acquire must be balanced by a call
* to {@link #release()}
*
* @throws Exception ZK errors, connection interruptions
*/
@Override
public void acquire() throws Exception
{
if ( !internalLock(-1, null) )
{
throw new IOException("Lost connection while trying to acquire lock: " + basePath);
}
}
查看internalLock
方法如下。
private final ConcurrentMap<Thread, LockData> threadData = Maps.newConcurrentMap();
private boolean internalLock(long time, TimeUnit unit) throws Exception {
// 获取当前线程
Thread currentThread = Thread.currentThread();
// 在map中查看当前线程有没有请求过
LockData lockData = threadData.get(currentThread);
if ( lockData != null) {
// 请求过 则 +1 , 实现了锁的重入逻辑
lockData.lockCount.incrementAndGet();
return true;
}
// 尝试获取锁
String lockPath = internals.attemptLock(time, unit, getLockNodeBytes());
if ( lockPath != null) {
// 创建锁对象
LockData newLockData = new LockData(currentThread, lockPath);
// 添加到map中
threadData.put(currentThread, newLockData);
return true;
}
return false;
}
我们继续查看LockInternals::attemptLock()
尝试获取锁逻辑如下。
String attemptLock(long time, TimeUnit unit, byte[] lockNodeBytes) throws Exception {
final long startMillis = System.currentTimeMillis();
final Long millisToWait = (unit != null) ? unit.toMillis(time) : null;
final byte[] localLockNodeBytes = (revocable.get() != null) ? new byte[0] : lockNodeBytes;
int retryCount = 0;
String ourPath = null;
boolean hasTheLock = false;
boolean isDone = false;
while(!isDone) {
// 成功标识
isDone = true;
try {
// 创建锁
ourPath = driver.createsTheLock(client, path, localLockNodeBytes);
// 判断是否加锁成功
hasTheLock = internalLockLoop(startMillis, millisToWait, ourPath);
} catch( KeeperException.NoNodeException e ) {
// 当StandardLockInternalsDriver 找不到锁定节点时,它会抛出会话过期等情况。因此,如果重试允许,则继续循环
if( client.getZookeeperClient().getRetryPolicy().allowRetry(retryCount++, System.currentTimeMillis() - startMillis, RetryLoop.getDefaultRetrySleeper()) ) {
isDone = false;
} else {
throw e;
}
}
}
if(hasTheLock) {
return ourPath;
}
return null;
}
在这里先查看下创建锁的逻辑StandardLockInternalsDriver::createsTheLock()
,如下。
@Override
public String createsTheLock(CuratorFramework client, String path, byte[] lockNodeBytes) throws Exception {
String ourPath;
// 判断有没有传znode data 我们这里为null
if(lockNodeBytes != null) {
ourPath = client.create().creatingParentContainersIfNeeded().withProtection().withMode(CreateMode.EPHEMERAL_SEQUENTIAL).forPath(path, lockNodeBytes);
} else {
// 创建Container父节点且创建临时的顺序节点
ourPath = client.create().creatingParentContainersIfNeeded().withProtection().withMode(CreateMode.EPHEMERAL_SEQUENTIAL).forPath(path);
}
return ourPath;
}
锁创建成功后我们再查看下程序是如何加锁的LockInternals::internalLockLoop()
。
private boolean internalLockLoop(long startMillis, Long millisToWait, String ourPath) throws Exception {
boolean haveTheLock = false;
boolean doDelete = false;
try {
if(revocable.get() != null) {
client.getData().usingWatcher(revocableWatcher).forPath(ourPath);
}
// 当客户端初始化好后 且 还没有获取到锁
while((client.getState() == CuratorFrameworkState.STARTED) && !haveTheLock) {
// 获取所有的子节点 且 递增排序
List<String> children = getSortedChildren();
// 获取当前节点 path
String sequenceNodeName = ourPath.substring(basePath.length() + 1);
// 获取当前锁
// 1. 先判断当前节点是不是下标为0的节点,即是不是序列值最小的节点。
// 2. 如果是则获取锁成功,返回成功标识。
// 3. 如果不是则返回比它小的元素作为被监听的节点
PredicateResults predicateResults = driver.getsTheLock(client, children, sequenceNodeName, maxLeases);
if(predicateResults.getsTheLock()) {
// 获取锁成功 返回成功标识
haveTheLock = true;
} else {
// 索取锁失败,则获取比它小的上一个节点元素
String previousSequencePath = basePath + "/" + predicateResults.getPathToWatch();
synchronized(this) {
try {
// 监听比它小的上一个节点元素
client.getData().usingWatcher(watcher).forPath(previousSequencePath);
// 如果设置了超时,则继续判断是否超时
if(millisToWait != null) {
millisToWait -= (System.currentTimeMillis() - startMillis);
startMillis = System.currentTimeMillis();
if(millisToWait <= 0) {
doDelete = true;
break;
}
// 没有超时则 等待
wait(millisToWait);
} else {
// 没有超时则 等待
wait();
}
} catch(KeeperException.NoNodeException e) {
// it has been deleted (i.e. lock released). Try to acquire again
}
}
}
}
} catch(Exception e) {
ThreadUtils.checkInterrupted(e);
doDelete = true;
throw e;
} finally {
// 报错即删除该节点
if(doDelete) {
deleteOurPath(ourPath);
}
}
return haveTheLock;
}
最后 我们再看下上段代码中提到的很关键的方法driver.getsTheLock() 即 StandardLockInternalsDriver::getsTheLock()
。
@Override
public PredicateResults getsTheLock(CuratorFramework client, List<String> children, String sequenceNodeName, int maxLeases) throws Exception {
// 获取当前节点的下标
int ourIndex = children.indexOf(sequenceNodeName);
validateOurIndex(sequenceNodeName, ourIndex);
// 这里的maxLeases == 1,即当前节点的下标是不是0
boolean getsTheLock = ourIndex < maxLeases;
// 如果当前节点的下标为0,则不返回被监听的节点(因为自己已经是最小的节点了),如果不是则返回比自己小的节点作为被监听的节点。
String pathToWatch = getsTheLock ? null : children.get(ourIndex - maxLeases);
// 构造返回结果
return new PredicateResults(pathToWatch, getsTheLock);
}
3.2 小节
其实加锁的源码还是比较清晰和易懂的,我们在这里再总结下。
- 执行
InterProcessMutex::acquire()
加锁方法。 InterProcessMutex::internalLock()
判断当前线程是加过锁,如果加过则加锁次数+1实现锁的重入,如果没有加过锁,则调用LockInternals::attemptLock()
尝试获取锁。LockInternals::attemptLock()
首先创建Container
父节再创建临时的顺序节点,然后执行加锁方法LockInternals::internalLockLoop()
。LockInternals::internalLockLoop()
- 先获取当前
Container
下的所有顺序子节点并且按照从小到大排序。 - 调用
StandardLockInternalsDriver::getsTheLock()
方法加锁,先判断当前节点是不是最小的顺序节点,如果是则加锁成功,如果不是则返回上一个比他小的节点,最为被监听的节点。 - 上一步加锁成功则返回true,如果失败则执行监听逻辑。
- 先获取当前
3.3 释放锁逻辑
@Override
public void release() throws Exception {
/*
Note on concurrency: a given lockData instance
can be only acted on by a single thread so locking isn\'t necessary
*/
// 获取当前线程
Thread currentThread = Thread.currentThread();
// 查看当前线程有没有锁
LockData lockData = threadData.get(currentThread);
if(lockData == null) {
// 没有锁 还释放,报错
throw new IllegalMonitorStateException("You do not own the lock: " + basePath);
}
// 有锁则 锁次数 -1
int newLockCount = lockData.lockCount.decrementAndGet();
// 如果锁的次数还大于0,说明还不能释放锁,因为重入的方法还未执行完
if (newLockCount > 0) {
return;
}
if (newLockCount < 0) {
// 锁的次数小于0,报错
throw new IllegalMonitorStateException("Lock count has gone negative for lock: " + basePath);
}
try {
// 删除节点
internals.releaseLock(lockData.lockPath);
}
finally {
// 从当前的map中移除
threadData.remove(currentThread);
}
}
final void releaseLock(String lockPath) throws Exception{
client.removeWatchers();
revocable.set(null);
deleteOurPath(lockPath);
}
4. redis 和 zookeeper
Zookeeper采用临时节点和事件监听机制可以实现分布式锁,Redis主要是通过setnx命令实现分布式锁。
Redis需要不断的去尝试获取锁,比较消耗性能,Zookeeper是可以通过对锁的监听,自动获取到锁,所以性能开销较小。
另外如果获取锁的jvm出现bug或者挂了,那么只能redis过期删除key或者超时删除key,Zookeeper则不存在这种情况,连接断开节点则会自动删除,这样会即时释放锁。
这样一听感觉zk的优势还是很大的。
但是要考虑一个情况在锁并发不高的情况下 zk没有问题 如果在并发很高的情况下 zk的数据同步 可能造成锁时延较长,在选举过程中需要接受一段时间zk不可用(因为ZK 是 CP 而 redis集群是AP)。
所以说没有哪个技术是适用于任何场景的,具体用哪个技术,还是要结合当前的技术架构和业务场景做选型和取舍。
以上是关于Zookeeper-分布式锁的主要内容,如果未能解决你的问题,请参考以下文章