
@Component
public class RedisIdWorker {
    /**
     * 开始时间戳
     */
    private static final long BEGIN_TIMESTAMP = 1640995200L;
    /**
     * 序列号的位数
     */
    private static final int COUNT_BITS = 32;
 
    private StringRedisTemplate stringRedisTemplate;
 
    public RedisIdWorker(StringRedisTemplate stringRedisTemplate) {
        this.stringRedisTemplate = stringRedisTemplate;
    }
 
    public long nextId(String keyPrefix) {
        // 1.生成时间戳
        LocalDateTime now = LocalDateTime.now();
        long nowSecond = now.toEpochSecond(ZoneOffset.UTC);
        long timestamp = nowSecond - BEGIN_TIMESTAMP;
 
        // 2.生成序列号
        // 2.1.获取当前日期，精确到天
        String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
        // 2.2.自增长
        long count = stringRedisTemplate.opsForValue().increment("icr:" + keyPrefix + ":" + date);
 
        // 3.拼接并返回
        return timestamp << COUNT_BITS | count;
    }
}

1.3 添加优惠卷

每个店铺都可以发布优惠券，分为平价券和特价券。平价券可以任意购买，而特价券需要秒杀抢购：

tb_voucher：优惠券的基本信息，优惠金额、使用规则等
tb_seckill_voucher：优惠券的库存、开始抢购时间，结束抢购时间。特价优惠券才需要填写这些信息

平价卷由于优惠力度并不是很大，所以是可以任意领取

而代金券由于优惠力度大，所以像第二种卷，就得限制数量，从表结构上也能看出，特价卷除了具有优惠卷的基本信息以外，还具有库存，抢购时间，结束时间等等字段

新增普通卷代码：VoucherController


/**
 * 新增普通券
 * @param voucher 优惠券信息
 * @return 优惠券id
 */
@PostMapping
public Result addVoucher(@RequestBody Voucher voucher) {
	voucherService.save(voucher);
	return Result.ok(voucher.getId());
}

新增秒杀卷代码：VoucherController


/**
 * 新增秒杀券
 * @param voucher 优惠券信息，包含秒杀信息
 * @return 优惠券id
 */
@PostMapping("seckill")
public Result addSeckillVoucher(@RequestBody Voucher voucher) {
	voucherService.addSeckillVoucher(voucher);
	return Result.ok(voucher.getId());
}

VoucherServiceImpl


@Override
@Transactional
public void addSeckillVoucher(Voucher voucher) {
    // 保存优惠券
    save(voucher);
    // 保存秒杀信息
    SeckillVoucher seckillVoucher = new SeckillVoucher();
    seckillVoucher.setVoucherId(voucher.getId());
    seckillVoucher.setStock(voucher.getStock());
    seckillVoucher.setBeginTime(voucher.getBeginTime());
    seckillVoucher.setEndTime(voucher.getEndTime());
    seckillVoucherService.save(seckillVoucher);
    // 保存秒杀库存到Redis中
    stringRedisTemplate.opsForValue().set(SECKILL_STOCK_KEY + voucher.getId(), voucher.getStock().toString());
}

1.4 实现秒杀下单

下单核心思路：当我们点击抢购时，会触发右侧的请求，我们只需要编写对应的controller即可

秒杀下单应该思考的内容：

下单时需要判断两点：

秒杀是否开始或结束，如果尚未开始或已经结束则无法下单
库存是否充足，不足则无法下单

下单核心逻辑分析：

当用户开始进行下单，我们应当去查询优惠卷信息，查询到优惠卷信息，判断是否满足秒杀条件

比如时间是否充足，如果时间充足，则进一步判断库存是否足够，如果两者都满足，则扣减库存，创建订单，然后返回订单id，如果有一个条件不满足则直接结束。

VoucherOrderServiceImpl


@Override
@Transactional
public Result seckillVoucher(Long voucherId) {
	// 1.查询优惠券
	SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
	// 2.判断秒杀是否开始
	if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀尚未开始！");
	}
	// 3.判断秒杀是否已经结束
	if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀已经结束！");
	}
	// 4.判断库存是否充足
	if (voucher.getStock() < 1) {
		// 库存不足
		return Result.fail("库存不足！");
	}
	//5，扣减库存
	boolean success = seckillVoucherService.update()
			.setSql("stock= stock -1")
			.eq("voucher_id", voucherId).update();
	if (!success) {
		//扣减库存
		return Result.fail("库存不足！");
	}
	//6.创建订单
	VoucherOrder voucherOrder = new VoucherOrder();
	// 6.1.订单id
	long orderId = redisIdWorker.nextId("order");
	voucherOrder.setId(orderId);
	// 6.2.用户id
	Long userId = UserHolder.getUser().getId();
	voucherOrder.setUserId(userId);
	// 6.3.代金券id
	voucherOrder.setVoucherId(voucherId);
	voucherOrderService.save(voucherOrder);
 
	return Result.ok(orderId);
 
}

1.5 库存超卖问题分析

有关超卖问题分析：在我们原有代码中是这么写的


if (voucher.getStock() < 1) {
	// 库存不足
	return Result.fail("库存不足！");
}
//5，扣减库存
boolean success = seckillVoucherService.update()
		.setSql("stock= stock -1")
		.eq("voucher_id", voucherId).update();
if (!success) {
	//扣减库存
	return Result.fail("库存不足！");
}

假设线程1过来查询库存，判断出来库存大于1，正准备去扣减库存，但是还没有来得及去扣减，此时线程2过来，线程2也去查询库存，发现这个数量一定也大于1，那么这两个线程都会去扣减库存，最终多个线程相当于一起去扣减库存，此时就会出现库存的超卖问题。

超卖问题是典型的多线程安全问题，针对这一问题的常见解决方案就是加锁：而对于加锁，我们通常有两种解决方案：见下图：

悲观锁：

悲观锁可以实现对于数据的串行化执行，比如syn，和lock都是悲观锁的代表，同时，悲观锁中又可以再细分为公平锁，非公平锁，可重入锁，等等。

乐观锁：

乐观锁：会有一个版本号，每次操作数据会对版本号+1，再提交回数据时，会去校验是否比之前的版本大1 ，如果大1 ，则进行操作成功，这套机制的核心逻辑在于，如果在操作过程中，版本号只比原来大1 ，那么就意味着操作过程中没有人对他进行过修改，他的操作就是安全的，如果不大1，则数据被修改过，当然乐观锁还有一些变种的处理方式比如cas。

乐观锁的典型代表：就是cas，利用cas进行无锁化机制加锁，var5 是操作前读取的内存值，while中的var1+var2 是预估值，如果预估值 == 内存值，则代表中间没有被人修改过，此时就将新值去替换内存值。

其中do while 是为了在操作失败时，再次进行自旋操作，即把之前的逻辑再操作一次。

白话讲解乐观锁：

我们现在库中优惠券库存只剩下1个，版本号现在是1，当线程1开始访问，先查出库存和版本号（都是1），这时线程2抢到cpu执行权，也查出库存和版本号（都是1），这时线程1又抢到执行权，使用update order set stock = stock - 1,version = version+1 where id = 10 and version = 1;执行成功，线程2又接着执行，update order set stock = stock - 1,version = version+1 where id = 10 and version = 1;执行失败，因为此时version已经等于2了，无法通过where version = 1这个条件。

上面版本号的方式确实可以实现乐观锁，但是还有个问题，我们何必多次一举加个版本号呢，我直接用库存数不就得了吗？update order set stock = stock - 1 where id = 10 and stock = 1; 这就是CAS。

1.6 代码实现乐观锁解决超卖问题

修改代码方案一、

VoucherOrderServiceImpl 在扣减库存时，改为：


boolean success = seckillVoucherService.update()
            .setSql("stock= stock - 1") //set stock = stock -1
            .eq("voucher_id", voucherId).eq("stock",voucher.getStock()).update(); //where id = ？ and stock = ?

以上逻辑的核心含义是：只要我扣减库存时的库存和之前我查询到的库存是一样的，就意味着没有人在中间修改过库存，那么此时就是安全的，但是以上这种方式通过测试发现会有很多失败的情况，失败的原因在于：在使用乐观锁过程中假设100个线程同时都拿到了100的库存，然后大家一起去进行扣减，但是100个人中只有1个人能扣减成功，其他的人在处理时，他们在扣减时，库存已经被修改过了，所以此时其他线程都会失败。

修改代码方案二、

之前的方式要修改前后都保持一致，但是这样我们分析过，成功的概率太低，所以我们的乐观锁需要变一下，改成stock大于0 即可。


boolean success = seckillVoucherService.update()
                .setSql("stock= stock -1")
                .eq("voucher_id", voucherId).gt("stock",0).update(); //where id = ? and stock > 0

1.7 优惠券秒杀-一人一单

需求：修改秒杀业务，要求同一个优惠券，一个用户只能下一单

现在的问题在于：

优惠卷是为了引流，但是目前的情况是，一个人可以无限制的抢这个优惠卷，所以我们应当增加一层逻辑，让一个用户只能下一个单，而不是让一个用户下多个单

具体操作逻辑如下：比如时间是否充足，如果时间充足，则进一步判断库存是否足够，然后再根据优惠卷id和用户id查询是否已经下过这个订单，如果下过这个订单，则不再下单，否则进行下单

VoucherOrderServiceImpl

初步代码：增加一人一单逻辑


@Override
@Transactional
public Result seckillVoucher(Long voucherId) {
	// 1.查询优惠券
	SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
	// 2.判断秒杀是否开始
	if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀尚未开始！");
	}
	// 3.判断秒杀是否已经结束
	if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀已经结束！");
	}
	// 4.判断库存是否充足
	if (voucher.getStock() < 1) {
		// 库存不足
		return Result.fail("库存不足！");
	}
	// 5.一人一单逻辑
	// 5.1.用户id
	Long userId = UserHolder.getUser().getId();
	int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
	// 5.2.判断是否存在
	if (count > 0) {
		// 用户已经购买过了
		return Result.fail("用户已经购买过一次！");
	}
 
	//6，扣减库存
	boolean success = seckillVoucherService.update()
			.setSql("stock = stock - 1")
			.eq("voucher_id", voucherId).update();
	if (!success) {
		//扣减库存
		return Result.fail("库存不足！");
	}
	//7.创建订单
	VoucherOrder voucherOrder = new VoucherOrder();
	// 7.1.订单id
	long orderId = redisIdWorker.nextId("order");
	voucherOrder.setId(orderId);
 
	voucherOrder.setUserId(userId);
	// 7.3.代金券id
	voucherOrder.setVoucherId(voucherId);
	voucherOrderService.save(voucherOrder);
 
	return Result.ok(orderId);
}

存在问题：现在的问题还是和之前一样，并发过来，查询数据库，都不存在订单，所以我们还是需要加锁，但是乐观锁比较适合更新数据，而现在是插入数据，所以我们需要使用悲观锁操作。

比如有的黄牛弄100台电脑，同时登录一个账号，这时一起抢券，咱这段代码就出问题了，比如这100个线程同时查出本账号没有下过订单，那这100个线程都会绕过判断，直接创建100单，所以就导致了1个账号抢到100个券的情况，这就是为什么现在大部分app都做账号限制登录设备，最多只能同时登录1个设备。

注意：在这里提到了非常多的问题，我们需要慢慢的来思考，首先我们的初始方案是封装了一个createVoucherOrder方法，同时为了确保他线程安全，在方法上添加了一把synchronized锁。


@Override
public Result seckillVoucher(Long voucherId) {
	// 1.查询优惠券
	SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
	// 2.判断秒杀是否开始
	if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀尚未开始！");
	}
	// 3.判断秒杀是否已经结束
	if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀已经结束！");
	}
	// 4.判断库存是否充足
	if (voucher.getStock() < 1) {
		// 库存不足
		return Result.fail("库存不足！");
	}
	return createVoucherOrder(voucherId);
}
 
@Transactional
public synchronized Result createVoucherOrder(Long voucherId){
	// 5.一人一单逻辑
	// 5.1.用户id
	Long userId = UserHolder.getUser().getId();
	int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
	// 5.2.判断是否存在
	if (count > 0) {
		// 用户已经购买过了
		return Result.fail("用户已经购买过一次！");
	}
 
	//6，扣减库存
	boolean success = seckillVoucherService.update()
			.setSql("stock = stock - 1")
			.eq("voucher_id", voucherId).update();
	if (!success) {
		//扣减库存
		return Result.fail("库存不足！");
	}
	//7.创建订单
	VoucherOrder voucherOrder = new VoucherOrder();
	// 7.1.订单id
	long orderId = redisIdWorker.nextId("order");
	voucherOrder.setId(orderId);
 
	voucherOrder.setUserId(userId);
	// 7.3.代金券id
	voucherOrder.setVoucherId(voucherId);
	voucherOrderService.save(voucherOrder);
 
	return Result.ok(orderId);
}

但是这样添加锁，锁的粒度太粗了，因为我们使用的是同步方法方式加锁，那锁的是this本身，就导致哪怕是不同账号也会被锁住，我张三获得锁，只锁住张三账号即可，不用连李四也锁住啊。在使用锁过程中，控制锁粒度是一个非常重要的事情，因为如果锁的粒度太大，会导致每个线程进来都会锁住，所以我们需要去控制锁的粒度，以下这段代码需要修改为：intern() 这个方法是从常量池中拿到数据，如果我们直接使用userId.toString() 他拿到的对象实际上是不同的对象，new出来的对象，我们使用锁必须保证锁必须是同一把，所以我们需要使用intern()方法


@Transactional
public  Result createVoucherOrder(Long voucherId) {
	Long userId = UserHolder.getUser().getId();
	synchronized(userId.toString().intern()){
		// 5.1.查询订单
		int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
		// 5.2.判断是否存在
		if (count > 0) {
			// 用户已经购买过了
			return Result.fail("用户已经购买过一次！");
		}
 
		// 6.扣减库存
		boolean success = seckillVoucherService.update()
				.setSql("stock = stock - 1") // set stock = stock - 1
				.eq("voucher_id", voucherId).gt("stock", 0) // where id = ? and stock > 0
				.update();
		if (!success) {
			// 扣减失败
			return Result.fail("库存不足！");
		}
 
		// 7.创建订单
		VoucherOrder voucherOrder = new VoucherOrder();
		// 7.1.订单id
		long orderId = redisIdWorker.nextId("order");
		voucherOrder.setId(orderId);
		// 7.2.用户id
		voucherOrder.setUserId(userId);
		// 7.3.代金券id
		voucherOrder.setVoucherId(voucherId);
		voucherOrderService.save(voucherOrder);
 
		// 7.返回订单id
		return Result.ok(orderId);
	}
}

但是以上代码还是存在问题，问题的原因在于当前方法被spring的事务控制，如果你在方法内部加锁，可能会导致当前方法事务还没有提交，但是锁已经释放也会导致问题，所以我们选择将当前方法整体包裹起来，确保事务不会出现问题：如下：

在seckillVoucher 方法中，添加以下逻辑，这样就能保证事务的特性，同时也控制了锁的粒度


@Override
public Result seckillVoucher(Long voucherId) {
	// 1.查询优惠券
	SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
	// 2.判断秒杀是否开始
	if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀尚未开始！");
	}
	// 3.判断秒杀是否已经结束
	if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀已经结束！");
	}
	// 4.判断库存是否充足
	if (voucher.getStock() < 1) {
		// 库存不足
		return Result.fail("库存不足！");
	}
	Long userId = UserHolder.getUser().getId();
	synchronized(userId.toString().intern()) {
		return this.createVoucherOrder(voucherId);
	}
}
 
@Transactional
public  Result createVoucherOrder(Long voucherId) {
	Long userId = UserHolder.getUser().getId();
	// 5.1.查询订单
	int count = query().eq("user_id", userId).eq("voucher_id", voucherId).count();
	// 5.2.判断是否存在
	if (count > 0) {
		// 用户已经购买过了
		return Result.fail("用户已经购买过一次！");
	}
	// 6.扣减库存
	boolean success = seckillVoucherService.update()
			.setSql("stock = stock - 1") // set stock = stock - 1
			.eq("voucher_id", voucherId).gt("stock", 0) // where id = ? and stock > 0
			.update();
	if (!success) {
		// 扣减失败
		return Result.fail("库存不足！");
	}
 
	// 7.创建订单
	VoucherOrder voucherOrder = new VoucherOrder();
	// 7.1.订单id
	long orderId = redisIdWorker.nextId("order");
	voucherOrder.setId(orderId);
	// 7.2.用户id
	voucherOrder.setUserId(userId);
	// 7.3.代金券id
	voucherOrder.setVoucherId(voucherId);
	voucherOrderService.save(voucherOrder);
 
	// 7.返回订单id
	return Result.ok(orderId);
}

但是以上做法依然有问题，因为你调用的方法，其实是this.的方式调用的，this是当前对象，而不是代理对象，我们都知道，如果事务想要生效，是spring对当前这个类做了动态代理，所以这个地方，我们需要获得原始的事务对象，来操作事务


Long userId = UserHolder.getUser().getId();
synchronized(userId.toString().intern()) {
	IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
	return proxy.createVoucherOrder(voucherId);
}

1.8 集群环境下的并发问题

通过加锁可以解决在单机情况下的一人一单安全问题，但是在集群模式下就不行了。

1、我们将服务启动两份，端口分别为8081和8082：

如何开启两个服务呢？

2、然后修改nginx的conf目录下的nginx.conf文件，配置反向代理和负载均衡：

有关锁失效原因分析

由于现在我们部署了多个tomcat，每个tomcat都有一个属于自己的jvm，那么假设在服务器A的tomcat内部，有两个线程，这两个线程由于使用的是同一份代码，那么他们的锁对象是同一个，是可以实现互斥的，但是如果现在是服务器B的tomcat内部，又有两个线程，但是他们的锁对象写的虽然和服务器A一样，但是锁对象却不是同一个，所以线程3和线程4可以实现互斥，但是却无法和线程1和线程2实现互斥，这就是集群环境下，syn锁失效的原因，在这种情况下，我们就需要使用分布式锁来解决这个问题。

二、分布式锁

2.1 基本原理和实现方式对比

分布式锁：满足分布式系统或集群模式下多进程可见并且互斥的锁。

分布式锁的核心思想就是让大家都使用同一把锁，只要大家使用的是同一把锁，那么我们就能锁住线程，不让线程进行，让程序串行执行，这就是分布式锁的核心思路。

那么分布式锁他应该满足一些什么样的条件呢？

可见性：多个线程都能看到相同的结果，注意：这个地方说的可见性并不是并发编程中指的内存可见性，只是说多个进程之间都能感知到变化的意思。

互斥：互斥是分布式锁的最基本的条件，使得程序串行执行。

高可用：程序不易崩溃，时时刻刻都保证较高的可用性。

高性能：由于加锁本身就让性能降低，所有对于分布式锁本身需要他就较高的加锁性能和释放锁性能。

安全性：安全也是程序中必不可少的一环。

常见的分布式锁有三种

Mysql：mysql本身就带有锁机制，但是由于mysql性能本身一般，所以采用分布式锁的情况下，其实使用mysql作为分布式锁比较少见。

Redis：redis作为分布式锁是非常常见的一种使用方式，现在企业级开发中基本都使用redis或者zookeeper作为分布式锁，利用setnx这个方法，如果插入key成功，则表示获得到了锁，如果有人插入成功，其他人插入失败则表示无法获得到锁，利用这套逻辑来实现分布式锁。

Zookeeper：zookeeper也是企业级开发中较好的一个实现分布式锁的方案，由于本套视频并不讲解zookeeper的原理和分布式锁的实现，所以不过多阐述。

2.2 Redis分布式锁的实现核心思路

实现分布式锁时需要实现的两个基本方法：

获取锁：
- 互斥：确保只能有一个线程获取锁
- 非阻塞：尝试一次，成功返回true，失败返回false
释放锁：
- 手动释放
- 超时释放：获取锁时添加一个超时时间

核心思路：

我们利用redis的setnx方法，当有多个线程进入时，我们就利用该方法，第一个线程进入时，redis 中就有这个key 了，返回了1，如果结果是1，则表示他抢到了锁，那么他去执行业务，然后再删除锁，退出锁逻辑，没有抢到锁的哥们，等待一定时间后重试即可。

插曲：我们都知道应该先用setnx命令获取分布式锁，然后使用expire命令为锁设置时间，防止redis宕机无法释放锁，那么有没有这样一种情况，那就是我用setnx命令获取分布式锁，还没等执行expire命令呢，redis就宕机了？那么如何解决呢？

解决方式：两条命令合二为一变成原子操作，使用 set lock thread1 ex 10 nx；其中10是10秒。

2.3 实现分布式锁版本一

基本锁接口


public interface ILock {
 
    /**
     * 尝试获取锁
     * @param timeoutSec 锁持有的超时时间，过期后自动释放
     * @return true 代表锁获取成功；false 代表锁获取失败
     */
    boolean tryLock(Long timeoutSec);
 
    /**
     * 释放锁
     */
    void unlock();
 
}

实现类

利用setnx方法进行加锁，同时增加过期时间，防止死锁，此方法可以保证加锁和增加过期时间具有原子性。


public class SimpleRedisLock implements ILock{
 
    private String name;
 
    private StringRedisTemplate stringRedisTemplate;
 
    private static final String KEY_PREFIX = "lock:";
    
    public SimpleRedisLock(String name,StringRedisTemplate stringRedisTemplate) {
        this.name = name;
        this.stringRedisTemplate = stringRedisTemplate;
    }
 
    @Override
    public boolean tryLock(Long timeoutSec) {
        // 获取线程标示
        long threadId = Thread.currentThread().getId();
        // 获取锁
        Boolean success = stringRedisTemplate.opsForValue()
                .setIfAbsent(KEY_PREFIX + name, threadId + "", timeoutSec, TimeUnit.SECONDS);
        return Boolean.TRUE.equals(success);
    }
 
    @Override
    public void unlock() {
        //通过del删除锁
        stringRedisTemplate.delete(KEY_PREFIX + name);
    }
}

修改一人一单的业务代码


@Override
public Result seckillVoucher(Long voucherId) {
	// 1.查询优惠券
	SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
	// 2.判断秒杀是否开始
	if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀尚未开始！");
	}
	// 3.判断秒杀是否已经结束
	if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀已经结束！");
	}
	// 4.判断库存是否充足
	if (voucher.getStock() < 1) {
		// 库存不足
		return Result.fail("库存不足！");
	}
	Long userId = UserHolder.getUser().getId();
	//创建锁对象
	SimpleRedisLock lock = new SimpleRedisLock("order:" + userId, stringRedisTemplate);
	//获取锁
	boolean isLock = lock.tryLock(1200L);
	//判断获取锁是否成功
	if (!isLock) {
		//获取锁失败，返回错误或重试
		return Result.fail("不允许重复下单");
	}
	try {
		IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
		return proxy.createVoucherOrder(voucherId);
	}finally {
		//释放锁
		lock.unlock();
	}
}

2.4 Redis分布式锁误删情况说明

逻辑说明：

持有锁的线程在锁的内部出现了阻塞，导致他的锁自动释放，这时其他线程，线程2来尝试获得锁，就拿到了这把锁，然后线程2在持有锁执行过程中，线程1反应过来，继续执行，而线程1执行过程中，走到了删除锁逻辑，此时就会把本应该属于线程2的锁进行删除，这就是误删别人锁的情况说明。

解决方案：解决方案就是在每个线程释放锁的时候，去判断一下当前这把锁是否属于自己，如果不属于自己，则不进行锁的删除，假设还是上边的情况，线程1卡顿，锁自动释放，线程2进入到锁的内部执行逻辑，此时线程1反应过来，然后删除锁，但是线程1，一看当前这把锁不是属于自己，于是不进行删除锁逻辑，当线程2走到删除锁逻辑时，如果没有卡过自动释放锁的时间点，则判断当前这把锁是属于自己的，于是删除这把锁。

白话解释：单位卫生间只有一个坑位，A和B这时都肚子痛，但A快了一步抢到了坑位（锁），开始蹲坑，B就只能在外面等着，单位卫生间比较智能，为了防止摸鱼，换了只能门锁，只要蹲坑时间超过10分钟（锁过期时间10分钟），自动打开门锁，但由于A处理时间较长，早已超过10分钟，这时锁已经被打开了（释放），虽然已经打开了，但A还在蹲着，这时B因为拿到了锁，也进到坑位里执行他的业务，这时A完事了，开始执行del lock操作，但其实他的锁早就被删除释放了，这时他del lock操作删除的是B的锁，这就是误删操作。而解决办法就是，把自己的锁打上标识（线程ID，也可以是UUID），等自己做del lock操作前，先判断一下是不是自己的锁，如果不是自己的锁，则不进行锁的删除。

2.5 解决Redis分布式锁误删问题

需求：修改之前的分布式锁实现，满足：在获取锁时存入线程标示（可以用UUID表示）
在释放锁时先获取锁中的线程标示，判断是否与当前线程标示一致

- 如果一致则释放锁
- 如果不一致则不释放锁

核心逻辑：在存入锁时，放入自己线程的标识，在删除锁时，判断当前这把锁的标识是不是自己存入的，如果是，则进行删除，如果不是，则不进行删除。


public class SimpleRedisLock implements ILock{
 
    private String name;
 
    private StringRedisTemplate stringRedisTemplate;
 
    private static final String KEY_PREFIX = "lock:";
    private static final String ID_PREFIX = UUID.randomUUID().toString(true) + "-";
 
    public SimpleRedisLock(String name,StringRedisTemplate stringRedisTemplate) {
        this.name = name;
        this.stringRedisTemplate = stringRedisTemplate;
    }
 
    @Override
    public boolean tryLock(Long timeoutSec) {
        // 获取线程标示
        String threadId = ID_PREFIX + Thread.currentThread().getId();
        // 获取锁
        Boolean success = stringRedisTemplate.opsForValue()
                .setIfAbsent(KEY_PREFIX + name, threadId, timeoutSec, TimeUnit.SECONDS);
        return Boolean.TRUE.equals(success);
    }
 
    @Override
    public void unlock() {
        //获取线程标识
        String threadId = ID_PREFIX + Thread.currentThread().getId();
        //获取锁中的标识
        String id = stringRedisTemplate.opsForValue().get(KEY_PREFIX + name);
        if (threadId.equals(id)) {
            //通过del删除锁
            stringRedisTemplate.delete(KEY_PREFIX + name);
        }
    }
}

有关代码实操说明：

在我们修改完此处代码后，我们重启工程，然后启动两个线程，第一个线程持有锁后，手动释放锁，第二个线程此时进入到锁内部，再放行第一个线程，此时第一个线程由于锁的value值并非是自己，所以不能释放锁，也就无法删除别人的锁，此时第二个线程能够正确释放锁，通过这个案例初步说明我们解决了锁误删的问题。

2.6 分布式锁的原子性问题

更为极端的误删逻辑说明：

线程1现在持有锁之后，在执行业务逻辑过程中，他正准备删除锁，而且已经走到了条件判断的过程中，比如他已经拿到了当前这把锁确实是属于他自己的，正准备删除锁，但是此时他的锁到期了，那么此时线程2进来，但是线程1他会接着往后执行，当他卡顿结束后，他直接就会执行删除锁那行代码，相当于条件判断并没有起到作用，这就是删锁时的原子性问题，之所以有这个问题，是因为线程1的拿锁，比锁，删锁，实际上并不是原子性的，我们要防止刚才的情况发生。

这块一旦阻塞，阻塞期间分布式锁还超时删除了，那这时线程2拿到锁执行业务，线程2正执行业务呢，这时线程1不阻塞了，开始执行del删除锁操作，那不还是把线程2的锁删了吗，所以还是有问题，所以我们必须确保判断锁标识的动作和释放锁的动作得成原子性。

2.7 Lua脚本解决多条命令原子性问题

Redis提供了Lua脚本功能，在一个脚本中编写多条Redis命令，确保多条命令执行时的原子性。Lua是一种编程语言，它的基本语法大家可以参考网站：Lua 教程 | 菜鸟教程，这里重点介绍Redis提供的调用函数，我们可以使用lua去操作redis，又能保证他的原子性，这样就可以实现拿锁比锁删锁是一个原子性动作了，作为Java程序员这一块并不作一个简单要求，并不需要大家过于精通，只需要知道他有什么作用即可。

这里重点介绍Redis提供的调用函数，语法如下：

redis.call('命令名称', 'key', '其它参数', ...)

例如，我们要执行set name jack，则脚本是这样：


# 执行 set name jack
redis.call('set', 'name', 'jack')

例如，我们要先执行set name Rose，再执行get name，则脚本如下：


# 先执行 set name jack
redis.call('set', 'name', 'Rose')
# 再执行 get name
local name = redis.call('get', 'name')
# 返回
return name

写好脚本以后，需要用Redis命令来调用脚本，调用脚本的常见命令如下：

例如，我们要执行 redis.call('set', 'name', 'jack') 这个脚本，语法如下：

如果脚本中的key、value不想写死，可以作为参数传递。key类型参数会放入KEYS数组，其它参数会放入ARGV数组，在脚本中可以从KEYS和ARGV数组获取这些参数：

接下来我们来回一下我们释放锁的逻辑：

释放锁的业务流程是这样的

1、获取锁中的线程标示

2、判断是否与指定的标示（当前线程标示）一致

3、如果一致则释放锁（删除）

4、如果不一致则什么都不做

如果用Lua脚本来表示则是这样的：

最终我们操作redis的拿锁比锁删锁的lua脚本就会变成这样


-- 这里的 KEYS[1] 就是锁的key，这里的ARGV[1] 就是当前线程标示
-- 获取锁中的标示，判断是否与当前线程标示一致
if (redis.call('GET', KEYS[1]) == ARGV[1]) then
  -- 一致，则删除锁
  return redis.call('DEL', KEYS[1])
end
-- 不一致，则直接返回
return 0

2.8 利用Java代码调用Lua脚本改造分布式锁

我们的RedisTemplate中，可以利用execute方法去执行lua脚本，参数对应关系就如下图：

Java代码


private static final DefaultRedisScript<Long> UNLOCK_SCRIPT;
    static {
        UNLOCK_SCRIPT = new DefaultRedisScript<>();
        UNLOCK_SCRIPT.setLocation(new ClassPathResource("unlock.lua"));
        UNLOCK_SCRIPT.setResultType(Long.class);
    }
 
public void unlock() {
    // 调用lua脚本
    stringRedisTemplate.execute(
            UNLOCK_SCRIPT,
            Collections.singletonList(KEY_PREFIX + name),
            ID_PREFIX + Thread.currentThread().getId());
}
经过以上代码改造后，我们就能够实现 拿锁比锁删锁的原子性动作了~

小总结：

基于Redis的分布式锁实现思路：

利用set nx ex获取锁，并设置过期时间，保存线程标示
释放锁时先判断线程标示是否与自己一致，一致则删除锁
- 特性：
  - 利用set nx满足互斥性
  - 利用set ex保证故障时锁依然能释放，避免死锁，提高安全性
  - 利用Redis集群保证高可用和高并发特性

笔者总结：我们一路走来，利用添加过期时间，防止死锁问题的发生，但是有了过期时间之后，可能出现误删别人锁的问题，这个问题我们开始是利用删之前通过拿锁，比锁，删锁这个逻辑来解决的，也就是删之前判断一下当前这把锁是否是属于自己的，但是现在还有原子性问题，也就是我们没法保证拿锁比锁删锁是一个原子性的动作，最后通过lua表达式来解决这个问题

但是目前还剩下一个问题锁不住，什么是锁不住呢，你想一想，如果当过期时间到了之后，我们可以给他续期一下，比如续个30s，就好像是网吧上网，网费到了之后，然后说，来，网管，再给我来10块的，是不是后边的问题都不会发生了，那么续期问题怎么解决呢，可以依赖于我们接下来要学习redission啦

测试逻辑：

第一个线程进来，得到了锁，手动删除锁，模拟锁超时了，其他线程会执行lua来抢锁，当第一天线程利用lua删除锁时，lua能保证他不能删除他的锁，第二个线程删除锁时，利用lua同样可以保证不会删除别人的锁，同时还能保证原子性。

三、分布式锁-redission

3.1 分布式锁-redission功能介绍

基于setnx实现的分布式锁存在下面的问题：

重入问题：重入问题是指获得锁的线程可以再次进入到相同的锁的代码块中，可重入锁的意义在于防止死锁，比如HashTable这样的代码中，他的方法都是使用synchronized修饰的，假如他在一个方法内，调用另一个方法，那么此时如果是不可重入的，不就死锁了吗？所以可重入锁他的主要意义是防止死锁，我们的synchronized和Lock锁都是可重入的。

不可重试：是指目前的分布式只能尝试一次，我们认为合理的情况是：当线程在获得锁失败后，他应该能再次尝试获得锁。

超时释放：我们在加锁时增加了过期时间，这样的我们可以防止死锁，但是如果卡顿的时间超长，虽然我们采用了lua表达式防止删锁的时候，误删别人的锁，但是毕竟没有锁住，有安全隐患

主从一致性： 如果Redis提供了主从集群，当我们向集群写数据时，主机需要异步的将数据同步给从机，而万一在同步过去之前，主机宕机了，就会出现死锁问题。

那么什么是Redission呢？

Redisson是一个在Redis的基础上实现的Java驻内存数据网格（In-Memory Data Grid）。它不仅提供了一系列的分布式的Java常用对象，还提供了许多分布式服务，其中就包含了各种分布式锁的实现。

3.2 分布式锁-Redission快速入门

引入依赖：


<dependency>
	<groupId>org.redisson</groupId>
	<artifactId>redisson</artifactId>
	<version>3.13.6</version>
</dependency>

配置Redisson客户端：


@Configuration
public class RedissonConfig {
 
    @Bean
    public RedissonClient redissonClient(){
        // 配置
        Config config = new Config();
        config.useSingleServer().setAddress("redis://127.0.0.1:6379")
                .setPassword("123456");
        // 创建RedissonClient对象
        return Redisson.create(config);
    }
}

改造一人一单代码：


@Resource
private RedissonClient redissonClient;
 
@Override
public Result seckillVoucher(Long voucherId) {
	// 1.查询优惠券
	SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
	// 2.判断秒杀是否开始
	if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀尚未开始！");
	}
	// 3.判断秒杀是否已经结束
	if (voucher.getEndTime().isBefore(LocalDateTime.now())) {
		// 尚未开始
		return Result.fail("秒杀已经结束！");
	}
	// 4.判断库存是否充足
	if (voucher.getStock() < 1) {
		// 库存不足
		return Result.fail("库存不足！");
	}
	Long userId = UserHolder.getUser().getId();
	//创建锁对象 这个代码不用了，因为我们现在要使用分布式锁
	//SimpleRedisLock lock = new SimpleRedisLock("order:" + userId, stringRedisTemplate);
	RLock lock = redissonClient.getLock("lock:order:" + userId);
	//获取锁对象
	boolean isLock = lock.tryLock();
   
	//加锁失败
	if (!isLock) {
		return Result.fail("不允许重复下单");
	}
	try {
		//获取代理对象(事务)
		IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
		return proxy.createVoucherOrder(voucherId);
	} finally {
		//释放锁
		lock.unlock();
	}
 }

3.3 分布式锁-redission可重入锁原理

在Lock锁中，他是借助于底层的一个voaltile的一个state变量来记录重入的状态的，比如当前没有人持有这把锁，那么state=0，假如有人持有这把锁，那么state=1，如果持有这把锁的人再次持有这把锁，那么state就会+1 ，如果是对于synchronized而言，他在c语言代码中会有一个count，原理和state类似，也是重入一次就加一，释放一次就-1 ，直到减少成0 时，表示当前这把锁没有被人持有。

在redission中，我们的也支持支持可重入锁

在分布式锁中，他采用hash结构用来存储锁，其中大key表示表示这把锁是否存在，用小key表示当前这把锁被哪个线程持有，所以接下来我们一起分析一下当前的这个lua表达式

这个地方一共有3个参数

KEYS[1] ：锁名称

ARGV[1]：锁失效时间

ARGV[2]： id + ":" + threadId; 锁的小key

exists: 判断数据是否存在 name：是lock是否存在,如果==0，就表示当前这把锁不存在

redis.call('hset', KEYS[1], ARGV[2], 1);此时他就开始往redis里边去写数据，写成一个hash结构

Lock{

id + ":" + threadId : 1

}

如果当前这把锁存在，则第一个条件不满足，再判断

redis.call('hexists', KEYS[1], ARGV[2]) == 1

此时需要通过大key+小key判断当前这把锁是否是属于自己的，如果是自己的，则进行

redis.call('hincrby', KEYS[1], ARGV[2], 1)

将当前这个锁的value进行+1 ，redis.call('pexpire', KEYS[1], ARGV[1]); 然后再对其设置过期时间，如果以上两个条件都不满足，则表示当前这把锁抢锁失败，最后返回pttl，即为当前这把锁的失效时间

如果小伙帮们看了前边的源码，你会发现他会去判断当前这个方法的返回值是否为null，如果是null，则对应则前两个if对应的条件，退出抢锁逻辑，如果返回的不是null，即走了第三个分支，在源码处会进行while(true)的自旋抢锁。


"if (redis.call('exists', KEYS[1]) == 0) then " +
                  "redis.call('hset', KEYS[1], ARGV[2], 1); " +
                  "redis.call('pexpire', KEYS[1], ARGV[1]); " +
                  "return nil; " +
              "end; " +
              "if (redis.call('hexists', KEYS[1], ARGV[2]) == 1) then " +
                  "redis.call('hincrby', KEYS[1], ARGV[2], 1); " +
                  "redis.call('pexpire', KEYS[1], ARGV[1]); " +
                  "return nil; " +
              "end; " +
              "return redis.call('pttl', KEYS[1]);"

3.4 分布式锁-redission锁重试和WatchDog机制

说明：由于课程中已经说明了有关tryLock的源码解析以及其看门狗原理，所以笔者在这里给大家分析lock()方法的源码解析，希望大家在学习过程中，能够掌握更多的知识。

抢锁过程中，获得当前线程，通过tryAcquire进行抢锁，该抢锁逻辑和之前逻辑相同。

1、先判断当前这把锁是否存在，如果不存在，插入一把锁，返回null。

2、判断当前这把锁是否是属于当前线程，如果是，则返回null。

所以如果返回是null，则代表着当前这哥们已经抢锁完毕，或者可重入完毕，但是如果以上两个条件都不满足，则进入到第三个条件，返回的是锁的失效时间，同学们可以自行往下翻一点点，你能发现有个while( true) 再次进行tryAcquire进行抢锁。


long threadId = Thread.currentThread().getId();
Long ttl = tryAcquire(-1, leaseTime, unit, threadId);
// lock acquired
if (ttl == null) {
    return;
}

接下来会有一个条件分支，因为lock方法有重载方法，一个是带参数，一个是不带参数，如果带带参数传入的值是-1，如果传入参数，则leaseTime是他本身，所以如果传入了参数，此时leaseTime != -1 则会进去抢锁，抢锁的逻辑就是之前说的那三个逻辑。


if (leaseTime != -1) {
    return tryLockInnerAsync(waitTime, leaseTime, unit, threadId, RedisCommands.EVAL_LONG);
}

如果是没有传入时间，则此时也会进行抢锁，而且抢锁时间是默认看门狗时间 commandExecutor.getConnectionManager().getCfg().getLockWatchdogTimeout()

ttlRemainingFuture.onComplete((ttlRemaining, e) 这句话相当于对以上抢锁进行了监听，也就是说当上边抢锁完毕后，此方法会被调用，具体调用的逻辑就是去后台开启一个线程，进行续约逻辑，也就是看门狗线程。


RFuture<Long> ttlRemainingFuture = tryLockInnerAsync(waitTime,
                                        commandExecutor.getConnectionManager().getCfg().getLockWatchdogTimeout(),
                                        TimeUnit.MILLISECONDS, threadId, RedisCommands.EVAL_LONG);
ttlRemainingFuture.onComplete((ttlRemaining, e) -> {
    if (e != null) {
        return;
    }
 
    // lock acquired
    if (ttlRemaining == null) {
        scheduleExpirationRenewal(threadId);
    }
});
return ttlRemainingFuture;

此逻辑就是续约逻辑，注意看commandExecutor.getConnectionManager().newTimeout（）此方法。

Method( new TimerTask() {},参数2 ，参数3 )

指的是：通过参数2，参数3 去描述什么时候去做参数1的事情，现在的情况是：10s之后去做参数一的事情。

因为锁的失效时间是30s，当10s之后，此时这个timeTask 就触发了，他就去进行续约，把当前这把锁续约成30s，如果操作成功，那么此时就会递归调用自己，再重新设置一个timeTask()，于是再过10s后又再设置一个timerTask，完成不停的续约。

那么大家可以想一想，假设我们的线程出现了宕机他还会续约吗？当然不会，因为没有人再去调用renewExpiration这个方法，所以等到时间之后自然就释放了。


private void renewExpiration() {
    ExpirationEntry ee = EXPIRATION_RENEWAL_MAP.get(getEntryName());
    if (ee == null) {
        return;
    }
    
    Timeout task = commandExecutor.getConnectionManager().newTimeout(new TimerTask() {
        @Override
        public void run(Timeout timeout) throws Exception {
            ExpirationEntry ent = EXPIRATION_RENEWAL_MAP.get(getEntryName());
            if (ent == null) {
                return;
            }
            Long threadId = ent.getFirstThreadId();
            if (threadId == null) {
                return;
            }
            
            RFuture<Boolean> future = renewExpirationAsync(threadId);
            future.onComplete((res, e) -> {
                if (e != null) {
                    log.error("Can't update lock " + getName() + " expiration", e);
                    return;
                }
                
                if (res) {
                    // reschedule itself
                    renewExpiration();
                }
            });
        }
    }, internalLockLeaseTime / 3, TimeUnit.MILLISECONDS);
    
    ee.setTimeout(task);
}

3.5 分布式锁-redission锁的MutiLock原理

为了提高redis的可用性，我们会搭建集群或者主从，现在以主从为例

此时我们去写命令，写在主机上，主机会将数据同步给从机，但是假设在主机还没有来得及把数据写入到从机去的时候，此时主机宕机，哨兵会发现主机宕机，并且选举一个slave变成master，而此时新的master中实际上并没有锁信息，此时锁信息就已经丢掉了。

为了解决这个问题，redission提出来了MutiLock锁，使用这把锁咱们就不使用主从了，每个节点的地位都是一样的，这把锁加锁的逻辑需要写入到每一个主丛节点上，只有所有的服务器都写入成功，此时才是加锁成功，假设现在某个节点挂了，那么他去获得锁的时候，只要有一个节点拿不到，都不能算是加锁成功，就保证了加锁的可靠性。

那么MutiLock 加锁原理是什么呢？笔者画了一幅图来说明

当我们去设置了多个锁时，redission会将多个锁添加到一个集合中，然后用while循环去不停去尝试拿锁，但是会有一个总共的加锁时间，这个时间是用需要加锁的个数 * 1500ms ，假设有3个锁，那么时间就是4500ms，假设在这4500ms内，所有的锁都加锁成功，那么此时才算是加锁成功，如果在4500ms有线程加锁失败，则会再次去进行重试。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/盐析白兔/article/detail/682814