谈谈Redisson分布式锁的底层实现原理
最近面试被问到Redisssion分布式锁的底层原理，这里我们讲讲
setnx+过期时间
首先最常见的是分布式锁是用setnx+过期时间 来解决的，但是显而易见，这种操作不能保证操作的原子性，并且
不管我们定多少过期时间 ，都不能保证，在这段时间内锁住的代码执行完成了，所以这个时间定多少都不好
所以，我们采用Redission+lua脚本解决这个问题
注：Redis 的版本在 2.6以后，Redisson 通过 eval 命令来执行 Lua 脚本
redission
现在最流行的redis分布式锁就是Redisson了，来看看它的底层原理就了解redis是如何使用分布式锁的了
原理分析
分布式锁要解决的是分布式环境下，并行相同代码的加锁功能；了解过redis分布式锁的人肯定知道，一开始redis作为分布式锁用的是setnx，再这基础上设置个定时过期时间，但这种方式有什么问题呢？
实际上看懂上图的人也就明白了那有什么问题，首先是原子性问题，setnx+过期时间这两个操作必须是原子性的，所以这可以用lua脚本解决
再然后是释放锁的时机该如何定？
- 不管我们定多少过期时间，都不能保证，在这段时间内锁住的代码执行完成了，所以这个时间定多少都不好；
- 如果不定时间，当执行完成后释放锁，问题就是如果执行到一半机器宕机，那这把锁就永远放不掉了
那Redisson是如何解决上述问题的呢？
- 它对代码进行了精简的封装，我们的使用非常简单，甚至我们不用主动设置过期时间
- 它==设计了个watch dog看门狗，每隔10秒会检查一下是否还持有锁，若持有锁，就给他更新过期时间30秒==；通过这样的设计，可以让他在没有释放锁之前一直持有锁，哪怕宕机了，也能自动释放锁
- 而不能获得锁的客户端则是不断循环尝试加锁
- 通过记录锁的客户端id，可以把它设计成可重入锁
Redisson实现Redis分布式锁的底层原理
结合redisson原理图我们可以把加锁过程中的问题分成6块：
1.加锁机制
咱们来看上面那张图，现在某个客户端要加锁。如果该客户端面对的是一个redis cluster集群，他首先会根据hash节点选择一台机器。这里注意，仅仅只是选择一台机器！这点很关键！紧接着，就会发送一段lua脚本到redis上，那段lua脚本如下所示：
为啥要用lua脚本呢？因为一大坨复杂的业务逻辑，可以通过封装在lua脚本中发送给redis，保证这段复杂业务逻辑执行的原子性。
那么，这段lua脚本是什么意思呢？
这里**KEYS[1]**代表的是你加锁的那个key，
比如说：RLock lock = redisson.getLock("myLock");
这里你自己设置了加锁的那个锁key就是"myLock"。
**ARGV[1]**代表的就是锁key的默认生存时间，默认30秒。
**ARGV[2]**代表的是加锁的客户端的ID，类似于下面这样：8743c9c0-0795-4907-87fd-6c719a6b4586:1
给大家解释一下，第一段if判断语句，就是用"exists myLock"命令判断一下，如果你要加锁的那个锁key不存在的话，你就进行加锁。
如何加锁呢？
很简单，用下面的命令：hset myLock 8743c9c0-0795-4907-87fd-6c719a6b4586:1 1，通过这个命令设置一个hash数据结构，这行命令执行后，会出现一个类似下面的数据结构：
上述就代表"8743c9c0-0795-4907-87fd-6c719a6b4586:1"这个客户端对"myLock"这个锁key完成了加锁。
接着会执行"pexpire myLock 30000 "命令，设置myLock这个锁key的生存时间是30秒。
好了，到此为止，ok，加锁完成了。
2.锁互斥机制
那么在这个时候，如果客户端2来尝试加锁，执行了同样的一段lua脚本，会咋样呢？
很简单，第一个if判断会执行"exists myLock"，发现myLock这个锁key已经存在了。
接着第二个if判断，判断一下，myLock锁key的hash数据结构中，是否包含客户端2的ID，但是明显不是的，因为那里包含的是客户端1的ID。
所以，客户端2会获取到pttl myLock 返回的一个数字，这个数字代表了myLock这个锁key的剩余生存时间。
比如还剩15000毫秒的生存时间。此时客户端2会进入一个while循环，不停的尝试加锁。
3. watch dog自动延期机制
客户端1加锁的锁key默认生存时间才30秒，如果超过了30秒，客户端1还想一直持有这把锁，怎么办呢？
简单！
只要客户端1一旦加锁成功，就会启动一个watch dog看门狗，他是一个后台线程，会每隔10秒检查一下，如果客户端1还持有锁key，那么就会不断的延长锁key的生存时间。
4.可重入加锁机制
那如果客户端1都已经持有了这把锁了，结果可重入的加锁会怎么样呢？
比如下面这种代码：
这时我们来分析一下上面那段lua脚本。
第一个if判断肯定不成立，"exists myLock"会显示锁key已经存在了。
第二个if判断会成立，因为myLock的hash数据结构中包含的那个ID，就是客户端1的那个ID，也就是"8743c9c0-0795-4907-87fd-6c719a6b4586:1"
此时就会执行可重入加锁的逻辑，他会用：
incrby myLock 8743c9c0-0795-4907-87fd-6c71a6b4586:1 1 ，
通过这个命令，对客户端1的加锁次数，累加1。
此时myLock数据结构变为下面这样：
大家看到了吧，那个myLock的hash数据结构中的那个客户端ID，就对应着加锁的次数
5.释放锁机制
如果执行lock.unlock()，就可以释放分布式锁，此时的业务逻辑也是非常简单的。
其实说白了，就是每次都对myLock数据结构中的那个加锁次数减1。
如果发现加锁次数是0了，说明这个客户端已经不再持有锁了，此时就会用："del myLock"命令，从redis里删除这个key。然后呢，另外的客户端2就可以尝试完成加锁了。
这就是所谓的分布式锁的开源Redisson框架的实现机制。
一般我们在生产系统中，可以用Redisson框架提供的这个类库来基于redis进行分布式锁的加锁与释放锁。
6.上述Redis分布式锁的缺点
其实上面那种方案最大的问题，
就是如果你对某个redis master实例，写入了myLock这种锁key的value，
此时==会异步复制给对应的master slave实例。==
但是这个过程中一旦发生redis master宕机，主备切换，redis slave变为了redis master。
接着就会导致，客户端2来尝试加锁的时候，在新的redis master上完成了加锁，而客户端1也以为自己成功加了锁。此时就会导致多个客户端对一个分布式锁完成了加锁。
这时系统在业务语义上一定会出现问题，会执行业务代码，导致各种脏数据的产生。
所以这个就是redis cluster，或者是redis master-slave架构的主从异步复制导致的redis分布式锁的最大缺陷：
在redis master实例宕机的时候，可能导致多个客户端同时完成加锁。
加锁。
这时系统在业务语义上一定会出现问题，会执行业务代码，导致各种脏数据的产生。
所以这个就是redis cluster，或者是redis master-slave架构的主从异步复制导致的redis分布式锁的最大缺陷：
在redis master实例宕机的时候，可能导致多个客户端同时完成加锁。
部分内容来自我想和这个世界谈谈，经整理得出