分布式锁

参考书籍：《redis深度历险：核心原理与应用实践》

 

分布式应用进行逻辑处理时经常会遇到并发问题，这个时候就要使用到分布式锁来限制程序的并发执行。

>set lock:codehole true ex 5 nx
...do something...
>del lock:codehole

 这个指令就是setnx和expire组合在一起的原子指令，他就是分布式锁的奥义所在。

但是redis的分布式锁不能解决超时问题，如果在加锁和释放锁之间的逻辑执行的时间太长，以至于超出了锁的时间范围，就会导致临界区的逻辑还没有被第一个线程执行完，第二线程就提前重新持有了这把锁，导致临界区代码不能得到严格的串行执行。

 

如若客户端在处理请求时加锁没加成功。一般有3种策略来处理加锁失败：

1.直接抛出异常，通知用户稍后重试

这种方式比较适合由用户直接发起的请求，用户看到错误对话框后，再点击重试，这就是人工延时。它本质上是对当前请求的放弃，由用户决定是否发起新的请求。

2.sleep

sleep会阻塞当前的消息，处理线程，会导致队列的后续消息处理出现延迟。如果碰撞的比较频繁，或者队列里消息比较多，sleep可能并不合适。如果因为个别死锁的key导致加锁不成功，线程会彻底堵死，导致后续消息永远得不到及时处理

3.延时队列

这种方式比较适合异步消息处理，将当前冲突的请求扔到另一个队列延后处理以避冲突

 

redis的分布式锁支持可重入，可重入性是指线程在持有锁的情况下再次请求加锁，如果一个锁支持同一个线程多次加锁，那么这个锁就是可重入的。如果想要redis的锁支持可重入，需要对客户端的set方法进行包装，使用线程的Threadlocal变量存储当前持有锁的计数。

import redis
import threading

locks=threading.local()
locks.redis={}

def key_for(user_id):
    return "account_{}".format(user_id)

def _lock(client,key):
    return bool(client.set(key,True,nx=True,ex=100))

def lock(client,user_id):
    key=key_for(user_id)
    if key in locks.redis:
        locks.redis[key]+=1
        return True
    ok=_lock(client,key)
    if not ok:
        return False
    locks.redis[key]=1
    return True

def unlock(client,user_id):
    key=key_for(user_id)
    if key in locks.redis:
        locks.redis[key]-=1
        if locks.redis[key]<0:
            del locks.redis[key]
            self._unlock(key)
        return True
    return False

client=redis.StrictRedis()
print("lock",lock(client,"codehole"))
print("lock",lock(client,"codehole"))
print("unlock",unlock(client,"codehole"))
print("unlock",unlock(client,"codehole"))