分布式缓存技术redis系列（五）——redis实战（redis与spring整合，分布式锁实现）

本文是redis学习系列的第五篇，点击下面链接可回看系列文章

《redis简介以及linux上的安装》

《详细讲解redis数据结构（内存模型）以及常用命令》

《redis高级应用（主从、事务与锁、持久化）》

《redis高级应用（集群搭建、集群分区原理、集群操作》

本文我们继续学习redis与spring的整合，整合之后就可以用redisStringTemplate的setNX()和delete()方法实现分布式锁了。

Redis与spring的整合

相关依赖jar包

spring把专门的数据操作独立封装在spring-data系列中，spring-data-redis是对Redis的封装

<dependency>
	<groupId>org.springframework.data</groupId>
	<artifactId>spring-data-redis</artifactId>
	<version>1.4.2.RELEASE</version>
</dependency>

<dependency>
	<groupId>redis.clients</groupId>
	<artifactId>jedis</artifactId>
	<version>2.6.2</version>
</dependency>

<dependency>
    <groupId>org.apache.commons</groupId>
    <artifactId>commons-pool2</artifactId>
    <version>2.4.2</version>
</dependency>

Spring 配置文件applicationContext.xml

    <!--命令空间中加入下面这行-->
    xmlns:p="http://www.springframework.org/schema/p"

    <!-- redis连接池配置文件 -->
    <context:property-placeholder location="classpath:redis.properties" />  

    <bean id="poolConfig" class="redis.clients.jedis.JedisPoolConfig">
        <property name="maxIdle" value="${redis.maxIdle}" />
        <property name="maxTotal" value="${redis.maxTotal}" />
        <property name="MaxWaitMillis" value="${redis.MaxWaitMillis}" />
        <property name="testOnBorrow" value="${redis.testOnBorrow}" />
    </bean>  

    <bean id="connectionFactory" class="org.springframework.data.    redis.connection.jedis.JedisConnectionFactory"
        p:host-name="${redis.host}" p:port="${redis.port}"
        p:password="${redis.pass}"  p:pool-config-ref="poolConfig"/>  

    <bean id="redisTemplate" class="org.springframework.data.    redis.core.RedisTemplate">
        <property name="connectionFactory"   ref="connectionFactory" />
    </bean>

　　

注意新版的maxTotal，MaxWaitMillis这两个字段与旧版的不同。

redis连接池配置文件redis.properties

redis.host=192.168.2.129
redis.port=6379
redis.pass=redis129  

redis.maxIdle=300
redis.maxTotal=600
redis.MaxWaitMillis=1000
redis.testOnBorrow=true

好了，配置完成，下面写上代码

测试代码

User

@Entity
@Table(name = "t_user")
public class User {
	//主键
	private String id;
	//用户名
	private String userName;
        //...省略get,set...
}

BaseRedisDao

@Repository
public abstract class BaseRedisDao<K,V> {

	@Autowired(required=true)
    protected RedisTemplate<K, V> redisTemplate;

}

IUserDao

public interface IUserDao {

	public boolean save(User user);

	public boolean update(User user);

	public boolean delete(String userIds);

	public User find(String userId);

}

UserDao

@Repository
public class UserDao extends BaseRedisDao<String, User> implements IUserDao {

	@Override
	public boolean save(final User user) {
		boolean res = redisTemplate.execute(new RedisCallback<Boolean>() {
			public Boolean doInRedis(RedisConnection connection) throws DataAccessException {
				RedisSerializer<String> serializer = redisTemplate.getStringSerializer();
				byte[] key = serializer.serialize(user.getId());
				byte[] value = serializer.serialize(user.getUserName());
				//set not exits
				return connection.setNX(key, value);
			}
		});
		return res;
	}

	@Override
	public boolean update(final User user) {
        boolean result = redisTemplate.execute(new RedisCallback<Boolean>() {
            public Boolean doInRedis(RedisConnection connection) throws DataAccessException {
                RedisSerializer<String> serializer = redisTemplate.getStringSerializer();
                byte[] key  = serializer.serialize(user.getId());
                byte[] name = serializer.serialize(user.getUserName());
                //set
                connection.set(key, name);
                return true;
            }
        });
        return result;
	}

	@Override
	public User find(final String userId) {
		User result = redisTemplate.execute(new RedisCallback<User>() {
            public User doInRedis(RedisConnection connection) throws DataAccessException {
                RedisSerializer<String> serializer = redisTemplate.getStringSerializer();
                byte[] key = serializer.serialize(userId);
                //get
                byte[] value = connection.get(key);
                if (value == null) {
                    return null;
                }
                String name = serializer.deserialize(value);
                User resUser = new User();
                resUser.setId(userId);
                resUser.setUserName(name);
                return resUser;
            }
        });
        return result;
	}

	@Override
	public boolean delete(final String userId) {
		boolean result = redisTemplate.execute(new RedisCallback<Boolean>() {
            public Boolean doInRedis(RedisConnection connection) throws DataAccessException {
                RedisSerializer<String> serializer = redisTemplate.getStringSerializer();
                byte[] key  = serializer.serialize(userId);
                //delete
                connection.del(key);
                return true;
            }
        });
		return result;
	}

}

Test

@RunWith(SpringJUnit4ClassRunner.class)
@ContextConfiguration(locations = {"classpath*:applicationContext.xml"})
public class RedisTest extends AbstractJUnit4SpringContextTests {  

    @Autowired
    private IUserDao userDao;

    @Test
    public void testSaveUser() {
        User user = new User();
        user.setId("402891815170e8de015170f6520b0000");
        user.setUserName("zhangsan");
        boolean res = userDao.save(user);
        Assert.assertTrue(res);
    }  

    @Test
    public void testGetUser() {
        User user = new User();
        user = userDao.find("402891815170e8de015170f6520b0000");
        System.out.println(user.getId() + "-" + user.getUserName() );
    }  

    @Test
    public void testUpdateUser() {
    	User user = new User();
        user.setId("402891815170e8de015170f6520b0000");
        user.setUserName("lisi");
        boolean res = userDao.update(user);
        Assert.assertTrue(res);
    }  

    @Test
    public void testDeleteUser() {
    	boolean res = userDao.delete("402891815170e8de015170f6520b0000");
    	Assert.assertTrue(res);
    }  

}

　　

String类型的增删该查已完成，Hash，List，Set数据类型的操作就不举例了，和使用命令的方式差不多。如下

connection.hSetNX(key, field, value);
connection.hDel(key, fields);
connection.hGet(key, field);

connection.lPop(key);
connection.lPush(key, value);
connection.rPop(key);
connection.rPush(key, values);

connection.sAdd(key, values);
connection.sMembers(key);
connection.sDiff(keys);
connection.sPop(key);

　　

整合可能遇到的问题

1.NoSuchMethodError

 java.lang.NoSuchMethodError: org.springframework.core.serializer.support.DeserializingConverter.<init>(Ljava/lang/ClassLoader;)V

Caused by: java.lang.NoSuchMethodError: redis.clients.jedis.JedisShardInfo.setTimeout(I)V

　　

类似找不到类，找不到方法的问题，当确定依赖的jar已经引入之后，此类问题多事spring-data-redis以及jedis版本问题，多换个版本试试，本文上面提到的版本可以使用。

1.No qualifying bean

No qualifying bean of type [org.springframework.data.redis.core.RedisTemplate] found for dependency

　　

找不到bean，考虑applicationContext.xml中配置redisTemplate bean时实现类是否写错。例如，BaseRedisDao注入的是RedisTemplate类型的对象，applicationContext.xml中配置的实现类却是RedisTemplate的子类StringRedisTemplate，那肯定报错。整合好后，下面我们着重学习基于redis的分布式锁的实现。

基于redis实现的分布式锁

我们知道，在多线程环境中，锁是实现共享资源互斥访问的重要机制，以保证任何时刻只有一个线程在访问共享资源。锁的基本原理是：用一个状态值表示锁，对锁的占用和释放通过状态值来标识，因此基于redis实现的分布式锁主要依赖redis的SETNX命令和DEL命令，SETNX相当于上锁，DEL相当于释放锁，当然，在下面的具体实现中会更复杂些。之所以称为分布式锁，是因为客户端可以在redis集群环境中向集群中任一个可用Master节点请求上锁（即SETNX命令存储key到redis缓存中是随机的），不像传统的synchronized锁只能锁住本机，分布式锁则用于分布式环境中对集群其他节点上锁。

现在相信你已经对在基于redis实现的分布式锁的基本概念有了解，需要注意的是，这个和前面文章提到的使用WATCH 命令对key值进行锁操作没有直接的关系。java中synchronized和Lock对象都能对共享资源进行加锁，下面我们将学习用java实现的redis分布式锁。

java中的锁技术

在分析java实现的redis分布式锁之前，我们先来回顾下java中的锁技术，为了直观的展示，我们采用“多个线程共享输出设备”来举例。

不加锁共享输出设备

public class LockTest {
	//不加锁
	static class Outputer {
		public void output(String name) {
			for(int i=0; i<name.length(); i++) {
				System.out.print(name.charAt(i));
			}
			System.out.println();
		}
	}
	public static void main(String[] args) {
		final Outputer output = new Outputer();
		//线程1打印zhangsan
		new Thread(new Runnable(){
			@Override
			public void run() {
				while(true) {
					 try{
						 Thread.sleep(1000);
					 }catch(InterruptedException e) {
						 e.printStackTrace();
					 }
					 output.output("zhangsan");
				}
			}
		}).start();

		//线程2打印lingsi
		new Thread(new Runnable(){
			@Override
			public void run() {
				while(true) {
					 try{
						 Thread.sleep(1000);
					 }catch(InterruptedException e) {
						 e.printStackTrace();
					 }
					 output.output("lingsi");
				}
			}
		}).start();

		//线程3打印wangwu
		new Thread(new Runnable(){
			@Override
			public void run() {
				while(true) {
					 try{
						 Thread.sleep(1000);
					 }catch(InterruptedException e) {
						 e.printStackTrace();
					 }
					 output.output("huangwu");
				}
			}
		}).start();
	}
}

上面例子中，三个线程同时共享输出设备output，线程1需要打印zhangsan，线程2需要打印lingsi，线程3需要打印wangwu。在不加锁的情况，这三个线程会不会因为得不到输出设备output打架呢，我们来看看运行结果：

huangwu
zhangslingsi
an
huangwu
zlingsi
hangsan
huangwu
lzhangsan
ingsi
huangwu
lingsi

　　

从运行结果可以看出，三个线程打架了，线程1没打印完zhangsan，线程2就来抢输出设备......可见，这不是我们想要的，我们想要的是线程之间能有序的工作，各个线程之间互斥的使用输出设备output。

使用java5中的Lock对输出设备加锁

现在我们对Outputer进行改进，给它加上锁，加锁之后每次只有一个线程能访问它。

//使用java5中的锁
static class Outputer{
	Lock lock = new ReentrantLock();
	public void output(String name) {
		//传统java加锁
		//synchronized (Outputer.class){
		lock.lock();
		try {
			for(int i=0; i<name.length(); i++) {
				System.out.print(name.charAt(i));
			}
			System.out.println();
		}finally{
			//任何情况下都有释放锁
			lock.unlock();
		}
		//}
	}
}

　　

看看加锁后的输出结果：

zhangsan
lingsi
huangwu
zhangsan
lingsi
huangwu
zhangsan
lingsi
huangwu
zhangsan
lingsi
huangwu
zhangsan
lingsi
huangwu
......

　　

从运行结果中可以看出，三个线程之间不打架了，线程之间的打印变得有序。有个这个基础，下面我们来学习基于Redis实现的分布式锁就更容易了。

Redis分布式锁

实现分析

从上面java锁的使用中可以看出，锁对象主要有lock与unlock方法，在lock与unlock方法之间的代码（临界区）能保证线程互斥访问。基于redis实现的Java分布式锁主要依赖redis的SETNX命令和DEL命令，SETNX相当于上锁(lock)，DEL相当于释放锁（unlock）。我们只要实现Lock接口重写lock()和unlock()即可。但是这还不够，安全可靠的分布式锁应该满足满足下面三个条件：

l 互斥，不管任何时候，只有一个客户端能持有同一个锁。

l 不会死锁，最终一定会得到锁，即使持有锁的客户端对应的master节点宕掉。

l 容错，只要大多数Redis节点正常工作，客户端应该都能获取和释放锁。

那么什么情况下会不满足上面三个条件呢。多个线程（客户端）同时竞争锁可能会导致多个客户端同时拥有锁。比如，

（1）线程1在master节点拿到了锁（存入key）

（2）master节点在把线程1创建的key写入slave之前宕机了，此时集群中的节点已经没有锁（key）了，包括master节点的slaver节点

（3）slaver节点升级为master节点

（4）线程2向新的master节点发起锁（存入key）请求，很明显，能请求成功。

可见，线程1和线程2同时获得了锁。如果在更高并发的情况，可能会有更多线程（客户端）获取锁，这种情况就会导致上文所说的线程“打架”问题，线程之间的执行杂乱无章。

那什么情况下又会发生死锁的情况呢。如果拥有锁的线程（客户端）长时间的执行或者因为某种原因造成阻塞，就会导致锁无法释放（unlock没有调用），其它线程就不能获取锁而而产生无限期死锁的情况。其它线程在执行lock失败后即使粗暴的执行unlock删除key之后也不能正常释放锁，因为锁就只能由获得锁的线程释放，锁不能正常释放其它线程仍然获取不到锁。解决死锁的最好方式是设置锁的有效时间（redis的expire命令），不管是什么原因导致的死锁，有效时间过后，锁将会被自动释放。

为了保障容错功能，即只要有Redis节点正常工作，客户端应该都能获取和释放锁，我们必须用相同的key不断循环向Master节点请求锁，当请求时间超过设定的超时时间则放弃请求锁，这个可以防止一个客户端在某个宕掉的master节点上阻塞过长时间，如果一个master节点不可用了，应该尽快尝试下一个master节点。释放锁比较简单，因为只需要在所有节点都释放锁就行，不管之前有没有在该节点获取锁成功。

Redlock算法

根据上面的分析，官方提出了一种用Redis实现分布式锁的算法，这个算法称为RedLock。RedLock算法的主要流程如下：

RedLock算法主要流程

　

Java实现

结合上面的流程图，加上下面的代码解释，相信你一定能理解redis分布式锁的实现原理

public class RedisLock implements Lock{

	protected StringRedisTemplate redisStringTemplate;

	// 存储到redis中的锁标志
	private static final String LOCKED = "LOCKED";

	// 请求锁的超时时间(ms)
	private static final long TIME_OUT = 30000;

	// 锁的有效时间(s)
	public static final int EXPIRE = 60;

	// 锁标志对应的key;
	private String key;

	// state flag
	private volatile boolean isLocked = false;

	public RedisLock(String key) {
		this.key = key;
		@SuppressWarnings("resource")
		ApplicationContext  ctx =  new ClassPathXmlApplicationContext("classpath*:applicationContext.xml");
		redisStringTemplate = (StringRedisTemplate)ctx.getBean("redisStringTemplate");
	}

	@Override
	public void lock() {
		//系统当前时间，毫秒
		long nowTime = System.nanoTime();
		//请求锁超时时间，毫秒
		long timeout = TIME_OUT*1000000;
		final Random r = new Random();
		try {
			//不断循环向Master节点请求锁，当请求时间(System.nanoTime() - nano)超过设定的超时时间则放弃请求锁
			//这个可以防止一个客户端在某个宕掉的master节点上阻塞过长时间
			//如果一个master节点不可用了，应该尽快尝试下一个master节点
			while ((System.nanoTime() - nowTime) < timeout) {
				//将锁作为key存储到redis缓存中，存储成功则获得锁
				if (redisStringTemplate.getConnectionFactory().getConnection().setNX(key.getBytes(),
						LOCKED.getBytes())) {
					//设置锁的有效期，也是锁的自动释放时间，也是一个客户端在其他客户端能抢占锁之前可以执行任务的时间
					//可以防止因异常情况无法释放锁而造成死锁情况的发生
					redisStringTemplate.expire(key, EXPIRE, TimeUnit.SECONDS);
					isLocked = true;
					//上锁成功结束请求
					break;
				}
				//获取锁失败时，应该在随机延时后进行重试，避免不同客户端同时重试导致谁都无法拿到锁的情况出现
				//睡眠3毫秒后继续请求锁
				Thread.sleep(3, r.nextInt(500));
			}
		} catch (Exception e) {
			e.printStackTrace();
		}
	}

	@Override
	public void unlock() {
		//释放锁
		//不管请求锁是否成功，只要已经上锁，客户端都会进行释放锁的操作
		if (isLocked) {
			redisStringTemplate.delete(key);
		}
	}

	@Override
	public void lockInterruptibly() throws InterruptedException {
		// TODO Auto-generated method stub

	}

	@Override
	public boolean tryLock() {
		// TODO Auto-generated method stub
		return false;
	}

	@Override
	public boolean tryLock(long time, TimeUnit unit) throws InterruptedException {
		// TODO Auto-generated method stub
		return false;
	}

	@Override
	public Condition newCondition() {
		// TODO Auto-generated method stub
		return null;
	}
}

　

好了,RedisLock已经实现，我们对Outputer使用RedisLock进行修改

/使用RedisLock
static class Outputer {
	//创建一个名为redisLock的RedisLock类型的锁
	RedisLock redisLock = new RedisLock("redisLock");
	public void output(String name) {
		//上锁
		redisLock.lock();
		try {
			for(int i=0; i<name.length(); i++) {
				System.out.print(name.charAt(i));
			}
			System.out.println();
		}finally{
			//任何情况下都要释放锁
			redisLock.unlock();
		}
	}
}

　　

看看使用RedisLock加锁后的的运行结果

lingsi
zhangsan
huangwu
lingsi
zhangsan
huangwu
lingsi
zhangsan
huangwu
lingsi
zhangsan
huangwu
lingsi
zhangsan
huangwu
......

　　

可见，使用RedisLock加锁后线程之间不再“打架”，三个线程互斥的访问output。

问题

现在我无法论证RedLock算法在分布式、高并发环境下的可靠性，但从本例三个线程的运行结果看，RedLock算法确实保证了三个线程互斥的访问output（redis.maxIdle=300 redis.maxTotal=600，运行到Timeout waiting for idle object都没有出现线程“打架”的问题）。我认为RedLock算法仍有些问题没说清楚，比如，如何防止拥有锁的Master节点宕机而未来得及同步key到Slave节点时导致其他线程（客户端）获得锁？RedLock算法在释放锁的处理上，不管线程是否获取锁成功，只要上了锁，就会到每个master节点上释放锁，这就会导致一个线程上的锁可能会被其他线程释放掉，这就和每个锁只能被获得锁的线程释放相互矛盾。这些有待后续进一步交流学习研究。

参考文档

http://redis.io/topics/distlock

http://ifeve.com/redis-lock/