标签：选择   比较   获取   get   版本号   head   需要   img   失败   

什么是分布式锁

概述

为了防止分布式系统中的多个进程之间相互干扰，我们需要一种分布式协调技术来对这些进程进行调度。而这个分布式协调技术的核心就是来实现这个分布式锁。

分布式锁应具备的条件

• 在分布式系统环境下，一个方法在同一时间只能被一个机器的一个线程执行
• 高可用的获取锁与释放锁
• 高性能的获取锁与释放锁
• 具备可重入特性
• 具备锁失效机制
• 具备非阻塞锁特性，即没有获取到锁将直接返回获取锁失败

分布式锁有哪些实现

• Memcached：利用 Memcached 的 add 命令。此命令是原子性操作，只有在 key 不存在的情况下，才能 add 成功，也就意味着线程得到了锁。
• Redis：利用 setnx 命令。此命令同样是原子性操作，只有在 key 不存在的情况下，才能 set 成功。
• Zookeeper：利用 Zookeeper 的顺序临时节点，来实现分布式锁和等待队列。Zookeeper 设计的初衷，就是为了实现分布式锁服务的。
• Chubby：Google 公司实现的粗粒度分布式锁服务，底层利用了 Paxos 一致性算法。

Redis分布式锁的实现

加锁

setnx(lock_sale_商品ID, 1)

当一个线程实行 setnx 返回 1，说明 key 原本不存在，该线程成功的到了锁；当一个线程执行setnx 返回 0，说明 key 已经存在，该线程抢锁失败。

解锁

当得到锁的线程执行完任务，需要释放锁，以便其他线程可以进入。释放锁的最简单方式是执行 del 指令，伪代码如下：

del(lock_sale_商品ID)

释放锁后，其他线程就可以继续执行 setnx 命令来获得锁。

锁超时

如果一个得到锁的线程在执行任务的过程中挂掉，来不及显式地释放锁，这块资源将永远被锁住（死锁），别的线程再也别想进来。所以，setnx 的 key 必须设置一个超时时间，以保证即使没有被显式释放，这把锁也要在一定时间后自动释放。setnx 不支持超市参数，所以需要额外的指令，伪代码如下：

expire(lock_sale_商品ID, 30)

综合伪代码

if(setnx(lock_sale_商品ID, 1) == 1){
    expire(lock_sale_商品ID, 30)
    try {
        do something
    } finally {
        del(lock_sale_商品ID)
    }
}

存在什么问题

setnx 和 expire 的非原子性

setnx 不支持传入超时时间，但可以使用 set 指令，并增加可选参数：

set(lock_sale_商品ID, 1, 30, NX)

del 导致误删

可以在 del 释放锁之前做一个判断，验证当前的锁是不是自己加的锁。具体实现：可以在加锁的时候把当前的线程ID当做 value，并在删除之前验证 key 对应的 value 是不是自己线程的ID。

加锁：

String threadId = Thread.currentThread().getId()
set(key, threadId, 30, NX)

解锁： 导致新问题：判断和释放锁是两个独立操作，不是原子性的。

if(threadId.equals(redisClient.get(key))){
    del(key)
}

对于分布式锁，应减少死锁的可能，并保证操作的原子性

什么是Zookeeper

概述

Zookeeper 是一种分布式协调服务，用于管理大型主机。在分布式环境中协调和管理服务是一个复杂的过程。Zookeeper 通过极其简单的架构和 API 解决了这个问题。

Zookeeper 的数据模型

Zookeeper 的数据模型很像数据结构中的树，也很像文件系统的目录。

树是由节点组成的，Zookeeper 的数据存储也是同样基于节点，这种节点佳作Znode。对于不同树的节点，Znode 的引用方式是路径引用，类似于文件路径：/动物/猫 /汽车/宝马

Znode包含哪些元素

• data：Znode 存储的数据信息。
• ACL：记录 Znode 的访问权限，即那些人或哪些IP可以访问本节点。
• stat：包含 Znode 的各种元数据，比如事务ID、版本号、时间戳、大小等。
• child：当前节点的子节点引用。

注意：Zookeeper 是为读多写少的场景所设计。Znode并不是用来存储大规模业务数据，而是用于存储少量的状态和配置信息，每个节点的数据最大不能超过 1MB。

Zookeeper 的基本操作

• 创建节点 create
• 删除节点 delete
• 判断节点是否存在 exists
• 获得一个节点的数据 getData
• 设置一个节点的数据 setData
• 获取节点下的所有节点 getChildren

其中，exests , getData , getChildren 属于读操作。Zookeeper 客户端在请求读操作的时候，可以选择是否设置 Watch。

Zookeeper 的事件通知

我们可以把 Watch 理解成是注册在特定 Znode 上的触发器。当这个 Znode 发生改变，也就是调用了 create , delete ,setData 等方法的时候，将会出发 Znode 上注册的对应事件，请求 Watch 的客户端会接受到异步通知。

具体交互过程：

• 客户端调用 getData 方法，watch 参数是 true。服务端接收到请求，返回节点数据，并且在对应的哈希表里插入被 Watch 的 Znode 路径，以及 Watcher 列表。
• 当 Watch 的 Znode 已删除，服务端会查找哈希表，找到该 Znode 对应的所有 Watcher，异步通知客户端，并且删除哈希表中对应的 Key-Value。

Zookeeper 的一致性

Zookeeper 身为分布式系统协调服务，为了防止单机挂掉的情况，Zookeeper 维护了一个集群。

Zookeeper Service 集群是一主多从结构。

在更新数据时，首先更新到主节点（这里的节点指的是服务器，不是 Znode），在同步到从节点。

在读取数据时，直接读取任意从节点。

为了保证主从节点的数据一致性，Zookeeper 采用 ZAB协议，这种协议非常类似于一致性算法那 Paxos 和 Raft。

什么是ZAB协议

Zookeeper Atomic Broadcast，有效解决了 Zookeeper 集群崩溃恢复，以及主从同步数据的问题。

ZAB 协议定义的三种节点状态

• Looking：选举状态。
• Following：Follower节点（从节点）所处的状态。
• Leading：Leader节点（主节点）所处状态。

最大 ZXID

最大 ZXID 也就是节点本地的最新事务编号，包含 epoch 和计数两部分。epoch是纪元的意思，相当于Raft算法选主时候的 term。

ZAB 崩溃恢复

加入 Zookeeper 当前主节点挂掉了，集群会进行奔溃恢复。ZAB 的奔溃恢复分成三个阶段：

• Leader Election

  1. 选举阶段，此时集群中的节点处于 Looking 状态。它们会向其他节点发起投票，投票当中包含自己的服务器ID 和最新事务ID（ZXID）。
  2. 接下来，节点会用自身的 ZXID 和从其他节点接收到的 ZXID 作比较，如果发现别人家的 ZXID 比自己大，也就是数据比自己新，那么就重新发起投票，投票给目前已知最大的ZXID所属节点。
  3. 每次投票后，服务器都会统计投票数量，判断是否有某个节点得到半数以上的投票。如果存在这样的节点，该节点就会成为准 Leader，状态变成 Leading。其他节点的状态变为 Following。

• Discovery

  发现阶段，用于在从节点中发现最新的 ZXID和事务日志（为了防止某些意外的情况，比如因网络原因在上一阶段产生了多个Leader的情况）。

  1. 在这一阶段，Leader 集思广益，接受所有Follower发来各自的最新 epoch 值。Leader从中选出最大的epoch，基于此值加 1，生成新的 epoch 分发给各个 Follower。
  2. 各个 Follower 收到全新的 epoch 后，返回 ACK 给Leader，带上各自最大的 ZXID 和历史事务日志。Leader 选出最大的ZXID，并更新自身历史日志。

• Synchronization

  同步阶段，把 Leader 刚才收集得到的最新历史事务日志，同步给集群中所有的 Follower。只有当半数 Follower 同步成功，这个准 Leader 才能成为正式的 Leader。

  自此，故障恢复正式完成。

ZAB 的数据写入

ZAB 的数据写入涉及到 Broadcast 阶段，简单来说，就是 Zookeeper 常规情况下更新数据的时候，由 Leader 广播到所有的 Follower。其过程如下：

• 客户端发出写入数据请求给任意 Follower。
• Follower 把写入数据请求转发给 Leader。
• Leader 采用二阶段提交方式，先发送 Propose 广播给 Follower。
• Follower 接收到 Propose 消息，写入日志成功后，返回 ACK 消息给 Leader。
• Leader 接收到半数以上 ACK 消息，返回成功给客户端，并且广播 Commit 请求给 Follower。

总结

ZAB 协议既不是强一致性，也不是若一致性，而是处于两者之间的单调一致性（顺序一致性）。它依靠事务 ID 和版本号，保证了数据的更新和读取是有序的。

Zookeeper 的应用场景

分布式锁

利用 Zookeeper 的临时顺序节点，可以轻松实现分布式锁。

服务注册和发现

利用 Znode 和 Watcher，可以实现分布式服务的注册和发现。

共享配置和状态信息

Redis 的分布式解决方案 Codis，就利用了 Zookeeper 来存放数据路由表和 codis-proxy 节点的元信息。同时 codis-config 发起的命令都会通过 Zookeeper 同步到各个存活的 codis-proxy。

此外， Kafka、HBase、Hadoop，也都依靠 Zookeeper 同步节点信息，实现高可用。

Zookeeper 分布式锁

什么是临时顺序节点

Zookeeper 的数据结构就像一棵树，这棵树由节点组成，这种节点叫做 Znode。

Znode 分为四种类型：

• 持久节点 Persistent

  默认的节点类型。创建节点的客户端与 Zookeeper 断开连接后，该节点依旧存在。

• 持久节点顺序节点 Persistent_Sequential

  所谓顺序节点，就是在创建节点时，Zookeeper 根据创建的时间顺序给该节点名称进行编号。

• 临时节点 Ephemeral

  与持久节点相反，当创建节点的客户端与 Zookeeper 断开连接后，临时节点会被删除。

• 临时顺序节点 Ephemeral_Sequential

  临时顺序节点结合 临时节点和顺序节点的特点：在创建节点时，Zookeeper 根据创建的时间顺序给该节点名称进行编号；当创建节点的客户端与 Zookeeper 断开连接后，临时节点会被删除。

Zookeeper 分布式锁的原理

获取锁

• 首先，在 Zookeeper 当中创建一个持久节点 ParentLock。当第一个客户端想要获得锁时，需要在 ParentLock 这个节点下面创建一个临时顺序节点 Lock1。
• 之后，Client1 查找 ParentLock 下面所有的临时顺序节点并排序，判断自己所创建的节点 Lock1 是不是顺序最靠前的一个。如果是第一个节点，则成功获得锁。
• 这时候，如果再有一个客户端 Client2 前来获取锁，则在 ParentLock 下再创建一个临时顺序节点 Lock2。
• Client2 查找 ParentLock 下面所有的临时顺序节点并排序，判断自己所创建的节点 Lock2 是不是顺序最靠前的一个，结果发现 Lock2 并不是最小的。
• 于是，Client2 向排序仅比它靠前的节点 Lock1 注册 Watcher，用于监听 Lock1 节点是否存在。这意味着 Client2 抢锁失败，进入了等待状态。
• 这时候，如果又有一个客户端 Client3 前来获取锁，则在 ParentLock 下载再创建一个临时顺序节点 Lock3。
• Client3 查找 ParentLock 下面所有的临时顺序节点并排序，判断自己所创建的节点 Lock3 是不是顺序最靠前的一个，结果同样发现节点 Lock3 并不是最小的。
• 于是，Client3 向排序仅比它靠前的节点 Lock2 注册 Watcher，用于监听 Lock2 节点是否存在。这意味着 Client3 同样抢锁失败，进入了等待状态。
• 这样一来，Client1 得到了锁，Client2 监听了 Lock1，Client3 监听了 Lock2。这恰恰形成了一个等待队列。

释放锁

释放锁的分为两种情况：

任务完成，客户端显示释放

当任务完成时，Client1 会显示调用删除节点 Lock1 的指令。

任务执行过程中，客户端崩溃

• 获得锁的 Client1 在执行任务过程中，如果崩溃，则会断开与 Zookeeper 服务端的链接。根据临时节点的特性，相关联的节点 Lock1 会随之自动删除。

• 由于 Client2 一致监听着 Lock1 的存在状态，当 Lock1 节点被删除， Client2 会立即收到通知。

• 这时候Client2 会再次查询 ParentLock 下面的所有节点，确认自己创建的 Lock2 是不是目前最小的节点。如果是最小，则 Client2 顺理成章地获得了锁。

Zookeeper 和 Redis 分布式锁的比较

本文整理自 (https://www.funtl.com/zh/apache-dubbo-zookeeper/)

Zookeep 分布式锁

标签：选择   比较   获取   get   版本号   head   需要   img   失败   

原文地址：https://www.cnblogs.com/jianminglin/p/11442105.html