點贊再看，養成習慣，微信搜索【三太子敖丙】關注這個互聯網苟且偷生的工具人。
本文 GitHub https://github.com/JavaFamily 已收錄，有一線大廠面試完整考點、資料以及我的系列文章。
前言
鎖我想不需要我過多的去說，大家都知道是怎么一回事了吧？
在多線程環境下，由於上下文的切換，數據可能出現不一致的情況或者數據被污染，我們需要保證數據安全，所以想到了加鎖。
所謂的加鎖機制呢，就是當一個線程訪問該類的某個數據時，進行保護，其他線程不能進行訪問，直到該線程讀取完，其他線程才可使用。
還記得我之前說過Redis在分布式的情況下，需要對存在並發競爭的數據進行加鎖，老公們十分費解，Redis是單線程的嘛？為啥還要加鎖呢？
看來老公們還是年輕啊，你說的不需要加鎖的情況是這樣的：
單個服務去訪問Redis的時候，確實因為Redis本身單線程的原因是不用考慮線程安全的，但是，現在有哪個公司還是單機的呀？肯定都是分布式集群了嘛。
老公們你看下這樣的場景是不是就有問題了：
你們經常不是說秒殺嘛，拿到庫存判斷，那老婆告訴你分布式情況就是會出問題的。
我們為了減少DB的壓力，把庫存預熱到了KV，現在KV的庫存是1。
- 服務A去Redis查詢到庫存發現是1，那說明我能搶到這個商品對不對，那我就准備減一了，但是還沒減。
- 同時服務B也去拿發現也是1，那我也搶到了呀，那我也減。
- C同理。
- 等所有的服務都判斷完了，你發現誒，怎么變成-2了，超賣了呀，這下完了。
老公們是不是發現問題了，這就需要分布式鎖的介入了，我會分三個章節去分別介紹分布式鎖的三種實現方式（Zookeeper，Redis，MySQL），說出他們的優缺點，以及一般大廠的實踐場景。
正文
一個騷里騷氣的面試官啥也沒拿的就走了進來，你一看，這不是你老婆嘛，你正准備叫他的時候，發現他一臉嚴肅，死鬼還裝嚴肅，肯定會給我放水的吧。
B站搜：三太子敖丙 咳咳，我們啥也不說了，開始今天的面試吧。
正常線程進程同步的機制有哪些？
- 互斥：互斥的機制，保證同一時間只有一個線程可以操作共享資源 synchronized，Lock等。
- 臨界值：讓多線程串行話去訪問資源
- 事件通知：通過事件的通知去保證大家都有序訪問共享資源
- 信號量：多個任務同時訪問，同時限制數量，比如發令槍CDL，Semaphore等
那分布式鎖你了解過有哪些么？
分布式鎖實現主要以Zookeeper（以下簡稱zk）、Redis、MySQL這三種為主。
那先跟我聊一下zk吧，你能說一下他常見的使用場景么？
他主要的應用場景有以下幾個：
- 服務注冊與訂閱（共用節點）
- 分布式通知（監聽znode）
- 服務命名（znode特性）
- 數據訂閱、發布（watcher）
- 分布式鎖（臨時節點）
zk是啥？
他是個數據庫，文件存儲系統，並且有監聽通知機制（觀察者模式）
存文件系統，他存了什么？
節點
zk的節點類型有4大類
持久化節點（zk斷開節點還在）
持久化順序編號目錄節點
臨時目錄節點（客戶端斷開后節點就刪除了）
臨時目錄編號目錄節點
節點名稱都是唯一的。
節點怎么創建？
我特么，這樣問的么？可是我面試只看了分布式鎖，我得好好想想！！！
還好我之前在自己的服務器搭建了一個zk的集群，我剛好跟大家回憶一波。
create /test laogong // 創建永久節點
那臨時節點呢？
create -e /test laogong // 創建臨時節點
臨時節點就創建成功了，如果我斷開這次鏈接，這個節點自然就消失了，這是我的一個zk管理工具，目錄可能清晰點。
如何創建順序節點呢？
create -s /test // 創建順序節點
臨時順序節點呢？
我想聰明的老公都會搶答了
create -e -s /test // 創建臨時順序節點
我退出后，重新連接，發現剛才創建的所有臨時節點都沒了。
開篇演示這么多呢，我就是想給大家看到的zk大概的一個操作流程和數據結構，中間涉及的搭建以及其他的技能我就不說了，我們重點聊一下他在分布式鎖中的實現。
zk就是基於節點去實現各種分布式鎖的。
就拿開頭的場景來說，zk應該怎么去保證分布式情況下的線程安全呢？並發競爭他是怎么控制的呢？
為了模擬並發競爭這樣一個情況，我寫了點偽代碼，大家可以先看看
我定義了一個庫存inventory值為1，還用到了一個CountDownLatch發令槍，等10個線程都就緒了一起去扣減庫存。
是不是就像10台機器一起去拿到庫存，然后扣減庫存了？
所有機器一起去拿，發現都是1，那大家都認為是自己搶到了，都做了減一的操作，但是等所有人都執行完，再去set值的時候，發現其實已經超賣了，我打印出來給大家看看。
是吧，這還不是超賣一個兩個的問題，超賣7個都有，代碼里面明明判斷了庫存大於0才去減的，怎么回事開頭我說明了。
那怎么解決這個問題？
sync，lock也只能保證你當前機器線程安全，這樣分布式訪問還是有問題。
上面跟大家提到的zk的節點就可以解決這個問題。
zk節點有個唯一的特性，就是我們創建過這個節點了，你再創建zk是會報錯的，那我們就利用一下他的唯一性去實現一下。
怎么實現呢？
上面不是10個線程嘛？
我們全部去創建，創建成功的第一個返回true他就可以繼續下面的扣減庫存操作，后續的節點訪問就會全部報錯，扣減失敗，我們把它們丟一個隊列去排隊。
那怎么釋放鎖呢？
刪除節點咯，刪了再通知其他的人過來加鎖，依次類推。
我們實現一下，zk加鎖的場景。
是不是，只有第一個線程能扣減成功，其他的都失敗了。
但是你發現問題沒有，你加了鎖了，你得釋放啊，你不釋放后面的報錯了就不重試了。
那簡單，刪除鎖就釋放掉了，Lock在finally里面unLock，現在我們在finally刪除節點。
加鎖我們知道創建節點就夠了，但是你得實現一個阻塞的效果呀，那咋搞？
死循環，遞歸不斷去嘗試，直到成功，一個偽裝的阻塞效果。
怎么知道前面的老哥刪除節點了嗯？
監聽節點的刪除事件
但是你發現你這樣做的問題沒？
是的，會出現死鎖。
第一個仔加鎖成功了，在執行代碼的時候，機器宕機了，那節點是不是就不能刪除了？
你要故作沉思，自問自答，時而看看遠方，時而看看面試官，假裝自己什么都不知道。
哦我想起來了，創建臨時節點就好了，客戶端連接一斷開，別的就可以監聽到節點的變化了。
嗯還不錯，那你發現還有別的問題沒？
好像這種監聽機制也不好。
怎么個不好呢？
你們可以看到，監聽，是所有服務都去監聽一個節點的，節點的釋放也會通知所有的服務器，如果是900個服務器呢？
這對服務器是很大的一個挑戰，一個釋放的消息，就好像一個牧羊犬進入了羊群，大家都四散而開，隨時可能干掉機器，會占用服務資源，網絡帶寬等等。
這就是羊群效應。
那怎么解決這個問題？
繼續故作沉思，啊啊啊，好難，我的腦袋。。。。
你TM別裝了好不好？
好的，臨時順序節點，可以順利解決這個問題。
怎么實現老公你先別往下看，先自己想想。
之前說了全部監聽一個節點問題很大，那我們就監聽我們的前一個節點，因為是順序的，很容易找到自己的前后。
和之前監聽一個永久節點的區別就在於，這里每個節點只監聽了自己的前一個節點，釋放當然也是一個個釋放下去，就不會出現羊群效應了。
以上所有代碼我都會開源到我的https://github.com/AobingJava/Thanos其實上面的還有瑕疵，大家可以去拉下來改一下提交pr，我會看合適的會通過的。
你說了這么多，挺不錯的，你能說說ZK在分布式鎖中實踐的一些缺點么？
Zk性能上可能並沒有緩存服務那么高。
因為每次在創建鎖和釋放鎖的過程中，都要動態創建、銷毀瞬時節點來實現鎖功能。
ZK中創建和刪除節點只能通過Leader服務器來執行，然后將數據同步到所有的Follower機器上。（這里涉及zk集群的知識，我就不展開了，以后zk章節跟老公們細聊）
還有么？
使用Zookeeper也有可能帶來並發問題，只是並不常見而已。
由於網絡抖動，客戶端可ZK集群的session連接斷了，那么zk以為客戶端掛了，就會刪除臨時節點，這時候其他客戶端就可以獲取到分布式鎖了。
就可能產生並發問題了，這個問題不常見是因為zk有重試機制，一旦zk集群檢測不到客戶端的心跳，就會重試，Curator客戶端支持多種重試策略。
多次重試之后還不行的話才會刪除臨時節點。
Tip：所以，選擇一個合適的重試策略也比較重要，要在鎖的粒度和並發之間找一個平衡。
有更好的實現么？
基於Redis的分布式鎖
能跟我聊聊么？
我看看了手上的表，老公，今天天色不早了，你全問完了，我怎么多水幾篇文章呢？
行確實很晚了，那你回家去把家務干了吧？
我？？？？
總結
zk通過臨時節點，解決掉了死鎖的問題，一旦客戶端獲取到鎖之后突然掛掉（Session連接斷開），那么這個臨時節點就會自動刪除掉，其他客戶端自動獲取鎖。
zk通過節點排隊監聽的機制，也實現了阻塞的原理，其實就是個遞歸在那無限等待最小節點釋放的過程。
我上面沒實現鎖的可重入，但是也很好實現，可以帶上線程信息就可以了，或者機器信息這樣的唯一標識，獲取的時候判斷一下。
zk的集群也是高可用的，只要半數以上的或者，就可以對外提供服務了。
這周會寫完Redis和數據庫的分布式鎖的，老公們等好。
我是敖丙，一個在互聯網苟且偷生的工具人。
最好的關系是互相成就，老公們的「三連」就是丙丙創作的最大動力，我們下期見！
注：如果本篇博客有任何錯誤和建議，歡迎老公們留言，老公你快說句話啊！
文章持續更新，可以微信搜索「 三太子敖丙 」第一時間閱讀，回復【資料】【面試】【簡歷】有我准備的一線大廠面試資料和簡歷模板，本文 GitHub https://github.com/JavaFamily 已經收錄，有大廠面試完整考點，歡迎Star。
你知道的越多，你不知道的越多