前言

基于Redis使用分布式鎖在當今已經不是什么新鮮事了。本篇文章主要是基于我們實際項目中因為redis分布式鎖造成的事故分析及解決方案。

背景：我們項目中的搶購訂單采用的是分布式鎖來解決的。有一次，運營做了一個飛天茅臺的搶購活動，庫存100瓶，但是卻超賣了！要知道，這個地球上飛天茅臺的稀缺性啊！！！事故定為P0級重大事故...只能坦然接受。整個項目組被扣績效了~~事故發生后，CTO指名點姓讓我帶頭沖鋒來處理，好吧，沖~

事故現場

經過一番了解后，得知這個搶購活動接口以前從來沒有出現過這種情況，但是這次為什么會超賣呢？原因在于：之前的搶購商品都不是什么稀缺性商品，而這次活動居然是飛天茅臺，通過埋點數據分析，各項數據基本都是成倍增長，活動熱烈程度可想而知！話不多說，直接上核心代碼，機密部分做了偽代碼處理。。。

public?SeckillActivityRequestVO?seckillHandle(SeckillActivityRequestVO?request)?{ SeckillActivityRequestVO?response;String?key?=?"key:"?+?request.getSeckillId;try?{Boolean?lockFlag?=?redisTemplate.opsForValue().setIfAbsent(key,?"val",?10,?TimeUnit.SECONDS);if?(lockFlag)?{//?HTTP請求用戶服務進行用戶相關的校驗//?用戶活動校驗//?庫存校驗Object?stock?=?redisTemplate.opsForHash().get(key+":info",?"stock");assert?stock?!=?null;if?(Integer.parseInt(stock.toString())?<=?0)?{//?業務異常}?else?{redisTemplate.opsForHash().increment(key+":info",?"stock",?-1);//?生成訂單//?發布訂單創建成功事件//?構建響應VO}}}?finally?{//?釋放鎖stringRedisTemplate.delete("key");//?構建響應VO}return?response; }

以上代碼，通過分布式鎖過期時間有效期10s來保障業務邏輯有足夠的執行時間；采用try-finally語句塊保證鎖一定會及時釋放。業務代碼內部也對庫存進行了校驗。看起來很安全啊~ ?別急，繼續分析。。。

事故原因

飛天茅臺搶購活動吸引了大量新用戶下載注冊我們的APP，其中，不乏很多羊毛黨，采用專業的手段來注冊新用戶來薅羊毛和刷單。當然我們的用戶系統提前做好了防備，接入阿里云人機驗證、三要素認證以及自研的風控系統等各種十八般武藝，擋住了大量的非法用戶。此處不禁點個贊~但也正因如此，讓用戶服務一直處于較高的運行負載中。搶購活動開始的一瞬間，大量的用戶校驗請求打到了用戶服務。導致用戶服務網關出現了短暫的響應延遲，有些請求的響應時長超過了10s，但由于HTTP請求的響應超時我們設置的是30s，這就導致接口一直阻塞在用戶校驗那里，10s后，分布式鎖已經失效了，此時有新的請求進來是可以拿到鎖的，也就是說鎖被覆蓋了。這些阻塞的接口執行完之后，又會執行釋放鎖的邏輯，這就把其他線程的鎖釋放了，導致新的請求也可以競爭到鎖~這真是一個極其惡劣的循環。這個時候只能依賴庫存校驗，但是偏偏庫存校驗不是非原子性的，采用的是get and compare?的方式，超賣的悲劇就這樣發生了~~~

事故分析

仔細分析下來，可以發現，這個搶購接口在高并發場景下，是有嚴重的安全隱患的，主要集中在三個地方：

• 沒有其他系統風險容錯處理由于用戶服務吃緊，網關響應延遲，但沒有任何應對方式，這是超賣的導火索。

• 看似安全的分布式鎖其實一點都不安全雖然采用了set key value [EX seconds] [PX milliseconds] [NX|XX]的方式，但是如果線程A執行的時間較長沒有來得及釋放，鎖就過期了，此時線程B是可以獲取到鎖的。當線程A執行完成之后，釋放鎖，實際上就把線程B的鎖釋放掉了。這個時候，線程C又是可以獲取到鎖的，而此時如果線程B執行完釋放鎖實際上就是釋放的線程C設置的鎖。這是超賣的直接原因。

• 非原子性的庫存校驗非原子性的庫存校驗導致在并發場景下，庫存校驗的結果不準確。這是超賣的根本原因。

通過以上分析，問題的根本原因在于庫存校驗嚴重依賴了分布式鎖。因為在分布式鎖正常set、del的情況下，庫存校驗是沒有問題的。但是，當分布式鎖不安全可靠的時候，庫存校驗就沒有用了。

解決方案

知道了原因之后，我們就可以對癥下藥了。

實現相對安全的分布式鎖

相對安全的定義：set、del是一一映射的，不會出現把其他現成的鎖del的情況。從實際情況的角度來看，即使能做到set、del一一映射，也無法保障業務的絕對安全。因為鎖的過期時間始終是有界的，除非不設置過期時間或者把過期時間設置的很長，但這樣做也會帶來其他問題。故沒有意義。要想實現相對安全的分布式鎖，必須依賴key的value值。在釋放鎖的時候，通過value值的唯一性來保證不會勿刪。我們基于LUA腳本實現原子性的get and compare，如下：

public?void?safedUnLock(String?key,?String?val)?{String?luaScript?=?"local?in?=?ARGV[1]?local?curr=redis.call('get',?KEYS[1])?if?in==curr?then?redis.call('del',?KEYS[1])?end?return?'OK'"";RedisScript<String>?redisScript?=?RedisScript.of(luaScript);redisTemplate.execute(redisScript,?Collections.singletonList(key),?Collections.singleton(val)); }

我們通過LUA腳本來實現安全地解鎖。

實現安全的庫存校驗

如果我們對于并發有比較深入的了解的話，會發現想 get and compare/ read and save 等操作，都是非原子性的。如果要實現原子性，我們也可以借助LUA腳本來實現。但就我們這個例子中，由于搶購活動一單只能下1瓶，因此可以不用基于LUA腳本實現而是基于redis本身的原子性。原因在于：

//?redis會返回操作之后的結果，這個過程是原子性的 Long?currStock?=?redisTemplate.opsForHash().increment("key",?"stock",?-1);

發現沒有，代碼中的庫存校驗完全是“畫蛇添足”。

改進之后的代碼

經過以上的分析之后，我們決定新建一個DistributedLocker類專門用于處理分布式鎖。

public?SeckillActivityRequestVO?seckillHandle(SeckillActivityRequestVO?request)?{ SeckillActivityRequestVO?response;String?key?=?"key:"?+?request.getSeckillId();String?val?=?UUID.randomUUID().toString();try?{Boolean?lockFlag?=?distributedLocker.lock(key,?val,?10,?TimeUnit.SECONDS);if?(!lockFlag)?{//?業務異常}//?用戶活動校驗//?庫存校驗，基于redis本身的原子性來保證Long?currStock?=?stringRedisTemplate.opsForHash().increment(key?+?":info",?"stock",?-1);if?(currStock?<?0)?{?//?說明庫存已經扣減完了。//?業務異常。log.error("[搶購下單]?無庫存");}?else?{//?生成訂單//?發布訂單創建成功事件//?構建響應}}?finally?{distributedLocker.safedUnLock(key,?val);//?構建響應}return?response; }

深度思考

分布式鎖有必要么

改進之后，其實可以發現，我們借助于redis本身的原子性扣減庫存，也是可以保證不會超賣的。對的。但是如果沒有這一層鎖的話，那么所有請求進來都會走一遍業務邏輯，由于依賴了其他系統，此時就會造成對其他系統的壓力增大。這會增加的性能損耗和服務不穩定性，得不償失。基于分布式鎖可以在一定程度上攔截一些流量。

分布式鎖的選型

有人提出用RedLock來實現分布式鎖。RedLock的可靠性更高，但其代價是犧牲一定的性能。在本場景，這點可靠性的提升遠不如性能的提升帶來的性價比高。如果對于可靠性極高要求的場景，則可以采用RedLock來實現。

再次思考分布式鎖有必要么

由于bug需要緊急修復上線，因此我們將其優化并在測試環境進行了壓測之后，就立馬熱部署上線了。實際證明，這個優化是成功的，性能方面略微提升了一些，并在分布式鎖失效的情況下，沒有出現超賣的情況。然而，還有沒有優化空間呢？有的！由于服務是集群部署，我們可以將庫存均攤到集群中的每個服務器上，通過廣播通知到集群的各個服務器。網關層基于用戶ID做hash算法來決定請求到哪一臺服務器。這樣就可以基于應用緩存來實現庫存的扣減和判斷。性能又進一步提升了！

//?通過消息提前初始化好，借助ConcurrentHashMap實現高效線程安全 private?static?ConcurrentHashMap<Long,?Boolean>?SECKILL_FLAG_MAP?=?new?ConcurrentHashMap<>(); //?通過消息提前設置好。由于AtomicInteger本身具備原子性，因此這里可以直接使用HashMap private?static?Map<Long,?AtomicInteger>?SECKILL_STOCK_MAP?=?new?HashMap<>();...public?SeckillActivityRequestVO?seckillHandle(SeckillActivityRequestVO?request)?{ SeckillActivityRequestVO?response;Long?seckillId?=?request.getSeckillId();if(!SECKILL_FLAG_MAP.get(requestseckillId))?{//?業務異常}//?用戶活動校驗//?庫存校驗if(SECKILL_STOCK_MAP.get(seckillId).decrementAndGet()?<?0)?{SECKILL_FLAG_MAP.put(seckillId,?false);//?業務異常}//?生成訂單//?發布訂單創建成功事件//?構建響應return?response; }

通過以上的改造，我們就完全不需要依賴redis了。性能和安全性兩方面都能進一步得到提升！當然，此方案沒有考慮到機器的動態擴容、縮容等復雜場景，如果還要考慮這些話，則不如直接考慮分布式鎖的解決方案。

總結

稀缺商品超賣絕對是重大事故。如果超賣數量多的話，甚至會給平臺帶來非常嚴重的經營影響和社會影響。經過本次事故，讓我意識到對于項目中的任何一行代碼都不能掉以輕心，否則在某些場景下，這些正常工作的代碼就會變成致命殺手！對于一個開發者而言，則設計開發方案時，一定要將方案考慮周全。怎樣才能將方案考慮周全？唯有持續不斷地學習！

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的因 Redis 分布式锁造成的 P0 级重大事故，整个项目组被扣了绩效。。。的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。