如何将分布式锁封装的更优雅

分布式锁通常有很多选择，基于 Redis 的，基于 Zookeeper 的，基于数据库等等方案。

Redis 用于缓存数据，在项目中都有使用，所以使用 Redis 来做分布式锁的会稍微多些。

如果用 Redis 来做锁，可以直接用开源的方案，比如redisson。

最常见的使用方式如下所示：

  

   
RLock lock = redisson.getLock("anyLock");
   
lock.lock();
   
run();
   
lock.unlock();
  

获取锁对象，调用 lock()加锁，执行业务逻辑，调用 unlock()释放锁。

尽管框架提供的使用方式已经很简洁了，但是我们还是有必要对锁做一层包装。做包装的目的是为了提高扩展性和易用性。

抽象接口

如果说我们直接使用 redisson 的原生 API 做加锁，那么很多地方都会出现 RLock 相关的代码，突然有一天，由于某些原因，需要将锁进行替换，这个时候改动的范围就比较大了。每个使用了 RLock 的地方都得改。

如下图：很多 Service 都用到了 RLock.lock()方法，当我们需要替换锁的时候，所有涉及到的类和方法都得修改，改动的点如红色部分所示。

所以我们需要做一层抽象，可以定义一个 DistributedLock 接口来提供锁相关的能力，提供多种实现，这样方便替换和扩展。

如下图：每个 Service 中都是用的 DistributedLock 接口来加锁，当我们需要替换锁的实现时，使用的地方不需要改动，只需要替换 DistributedLock 的实现即可。

自动释放

自动释放指的是对于加锁之后，业务逻辑执行完毕需要自动关闭锁。按照前面 Redisson 的方式我们需要手动调用 unlock()来释放持有的锁。

当然 Redisson 也提供了超时释放的功能，正常情况下肯定是业务执行完毕就要释放锁了，同一个锁的下个请求才能继续接着处理。

手动释放资源最容易出现的问题就是忘记释放，所以在 JDK7 中引入了 try-with-resources 来自动释放资源，相信大家都很熟悉。

所以我们在封装的时候，尽量不要让使用者去手动释放，减少出错的概率。对于有结果的我们可以使用 Supplier 来传递你的逻辑，对于没有返回结果的可以用 Runnable 来传递你的逻辑。

  

   
/**
   
 * 加锁
   
 * @param key 锁Key
   
 * @param waitTime 尝试加锁，等待时间 (ms)
   
 * @param leaseTime 上锁后的失效时间 (ms)
   
 * @param success 锁成功执行的逻辑
   
 * @param fail 锁失败执行的逻辑
   
 * @return
   
 */
   
<T> T lock(String key, int waitTime, int leaseTime, Supplier<T> success, Supplier<T> fail);
  

使用：

  

   
String result = distributedLock.lock("1001", 1000, () -> {
   
    System.out.println("进来了。。。。");
   
    try {
   
        Thread.sleep(1000);
   
    } catch (InterruptedException e) {
   
        e.printStackTrace();
   
    }
   
    return "success";
   
}, () -> {
   
    System.out.println("加锁失败。。。。");
   
    return "fail";
   
});
  

容灾处理

另一个需要注意的问题就是锁的可用性，万一对应的 Redis 出问题了，这个时候去加锁肯定会失败，如果不做任何处理，就会影响正常的业务操作，导致业务不可用。

我们除了实现 Redis 的锁之外，还可以实现其他的锁，比如数据库锁。当 Redis 锁不可用的时候降级为数据库锁，虽然性能有所影响，但是不会影响业务。

如果数据库锁也不可用了（题外话：所有都不可用可能性非常小），那还是让业务操作失败比较好。因为我们用加锁的场景，肯定是为了防止并发场景带来的问题，如果当锁不可用时，你将异常消费了，让业务操作继续下去，就有可能出现没有加锁的业务问题。

当然监控也非常需要，Redis, 数据库等监控。在出故障的时候，及时有人员介入。

监控体系

Redis, 数据库，Zookeeper 这些承载分布式实现的中间件的监控肯定是必须要有的。另一个监控就是更细粒度的对应锁这个动作的监控。

比如加锁的时间，释放锁的时间，在锁里面执行业务的时间，锁的并发量，执行次数，加锁失败的次数。

这些数据指标都非常重要，能够帮助你及时发现问题。比如 10 秒内几百次加锁失败，都降级成了数据库锁，这个时候你收到了警报，一看就知道 Redis 出问题了，及时解决。

监控方式就随便了，每个公司都不一样，你可以暴露数据给 Prometheus 抓取，也可以集成 Cat 做好埋点，只要能监控，能告警就可以了。

关于作者：尹吉欢，简单的技术爱好者，《Spring Cloud 微服务-全栈技术与案例解析》, 《Spring Cloud 微服务 入门 实战与进阶》作者, 公众号猿天地发起人。

我整理了一份很全的学习资料，感兴趣的可以微信搜索「猿天地」，回复关键字 「学习资料」获取我整理好了的 Spring Cloud，Spring Cloud Alibaba，Sharding-JDBC 分库分表，任务调度框架 XXL-JOB，MongoDB，爬虫等相关资料。