本篇内容主要讲解“如何理解分布式锁的场景”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“如何理解分布式锁的场景”吧!
秒杀场景案例
对于商品秒杀的场景，我们需要防止库存超卖或者重复扣款等并发问题，我们通常需要使用分布式锁，来解决共享资源竞争导致数据不一致的问题。
以手机秒杀的场景为例子，在抢购的过程中通常我们有三个步骤：
扣掉对应商品的库存;2. 创建商品的订单;3. 用户支付。
对于这样的场景我们就可以采用分布式锁的来解决，比如我们在用户进入秒杀 “下单“ 链接的过程中，我们可以对商品库存进行加锁，然后完成扣库存和其他操作，操作完成后。释放锁，让下一个用户继续进入保证库存的安全性;也可以减少因为秒杀失败，导致 DB 回滚的次数。整个流程如下图所示：
注：对于锁的粒度要根据具体的场景和需求来权衡。
三种分布式锁
对于 Zookeeper 的分布式锁实现，主要是利用 Zookeeper 的两个特征来实现：
鸿蒙官方战略合作共建——HarmonyOS技术社区
Zookeeper 的一个节点不能被重复创建
Zookeeper 的 Watcher 监听机制
非公平锁
对于非公平锁，我们在加锁的过程如下图所示。
优点和缺点
其实上面的实现有优点也有缺点：
优点：
实现比较简单，有通知机制，能提供较快的响应，有点类似 ReentrantLock 的思想，对于节点删除失败的场景由 Session 超时保证节点能够删除掉。
缺点：
重量级，同时在大量锁的情况下会有 “惊群” 的问题。
“惊群” 就是在一个节点删除的时候，大量对这个节点的删除动作有订阅 Watcher 的线程会进行回调，这对Zk集群是十分不利的。所以需要避免这种现象的发生。
解决“惊群”：
为了解决“惊群“问题，我们需要放弃订阅一个节点的策略，那么怎么做呢?
鸿蒙官方战略合作共建——HarmonyOS技术社区
我们将锁抽象成目录，多个线程在此目录下创建瞬时的顺序节点，因为 Zookeeper 会为我们保证节点的顺序性，所以可以利用节点的顺序进行锁的判断。
首先创建顺序节点，然后获取当前目录下最小的节点，判断最小节点是不是当前节点，如果是那么获取锁成功，如果不是那么获取锁失败。
获取锁失败的节点获取当前节点上一个顺序节点，对此节点注册监听，当节点删除的时候通知当前节点。
当unlock的时候删除节点之后会通知下一个节点。
公平锁
基于非公平锁的缺点，我们可以通过一下的方案来规避。
优点和缺点
优点： 如上借助于临时顺序节点，可以避免同时多个节点的并发竞争锁，缓解了服务端压力。
缺点： 对于读写场景来说，无法解决一致性的问题，如果读的时候也去获取锁的话，这样会导致性能下降，对于这样的问题，我们可以通过读写锁来实现如类似 jdk 中的 ReadWriteLock
读写锁实现
对于读写锁的特点：读写锁在如果多个线程都是在读的时候，是可以并发读的，就是一个无锁的状态，如果有写锁正在操作的时候，那么读锁需要等待写锁。在加写锁的时候，由于前面的读锁都是并发，所以需要监听最后一个读锁完成后执行写锁。步骤如下：
鸿蒙官方战略合作共建——HarmonyOS技术社区
read 请求， 如果前面是读锁，可以直接读取，不需要监听。如果前面是一个或者多个写锁那么只需要监听最后一个写锁。
write 请求，只需要对前面的节点监听。Watcher 机制和互斥锁一样。
分布式锁实战
本文源码中使用环境：JDK 1.8 、Zookeeper 3.6.x
Curator 组件实现
POM 依赖
<dependency> <groupId>org.apache.curator</groupId> <artifactId>curator-framework</artifactId> <version>2.13.0</version> </dependency> <dependency> <groupId>org.apache.curator</groupId> <artifactId>curator-recipes</artifactId> <version>2.13.0</version> </dependency>
互斥锁运用
由于 Zookeeper 非公平锁的 “惊群” 效应，非公平锁在 Zookeeper 中其实并不是最好的选择。下面是一个模拟秒杀的例子来使用 Zookeeper 分布式锁。
public class MutexTest { static ExecutorService executor = Executors.newFixedThreadPool(8); static AtomicInteger stock = new AtomicInteger(3); public static void main(String[] args) throws InterruptedException { CuratorFramework client = getZkClient(); String key = "/lock/lockId_111/111"; final InterProcessMutex mutex = new InterProcessMutex(client, key); for (int i = 0; i < 99; i++) { executor.submit(() -> { if (stock.get() < 0) { System.err.println("库存不足, 直接返回"); return; } try { boolean acquire = mutex.acquire(200, TimeUnit.MILLISECONDS); if (acquire) { int s = stock.decrementAndGet(); if (s < 0) { System.err.println("进入秒杀，库存不足"); } else { System.out.println("购买成功, 剩余库存: " + s); } } } catch (Exception e) { e.printStackTrace(); } finally { try { if (mutex.isAcquiredInThisProcess()) mutex.release(); } catch (Exception e) { e.printStackTrace(); } } }); } while (true) { if (executor.isTerminated()) { executor.shutdown(); System.out.println("秒杀完毕剩余库存为:" + stock.get()); } TimeUnit.MILLISECONDS.sleep(100); } } private static CuratorFramework getZkClient() { String zkServerAddress = "127.0.0.1:2181"; ExponentialBackoffRetry retryPolicy = new ExponentialBackoffRetry(1000, 3, 5000); CuratorFramework zkClient = CuratorFrameworkFactory.builder() .connectString(zkServerAddress) .sessionTimeoutMs(5000) .connectionTimeoutMs(5000) .retryPolicy(retryPolicy) .build(); zkClient.start(); return zkClient; } }读写锁运用
读写锁可以用来保证缓存双写的强一致性的，因为读写锁在多线程读的时候是无锁的， 只有在前面有写锁的时候才会等待写锁完成后访问数据。
public class ReadWriteLockTest { static ExecutorService executor = Executors.newFixedThreadPool(8); static AtomicInteger stock = new AtomicInteger(3); static InterProcessMutex readLock; static InterProcessMutex writeLock; public static void main(String[] args) throws InterruptedException { CuratorFramework client = getZkClient(); String key = "/lock/lockId_111/1111"; InterProcessReadWriteLock readWriteLock = new InterProcessReadWriteLock(client, key); readLock = readWriteLock.readLock(); writeLock = readWriteLock.writeLock(); for (int i = 0; i < 16; i++) { executor.submit(() -> { try { boolean read = readLock.acquire(2000, TimeUnit.MILLISECONDS); if (read) { int num = stock.get(); System.out.println("读取库存，当前库存为: " + num); if (num < 0) { System.err.println("库存不足, 直接返回"); return; } } } catch (Exception e) { e.printStackTrace(); }finally { if (readLock.isAcquiredInThisProcess()) { try { readLock.release(); } catch (Exception e) { e.printStackTrace(); } } } try { boolean acquire = writeLock.acquire(2000, TimeUnit.MILLISECONDS); if (acquire) { int s = stock.get(); if (s <= 0) { System.err.println("进入秒杀，库存不足"); } else { s = stock.decrementAndGet(); System.out.println("购买成功, 剩余库存: " + s); } } } catch (Exception e) { e.printStackTrace(); } finally { try { if (writeLock.isAcquiredInThisProcess()) writeLock.release(); } catch (Exception e) { e.printStackTrace(); } } }); } while (true) { if (executor.isTerminated()) { executor.shutdown(); System.out.println("秒杀完毕剩余库存为:" + stock.get()); } TimeUnit.MILLISECONDS.sleep(100); } } private static CuratorFramework getZkClient() { String zkServerAddress = "127.0.0.1:2181"; ExponentialBackoffRetry retryPolicy = new ExponentialBackoffRetry(1000, 3, 5000); CuratorFramework zkClient = CuratorFrameworkFactory.builder() .connectString(zkServerAddress) .sessionTimeoutMs(5000) .connectionTimeoutMs(5000) .retryPolicy(retryPolicy) .build(); zkClient.start(); return zkClient; } }打印结果如下，一开始会有 8 个输出结果为 读取库存，当前库存为: 3 然后在写锁中回去顺序的扣减少库存。
读取库存，当前库存为: 3 读取库存，当前库存为: 3 读取库存，当前库存为: 3 读取库存，当前库存为: 3 读取库存，当前库存为: 3 读取库存，当前库存为: 3 读取库存，当前库存为: 3 读取库存，当前库存为: 3 购买成功, 剩余库存: 2 购买成功, 剩余库存: 1 购买成功, 剩余库存: 0 进入秒杀，库存不足 进入秒杀，库存不足 进入秒杀，库存不足 进入秒杀，库存不足 进入秒杀，库存不足 读取库存，当前库存为: 0 读取库存，当前库存为: 0 读取库存，当前库存为: 0 读取库存，当前库存为: 0 读取库存，当前库存为: 0 读取库存，当前库存为: 0 读取库存，当前库存为: 0 读取库存，当前库存为: 0 进入秒杀，库存不足 进入秒杀，库存不足 进入秒杀，库存不足 进入秒杀，库存不足 进入秒杀，库存不足 进入秒杀，库存不足 进入秒杀，库存不足 进入秒杀，库存不足
分布式锁的选择
咱们最常用的就是 Redis 的分布式锁和 Zookeeper 的分布式锁，在性能方面 Redis 的每秒钟 TPS 可以上轻松上万。在大规模的高并发场景我推荐使用 Redis 分布式锁来作为推荐的技术方案。如果对并发要求不是特别高的场景可以使用 Zookeeper 分布式来处理。
到此，相信大家对“如何理解分布式锁的场景”有了更深的了解，不妨来实际操作一番吧！这里是天达云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！