目录

前言

Redisson 分布式锁

环境配置

1）版本说明

2）依赖如下

3）配置文件如下

4）项目配置

RLock

1）使用方式

2）加锁解释

3）加锁时手动设置时间

4）加锁时，到底要不要手动设置过期时间？（最佳实践）

RReadWriteLock

1）使用方式

2）加锁原理

RSemaphore

1）使用方式

2）信号原理

RCountDownLatch

1）使用方式

2）原理解释

---

前言

---

前面讲过一篇 Redisson 分布式锁的底层原理，而这篇文章着重实战，因此对原理不清楚的，可以看看我之前的文章：http://t.csdnimg.cn/LU5ED

 

Redisson 分布式锁

---

环境配置

1）版本说明

• SpringBoot：3.2.5
• Redisson：3.25.0

 

2）依赖如下

<!--        <dependency>-->
<!--            <groupId>org.springframework.boot</groupId>-->
<!--            <artifactId>spring-boot-starter-data-redis</artifactId>-->
<!--        </dependency>--><!--redisson 依赖整合了 StringRedisTemplate，因此 data redis 依赖就可以删除了--><dependency><groupId>org.redisson</groupId><artifactId>redisson-spring-boot-starter</artifactId><version>3.25.0</version></dependency>

 

3）配置文件如下

spring:  data:redis:host: env-baseport: 6379

Ps：实际上还有一种配置方式就是自己配置 RedissonClient 的 Bean，注入给容器

 

4）项目配置

分布式锁带来的效果演示，会通过 jmeter 来进行测试.  服务这边会先通过 网关，在负载均衡到集群的实例上.  因此这里我们来配置一下集群的每个实例信息.

这里为了方便观察，准备了两个实例：

RLock

1）使用方式

如果使用的 Redisson 的 Boot Starter 依赖的话，只需要在 yml 按照本文配置，然后在需要的地方注入 RedissionClient 即可使用（非 Boot Starter 依赖需要自己配置 RedissonClient）.

@RestController 
@RequestMapping("/product/lock")
class Test(private val redisson: RedissonClient
) {@GetMapping("/test1")fun test1(): String {//1.获取一把锁，只要名字一样，就是同一把锁val lock: RLock = redisson.getLock("my-lock")//2.加锁lock.lock()try {println("加锁成功，执行业务..." + Thread.currentThread().id)Thread.sleep(10000) //模拟耗时任务} catch (e: Exception) {e.printStackTrace()} finally {//3.解锁lock.unlock()println("解锁成功！" + Thread.currentThread().id)}return  "ok!"}}

 Ps：除此之外，还有 redisson 的 ReentrantLock 中还提供了 tryLock() 方法有以下两种重载方式

• boolean tryLock()：尝试加锁，如果当前锁被占用，则直接放弃并返回 false.
• boolean tryLock(long time, TimeUnit unit)：如果当前锁被占用，则会等待，知道到达我们设置的过期时间 time 还没拿到锁，就放弃并返回 false.

 

2）加锁解释

a）RLock 就类似于 JUC 中的 ReentrantLock，是一个可重入锁（同一个线程对同一个资源连续加锁两次不会死锁）.

b）加锁实际上就是在 redis 上添加了一个 key-value，并且默认加锁的过期时间为 30s，如下图：

c）如果业务处理实践比默认加锁时间长怎么办？这里会有一个看门狗机制，只要拿到锁，就会开启一个定时任务，每隔 10s 就会自动续约.  因此不用担心业务时间长的问题.  

d）如果代码还没有执行到解锁，程序就挂了，会不会死锁？不会的，锁是有默认的过期时间，即使没有执行到解锁逻辑，锁也会自动删除.（这里我自己测试了一下，貌似新版的 Redisson 中会检测程序是否挂了，如果挂了，就会把这个锁立即删除掉）

3）加锁时手动设置时间

a）使用如下：

b）注意：

如果我们手动指定了过期时间，那么即使业务没有执行完，也不会自动续约.  也就是说，无论如何，到期自动解锁.

4）加锁时，到底要不要手动设置过期时间？（最佳实践）

a）最佳实践：

使用 lock.lock(30, TimeUnit.SECONDS) 手动设置 30s 过期时间.  

b）原因：

如果我们手动设置过期时间，就省掉了续约的操作（有一定的开销）.

再者，真的会有某一个业务逻辑需要执行 30s 的时间么？如果真的有，这个程序大概率是出问题了.  到了 30s 后解锁，反而还避免了 “死等” 问题.

RReadWriteLock

1）使用方式

a）写操作（写锁）

    @GetMapping("/write")fun write(): String {val rwLock: RReadWriteLock = redisson.getReadWriteLock("rw-lock")var result = ""//1.获取写锁val wLock = rwLock.writeLock()//2.写操作用写锁，读操作用读锁wLock.lock()try {Thread.sleep(10000)result = UUID.randomUUID().toString()redisTemplate.opsForValue().set("uuid", result)} catch (e: Exception) {e.printStackTrace()} finally {wLock.unlock()}return "ok! uuid: $result"}

b）读操作（读锁）

    @GetMapping("/read")fun read(): String {val rwLock: RReadWriteLock = redisson.getReadWriteLock("rw-lock")var result: String? = ""//1.获取读锁val rLock = rwLock.writeLock()//2.写操作用写锁，读操作用读锁rLock.lock()try {result = redisTemplate.opsForValue().get("uuid")} catch (e: Exception) {e.printStackTrace()} finally {rLock.unlock()}return "ok! uuid: $result"}

Ps：读锁，写锁 这里也额外提供了 tryLock() 方法，来尝试加锁（原理上面讲过）

2）加锁原理

读写锁保证了读操作和读操作之间不会加锁，而读操作和其他任何操作都会加锁.   使得在读多写少的业务场景中，效率大大提升.

Redission 提供的 ReadWriteLock 也是这个原理：

• 读 + 读： 读操作和读操作之间不会出现脏数据问题，因此相当于无锁，只会在 redis 中记录当前读锁，他们都会同时加锁成功.
• 写 + 读：如果先写，此时紧接着又进行读操作，可能出现脏数据的问题，因此会阻塞等待写锁释放.
• 写 + 写：写操作和写操作之间可能出现脏数据问题，因此也是阻塞等待.
• 读 + 写：由于你读的时候，另一个线程又来写，也会出现脏数据的问题，因此也必须要阻塞等待读锁释放.

RSemaphore

1）使用方式

    @GetMapping("/park")fun park(): String {//这里的 RSemaphore 就相当于是一个停车场，刚开始的没有车位(初始信号量为 0)val park: RSemaphore = redisson.getSemaphore("park")//1.获取一个信号，相当于占了一个停车位，车位 - 1park.acquire()//2.执行业务//...return "park ok!"}@GetMapping("/go")fun go(): String {val park = redisson.getSemaphore("park")//1.释放一个信号，相当于让出了一个车位，车位 + 1park.release()return "go ok!"}

Ps：这里也有一个额外的方法 tryAcquire()，尝试申请资源 

2）信号原理

a）redisson.getSemaphore("park") 这里实际上就是在 redis 上添加一个 key-value，key 就是我们自定义的 "park" 字符串，value 就是信号量，初始情况下为 0. 

b）情况分析：

情况一：刚开始的时候如果 线程A 进行 acquire()，由于信号量为 0，只能阻塞等待.  接着如果有 线程B 进行 release()，就会释放一个信号量，也就是信号量 + 1，此时 线程A 发现有一个信号来了，他就直接消费掉了

情况二：刚开始的时候如果 线程A 进行 release()，此时信号量 + 1，总共信号量为 1，接着如果有线程B 来进行 acquire() ，就会直接消费掉这个信号，此时信号量 - 1，总共信号量为 0.

Ps：信号量也可以做分布式限流

RCountDownLatch

1）使用方式

例如有 5 个选手比赛，要求所有选手到达终点之后才可以宣布比赛结束.

    @GetMapping("/match")fun match(): String {val match = redisson.getCountDownLatch("match")//1.设置计数器的初始值为 5 (想象成有 5 名选手赛跑)match.trySetCount(5)//2.等待所有资源全被消费 (等待 5 名选手全部跑完)match.await()return "比赛结束！"}@GetMapping("/gogogo/{id}")fun gogogo(@PathVariable("id") id: Long): String {val match = redisson.getCountDownLatch("match")//1.计数器 - 1 (一名选手到达终点)match.countDown()return "选手 $id 号到达终点！"}

2）原理解释

a）redisson.getCountDownLatch("match") 这里实际上就是给 redis 存了一个 key-value，key 就是我们自定义的 "match" 字符串，value 就是计数器.

b）match.trySetCount(5) 就是给这个计数器设置了一个初始值为 5.

c）match.await() 会一直阻塞住，直到计数器的值减为 0.

d）match.countDown() 让计数器 - 1.