分布式锁的主流方案
-
基于数据库
- select for update。这个锁理论上没有超时能力，只能等客户端断开连接才行。所以实际上不能用于高并发&执行高耗时的场景。
- 另外一种方案是仿照redis，在数据库里insert行。并设置唯一索引。这其实和redis锁的原理是一致的。
-
基于zookeeper
https://blog.csdn.net/define_us/article/details/79698940
zookeepr的锁其实和数据库是一样的问题。如果有临时节点的机器没有正确处理监听器逻辑。那么，整个锁就会被卡死。解决的办法也和redis锁一样。（本质上zk的znode也是一个key-value格式嘛）。机器会循环遍历，一旦发现自己的前序临时节点的前序临时节点已经删除。就在本地计时。在超时后，直接将该节点删除。唤醒本节点。但是zookeeper作为分布式锁的最大问题，是它仅保证最终一致性。你不能假设每台服务器都能从zookeeper看到相同的状态。
所以这种方案其实是不可行的。 -
基于redis
https://blog.csdn.net/define_us/article/details/79698408
可以说，redis的锁是唯一在大规模并发场景中可以使用的锁。
数据库和redis可以实现在不考虑超时的情况下实现严格的分布式锁。因为他们本身就是单点。但是，如果考虑超时，这个问题就无解了。没有一种考虑超时的分布式锁能够保证全局唯一执行。
所以，一个简单的办法是，redis作为第一层，数据库行锁作为第二层。为了克服数据库行锁没有超时时间的问题，
Spring事务提供了超时时间的配置
@Transactional(timeout=1)
但可惜，这个超时能力是spring计时器提供的。不是数据库本身提供的。可能会存在比如说获取行锁后展开大规模的GC，整个JVM被卡住。（但是数据库session不会超时，因为为了配合数据库连接池，一般数据库session超时配置到很大）。让然会造成整个系统卡住。
https://qingmiaogu.blog.csdn.net/article/details/80108576
其实，这样的问题出现的概率很低才对。第一层的redis锁已经把压力降下来了，第二层数据库操作却意外超时了。这简直是不可接受的。所以，我们需要努力在代码和系统配置容量上，避免上述出现的问题。这也其实是所有使用select for update的系统必须要考虑的问题。