一使用场景
二分布式锁
- 2.1 redis分布式锁
  - 2.1.1 普通分布式锁
  - 2.1.2 RedLock 红锁算法
- 2.2 zookeeper 分布式锁

一使用场景

分布式协调：这个其实是zk很经典的一个用法。你A系统发送个请求到mq，然后B消息消费之后处理了。那A系统如何知道B系统的处理结果？用zk就可以实现分布式系统之间的协调工作。A系统发送请求之后可以在zk上对某个节点的值注册个监听器，一旦B系统处理完了就修改zk那个节点的值，A立马就可以收到通知，完美解决。
分布式锁：对某一个数据连续发出两个修改操作，两台机器同时收到了请求，但是只能一台机器先执行另外一个机器再执行。那么此时就可以使用zk分布式锁，一个机器接收到了请求之后先获取zk上的一把分布式锁，就是可以去创建一个znode，接着执行操作；然后另外一个机器也尝试去创建那个znode，结果发现自己创建不了，因为被别人创建了。那只能等着，等第一个机器执行完了自己再执行。
元数据/配置信息管理：zk可以用作很多系统的配置信息的管理，比如kafka、storm等等很多分布式系统都会选用zk来做一些元数据、配置信息的管理，包括dubbo注册中心不也支持zk么
HA高可用性：这个应该是很常见的，比如hadoop、hdfs、yarn等很多大数据系统，都选择基于zk来开发HA高可用机制，就是一个重要进程一般会做主备两个，主进程挂了立马通过zk感知到切换到备用进程

二分布式锁
分布式锁3个重要的考量点：互斥（只能有一个客户端获取锁），不能死锁，容错（这个锁就可以加可以释放）

2.1 redis分布式锁

2.1.1 普通分布式锁
第一个最普通的实现方式，如果就是在redis里创建一个key算加锁：
SET my:lock 随机值 NX PX 30000，这个命令就ok，这个的NX的意思就是只有key不存在的时候才会设置成功，PX 30000的意思是30秒后锁自动释放。别人创建的时候如果发现已经有了就不能加锁了。
释放锁就是删除key，但是一般可以用lua脚本删除，判断value一样才删除：
```
if redis.call("get",KEYS[1]) == ARGV[1] then
return redis.call("del",KEYS[1])
else
return 0
end
```
PS:
为啥加过期时间，为了容错防止死锁
加上过期时间引发的问题，如果threadA 执行时间为15秒，我们设置的timeout为10秒，那么有可能threadA没有执行完，就执行删除，然后threadB成功上锁。这样是有问题的。因此我们使用lua脚本+随机值释放锁，即我thread1执行的时候，过期删除的时候不能正确执行因为每个线程的随机不匹配，所以不能过期删除。
没法高可用，当master 异步同步锁失败。那么导致分布式锁机制失效。

2.1.2 RedLock 红锁算法
假设有一个redis cluster，有5个redis master实例，5个slave。然后执行如下步骤获取一把锁：
获取当前时间戳，单位是毫秒
跟上面类似，轮流尝试在每个master节点上创建锁，过期时间较短，一般就几十毫秒
尝试在大多数节点上建立一个锁，比如5个节点就要求是3个节点（n / 2 +1）
客户端计算建立好锁的时间，如果建立锁的时间小于超时时间，就算建立成功了
要是锁建立失败了，那么就依次删除这个锁
只要别人建立了一把分布式锁，你就得不断轮询去尝试获取锁

PS:

目前社区很多大佬质疑该算法是否可靠。

2.2 zookeeper 分布式锁

zk分布式锁，就是某个节点尝试创建临时顺序znode，此时创建成功了就获取了这个锁；这个时候别的客户端来创建锁会失败，只能注册个监听器监听这个锁。释放锁就是删除这个znode，一旦释放掉就会通知客户端，然后有一个等待着的客户端就可以再次重新枷锁。 ```java public class ZooKeeperDistributedLock implements Watcher{

private ZooKeeper zk; private String locksRoot= “/locks”; private String productId; private String waitNode; private String lockNode; private CountDownLatch latch; private CountDownLatch connectedLatch = new CountDownLatch(1); private int sessionTimeout = 30000;

public ZooKeeperDistributedLock(String productId){

 this.productId = productId;
 try {
     String address = "192.168.31.187:2181,192.168.31.19:2181,192.168.31.227:2181";
     zk = new ZooKeeper(address, sessionTimeout, this);
     connectedLatch.await();
 } catch (IOException e) {
     throw new LockException(e);
 } catch (KeeperException e) {
     throw new LockException(e);
 } catch (InterruptedException e) {
     throw new LockException(e);
 }

}

public void process(WatchedEvent event) {

 if(event.getState()==KeeperState.SyncConnected){
     connectedLatch.countDown();
     return;
 }

 if(this.latch != null) {  
     this.latch.countDown(); 
 }

}

public void acquireDistributedLock() {

 try {
     if(this.tryLock()){
         return;
     }
     else{
         waitForLock(waitNode, sessionTimeout);
     }
 } catch (KeeperException e) {
     throw new LockException(e);
 } catch (InterruptedException e) {
     throw new LockException(e);
 }

}

public boolean tryLock() {

 try {
     // 传入进去的locksRoot + “/” + productId
     // 假设productId代表了一个商品id，比如说1
     // locksRoot = locks
     // /locks/10000000000，/locks/10000000001，/locks/10000000002
     lockNode = zk.create(locksRoot + "/" + productId, new byte[0], ZooDefs.Ids.OPEN_ACL_UNSAFE, CreateMode.EPHEMERAL_SEQUENTIAL);

     // 看看刚创建的节点是不是最小的节点
     // locks：10000000000，10000000001，10000000002
     List<String> locks = zk.getChildren(locksRoot, false);
     Collections.sort(locks);

     if(lockNode.equals(locksRoot+"/"+ locks.get(0))){
         //如果是最小的节点,则表示取得锁
         return true;
     }

     //如果不是最小的节点，找到比自己小1的节点
     int previousLockIndex = -1;
     for(int i = 0; i < locks.size(); i++) {
         if(lockNode.equals(locksRoot + “/” + locks.get(i))) {
             previousLockIndex = i - 1;
             break;
         }
     }

     this.waitNode = locks.get(previousLockIndex);
 } catch (KeeperException e) {
     throw new LockException(e);
 } catch (InterruptedException e) {
     throw new LockException(e);
 }
 return false;

}

private boolean waitForLock(String waitNode, long waitTime) throws InterruptedException, KeeperException {

 Stat stat = zk.exists(locksRoot + "/" + waitNode, true);
 if(stat != null){
     this.latch = new CountDownLatch(1);
     this.latch.await(waitTime, TimeUnit.MILLISECONDS);   
     this.latch = null;
 }
 return true;

}

public void unlock() {

 try {
     // 删除/locks/10000000000节点
     // 删除/locks/10000000001节点
     System.out.println("unlock " + lockNode);
     zk.delete(lockNode,-1);
     lockNode = null;
     zk.close();
 } catch (InterruptedException e) {
     e.printStackTrace();
 } catch (KeeperException e) {
     e.printStackTrace();
 }

}

public class LockException extends RuntimeException {

 private static final long serialVersionUID = 1L;
 public LockException(String e){
     super(e);
 }
 public LockException(Exception e){
     super(e);
 }

} }

``` 如果有一把锁，被多个人给竞争，此时多个人会排队，第一个拿到锁的人会执行，然后释放锁，后面的每个人都会去监听排在自己前面的那个人创建的node上，一旦某个人释放了锁，排在自己后面的人就会被zookeeper给通知，一旦被通知了之后，就ok了，自己就获取到了锁，就可以执行代码了。

E. 互联网技术-中间件

吃透 zookeeper

一使用场景

二分布式锁

2.1 redis分布式锁

2.1.1 普通分布式锁

2.1.2 RedLock 红锁算法

2.2 zookeeper 分布式锁

吃透 zookeeper

一 使用场景

二 分布式锁

2.1 redis分布式锁

2.1.1 普通分布式锁

2.1.2 RedLock 红锁算法

2.2 zookeeper 分布式锁

一使用场景

二分布式锁