分布式锁的实现方式通常有：
数据库缓存（比如：redis）zookeeperetcd实际开发中，使用的最多还是redis和zookeeper，所以，本文就只聊这两种。
在讨论这个问题之前，我们先来看一个业务场景：
系统a是一个电商系统，目前是一台机器部署，系统中有一个用户下订单的接口，但是用户下订单之前一定要去检查一下库存，确保库存足够了才会给用户下单。
由于系统有一定的并发，所以会预先将商品的库存保存在redis中，用户下单的时候会更新redis的库存。
此时系统架构如下：
但是这样一来会产生一个问题：假如某个时刻，redis里面的某个商品库存为1，此时两个请求同时到来，其中一个请求执行到上图的第3步，更新数据库的库存为0，但是第4步还没有执行。
而另外一个请求执行到了第2步，发现库存还是1，就继续执行第3步。
这样的结果，是导致卖出了2个商品，然而其实库存只有1个。
很明显不对啊！这就是典型的库存超卖问题
此时，我们很容易想到解决方案：用锁把2、3、4步锁住，让他们执行完之后，另一个线程才能进来执行第2步。
按照上面的图，在执行第2步时，使用java提供的synchronized或者reentrantlock来锁住，然后在第4步执行完之后才释放锁。
这样一来，2、3、4 这3个步骤就被“锁”住了，多个线程之间只能串行化执行。
但是好景不长，整个系统的并发飙升，一台机器扛不住了。现在要增加一台机器，如下图：
增加机器之后，系统变成上图所示，我的天！
假设此时两个用户的请求同时到来，但是落在了不同的机器上，那么这两个请求是可以同时执行了，还是会出现库存超卖的问题。
为什么呢？因为上图中的两个a系统，运行在两个不同的jvm里面，他们加的锁只对属于自己jvm里面的线程有效，对于其他jvm的线程是无效的。
因此，这里的问题是：java提供的原生锁机制在多机部署场景下失效了
这是因为两台机器加的锁不是同一个锁(两个锁在不同的jvm里面)。
那么，我们只要保证两台机器加的锁是同一个锁，问题不就解决了吗？
此时，就该分布式锁隆重登场了，分布式锁的思路是：
在整个系统提供一个全局、唯一的获取锁的“东西”，然后每个系统在需要加锁时，都去问这个“东西”拿到一把锁，这样不同的系统拿到的就可以认为是同一把锁。
至于这个“东西”，可以是redis、zookeeper，也可以是数据库。
文字描述不太直观，我们来看下图：
通过上面的分析，我们知道了库存超卖场景在分布式部署系统的情况下使用java原生的锁机制无法保证线程安全，所以我们需要用到分布式锁的方案。
那么，如何实现分布式锁呢？接着往下看！
基于redis实现分布式锁 上面分析为啥要使用分布式锁了，这里我们来具体看看分布式锁落地的时候应该怎么样处理。
最常见的一种方案就是使用redis做分布式锁
使用redis做分布式锁的思路大概是这样的：在redis中设置一个值表示加了锁，然后释放锁的时候就把这个key删除。
具体代码是这样的：
// 获取锁// nx是指如果key不存在就成功，key存在返回false，px可以指定过期时间set anylock unique_value nx px 30000// 释放锁：通过执行一段lua脚本// 释放锁涉及到两条指令，这两条指令不是原子性的// 需要用到redis的lua脚本支持特性，redis执行lua脚本是原子性的if redis.call("get",keys[1]) == argv[1] thenreturn redis.call("del",keys[1])elsereturn 0end
这种方式有几大要点：
一定要用set key value nx px milliseconds 命令
如果不用，先设置了值，再设置过期时间，这个不是原子性操作，有可能在设置过期时间之前宕机，会造成死锁(key永久存在)
value要具有唯一性
这个是为了在解锁的时候，需要验证value是和加锁的一致才删除key。
这是避免了一种情况：假设a获取了锁，过期时间30s，此时35s之后，锁已经自动释放了，a去释放锁，但是此时可能b获取了锁。a客户端就不能删除b的锁了。
除了要考虑客户端要怎么实现分布式锁之外，还需要考虑redis的部署问题。
redis有3种部署方式：
单机模式master-slave + sentinel选举模式redis cluster模式使用redis做分布式锁的缺点在于：如果采用单机部署模式，会存在单点问题，只要redis故障了。加锁就不行了。
采用master-slave模式，加锁的时候只对一个节点加锁，即便通过sentinel做了高可用，但是如果master节点故障了，发生主从切换，此时就会有可能出现锁丢失的问题。
基于以上的考虑，其实redis的作者也考虑到这个问题，他提出了一个redlock的算法，这个算法的意思大概是这样的：
假设redis的部署模式是redis cluster，总共有5个master节点，通过以下步骤获取一把锁：
获取当前时间戳，单位是毫秒轮流尝试在每个master节点上创建锁，过期时间设置较短，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但是这样的这种算法还是颇具争议的，可能还会存在不少的问题，无法保证加锁的过程一定正确。
另一种方式：redisson此外，实现redis的分布式锁，除了自己基于redis client原生api来实现之外，还可以使用开源框架：redission
redisson是一个企业级的开源redis client，也提供了分布式锁的支持。我也非常推荐大家使用，为什么呢？
回想一下上面说的，如果自己写代码来通过redis设置一个值，是通过下面这个命令设置的。
set anylock unique_value nx px 30000这里设置的超时时间是30s，假如我超过30s都还没有完成业务逻辑的情况下，key会过期，其他线程有可能会获取到锁。
这样一来的话，第一个线程还没执行完业务逻辑，第二个线程进来了也会出现线程安全问题。所以我们还需要额外的去维护这个过期时间，太麻烦了~
我们来看看redisson是怎么实现的？先感受一下使用redission的爽：
config config = new config();config.useclusterservers().addnodeaddress("redis://192.168.31.101:7001").addnodeaddress("redis://192.168.31.101:7002").addnodeaddress("redis://192.168.31.101:7003").addnodeaddress("redis://192.168.31.102:7001").addnodeaddress("redis://192.168.31.102:7002").addnodeaddress("redis://192.168.31.102:7003");redissonclient redisson = redisson.create(config);rlock lock = redisson.getlock("anylock");lock.lock();lock.unlock();
就是这么简单，我们只需要通过它的api中的lock和unlock即可完成分布式锁，他帮我们考虑了很多细节：
redisson所有指令都通过lua脚本执行，redis支持lua脚本原子性执行
redisson设置一个key的默认过期时间为30s,如果某个客户端持有一个锁超过了30s怎么办？
redisson中有一个watchdog的概念，翻译过来就是看门狗，它会在你获取锁之后，每隔10秒帮你把key的超时时间设为30s
这样的话，就算一直持有锁也不会出现key过期了，其他线程获取到锁的问题了。
redisson的“看门狗”逻辑保证了没有死锁发生。
(如果机器宕机了，看门狗也就没了。此时就不会延长key的过期时间，到了30s之后就会自动过期了，其他线程可以获取到锁)
这里稍微贴出来其实现代码：
// 加锁逻辑private <t> rfuture<long> tryacquireasync(long leasetime, timeunit unit, final long threadid) { if (leasetime != -1) { return trylockinnerasync(leasetime, unit, threadid, rediscommands.eval_long); } // 调用一段lua脚本，设置一些key、过期时间 rfuture<long> ttlremainingfuture = trylockinnerasync(commandexecutor.getconnectionmanager().getcfg().getlockwatchdogtimeout(), timeunit.milliseconds, threadid, rediscommands.eval_long); ttlremainingfuture.addlistener(new futurelistener<long>() { @override public void operationcomplete(future<long> future) throws exception { if (!future.issuccess()) { return; } long ttlremaining = future.getnow(); // lock acquired if (ttlremaining == null) { // 看门狗逻辑 scheduleexpirationrenewal(threadid); } } }); return ttlremainingfuture;}<t> rfuture<t> trylockinnerasync(long leasetime, timeunit unit, long threadid, redisstrictcommand<t> command) { internallockleasetime = unit.tomillis(leasetime); return commandexecutor.evalwriteasync(getname(), longcodec.instance, command, "if (redis.call('exists', keys[1]) == 0) then " + "redis.call('hset', keys[1], argv[2], 1); " + "redis.call('pexpire', keys[1], argv[1]); " + "return nil; " + "end; " + "if (redis.call('hexists', keys[1], argv[2]) == 1) then " + "redis.call('hincrby', keys[1], argv[2], 1); " + "redis.call('pexpire', keys[1], argv[1]); " + "return nil; " + "end; " + "return redis.call('pttl', keys[1]);", collections.<object>singletonlist(getname()), internallockleasetime, getlockname(threadid));}// 看门狗最终会调用了这里private void scheduleexpirationrenewal(final long threadid) { if (expirationrenewalmap.containskey(getentryname())) { return; } // 这个任务会延迟10s执行 timeout task = commandexecutor.getconnectionmanager().newtimeout(new timertask() { @override public void run(timeout timeout) throws exception { // 这个操作会将key的过期时间重新设置为30s rfuture<boolean> future = renewexpirationasync(threadid); future.addlistener(new futurelistener<boolean>() { @override public void operationcomplete(future<boolean> future) throws exception { expirationrenewalmap.remove(getentryname()); if (!future.issuccess()) { log.error("can't update lock " + getname() + " expiration", future.cause()); return; } if (future.getnow()) { // reschedule itself // 通过递归调用本方法，无限循环延长过期时间 scheduleexpirationrenewal(threadid); } } }); } }, internallockleasetime / 3, timeunit.milliseconds); if (expirationrenewalmap.putifabsent(getentryname(), new expirationentry(threadid, task)) != null) { task.cancel(); }}
另外，redisson还提供了对redlock算法的支持,
它的用法也很简单：
redissonclient redisson = redisson.create(config);rlock lock1 = redisson.getfairlock("lock1");rlock lock2 = redisson.getfairlock("lock2");rlock lock3 = redisson.getfairlock("lock3");redissonredlock multilock = new redissonredlock(lock1, lock2, lock3);multilock.lock();multilock.unlock();
小结：
本节分析了使用redis作为分布式锁的具体落地方案，以及其一些局限性，然后介绍了一个redis的客户端框架redisson。这也是我推荐大家使用的，比自己写代码实现会少care很多细节。
基于zookeeper实现分布式锁 常见的分布式锁实现方案里面，除了使用redis来实现之外，使用zookeeper也可以实现分布式锁。
在介绍zookeeper(下文用zk代替)实现分布式锁的机制之前，先粗略介绍一下zk是什么东西：
zookeeper是一种提供配置管理、分布式协同以及命名的中心化服务。
zk的模型是这样的：zk包含一系列的节点，叫做znode，就好像文件系统一样每个znode表示一个目录，然后znode有一些特性：
有序节点：假如当前有一个父节点为/lock，我们可以在这个父节点下面创建子节点；
zookeeper提供了一个可选的有序特性，例如我们可以创建子节点“/lock/node-”并且指明有序，那么zookeeper在生成子节点时会根据当前的子节点数量自动添加整数序号
也就是说，如果是第一个创建的子节点，那么生成的子节点为/lock/node-0000000000，下一个节点则为/lock/node-0000000001，依次类推。
临时节点：客户端可以建立一个临时节点，在会话结束或者会话超时后，zookeeper会自动删除该节点。
事件监听：在读取数据时，我们可以同时对节点设置事件监听，当节点数据或结构变化时，zookeeper会通知客户端。当前zookeeper有如下四种事件：
节点创建节点删除节点数据修改子节点变更基于以上的一些zk的特性，我们很容易得出使用zk实现分布式锁的落地方案：
使用zk的临时节点和有序节点，每个线程获取锁就是在zk创建一个临时有序的节点，比如在/lock/目录下。
创建节点成功后，获取/lock目录下的所有临时节点，再判断当前线程创建的节点是否是所有的节点的序号最小的节点
如果当前线程创建的节点是所有节点序号最小的节点，则认为获取锁成功。
如果当前线程创建的节点不是所有节点序号最小的节点，则对节点序号的前一个节点添加一个事件监听。
比如当前线程获取到的节点序号为/lock/003,然后所有的节点列表为[/lock/001,/lock/002,/lock/003],则对/lock/002这个节点添加一个事件监听器。
如果锁释放了，会唤醒下一个序号的节点，然后重新执行第3步，判断是否自己的节点序号是最小。
比如/lock/001释放了，/lock/002监听到时间，此时节点集合为[/lock/002,/lock/003],则/lock/002为最小序号节点，获取到锁。
整个过程如下：
具体的实现思路就是这样，至于代码怎么写，这里比较复杂就不贴出来了。
curator介绍curator是一个zookeeper的开源客户端，也提供了分布式锁的实现。
他的使用方式也比较简单：
interprocessmutex interprocessmutex = new interprocessmutex(client,"/anylock");interprocessmutex.acquire();interprocessmutex.release();
其实现分布式锁的核心源码如下：
private boolean internallockloop(long startmillis, long millistowait, string ourpath) throws exception{ boolean havethelock = false; boolean dodelete = false; try { if ( revocable.get() != null ) { client.getdata().usingwatcher(revocablewatcher).forpath(ourpath); } while ( (client.getstate() == curatorframeworkstate.started) && !havethelock ) { // 获取当前所有节点排序后的集合 list<string> children = getsortedchildren(); // 获取当前节点的名称 string sequencenodename = ourpath.substring(basepath.length() + 1); // +1 to include the slash // 判断当前节点是否是最小的节点 predicateresults predicateresults = driver.getsthelock(client, children, sequencenodename, maxleases); if ( predicateresults.getsthelock() ) { // 获取到锁 havethelock = true; } else { // 没获取到锁，对当前节点的上一个节点注册一个监听器 string previoussequencepath = basepath + "/" + predicateresults.getpathtowatch(); synchronized(this){ stat stat = client.checkexists().usingwatcher(watcher).forpath(previoussequencepath); if ( stat != null ){ if ( millistowait != null ){ millistowait -= (system.currenttimemillis() - startmillis); startmillis = system.currenttimemillis(); if ( millistowait <= 0 ){ dodelete = true; // timed out - delete our node break; } wait(millistowait); }else{ wait(); } } } // else it may have been deleted (i.e. lock released). try to acquire again } } } catch ( exception e ) { dodelete = true; throw e; } finally{ if ( dodelete ){ deleteourpath(ourpath); } } return havethelock;}
其实curator实现分布式锁的底层原理和上面分析的是差不多的。这里我们用一张图详细描述其原理：
图片小结：
本节介绍了zookeeperr实现分布式锁的方案以及zk的开源客户端的基本使用，简要的介绍了其实现原理。
两种方案的优缺点比较 学完了两种分布式锁的实现方案之后，本节需要讨论的是redis和zk的实现方案中各自的优缺点。
对于redis的分布式锁而言，它有以下缺点：
它获取锁的方式简单粗暴，获取不到锁直接不断尝试获取锁，比较消耗性能。另外来说的话，redis的设计定位决定了它的数据并不是强一致性的，在某些极端情况下，可能会出现问题。锁的模型不够健壮即便使用redlock算法来实现，在某些复杂场景下，也无法保证其实现100%没有问题，关于redlock的讨论可以看how to do distributed lockingredis分布式锁，其实需要自己不断去尝试获取锁，比较消耗性能。但是另一方面使用redis实现分布式锁在很多企业中非常常见，而且大部分情况下都不会遇到所谓的“极端复杂场景”
所以使用redis作为分布式锁也不失为一种好的方案，最重要的一点是redis的性能很高，可以支撑高并发的获取、释放锁操作。
对于zk分布式锁而言:
zookeeper天生设计定位就是分布式协调，强一致性。锁的模型健壮、简单易用、适合做分布式锁。如果获取不到锁，只需要添加一个监听器就可以了，不用一直轮询，性能消耗较小。但是zk也有其缺点：如果有较多的客户端频繁的申请加锁、释放锁，对于zk集群的压力会比较大。
小结：
综上所述，redis和zookeeper都有其优缺点。我们在做技术选型的时候可以根据这些问题作为参考因素。
以上就是分布式锁用 redis 还是 zookeeper？的详细内容。