【面试突击】分布式锁、幂等性问题实战

🌈🌈🌈🌈🌈🌈🌈🌈
欢迎关注公众号（通过文章导读关注：【11来了】），及时收到 AI 前沿项目工具及新技术 的推送
发送 资料 可领取 深入理解 Redis 系列文章结合电商场景讲解 Redis 使用场景、中间件系列笔记和编程高频电子书！

文章导读地址：点击查看文章导读！

感谢你的关注！

🍁🍁🍁🍁🍁🍁🍁🍁

前言

最近在更新面试突击专栏，我把每一篇将字数都尽量控制在 2000 字以内，可能在文章里边写的没有那么细致，主要是提供一些 问题 以及 回答的思路 ，以及 面试中可能忽略的漏洞 ，所以在看完文章之后，如果自己简历中有这方面的内容的话，一定要认真去整理一份自己的回答，并且多查阅相关资料，如果看的文章少，就会导致学习到的内容太片面

分布式锁、幂等性问题

接下来主要说一下，分布式系统中，在业务以及技术实践中，经常遇到的一些问题

接口有处理幂等性问题吗？

什么时候需要处理 幂等性问题 呢？

就比如 创建订单 场景中，如果因为网络抖动原因，导致请求超时了，此时去重试创建订单操作，发送了 重复请求，那么就可能导致出现了重复创建订单的操作

怎么解决呢？对接口进行 幂等性处理

幂等性处理的解决方案我之前也写过一篇文章，可以参考一下：幂等性处理

具体选择哪一种方案，需要根据自己的业务需求来选

一般不需要对所有的接口都保证幂等性，而是仅仅 对少数的核心接口保证幂等性

比如对于创建类的操作，可以通过 数据库中的唯一索引 来保证幂等性

对于更新类的操作，可以通过 Redis 来保证幂等性

分布式锁问题

先说一下什么时候需要去使用 分布式锁

就比如，多个服务对同一个数据进行操作的时候，为了保证该数据的 并发安全，需要在操作前加上 分布式锁

这里举个分页缓存的例子，在 Redis 中构建一个分页缓存，那么在第一次查询时，会进行分页缓存的构建，如果分页缓存中的数据发生变化，也需要对分页缓存进行构建，如果不加分布式锁，就会出现 数据库和缓存不一致 的问题出现：

• 当用户 A 新增分享的时候，另一个用户 B 此时正好来查询用户 A 的分享列表，用户 B 线程先去缓存中查询，发现没有，再去数据库中查询用户 A 的分享列表，此时 B 拿到了 A 新增分享之前的旧数据，此时如果用户 A 新增分享并落库，并且去缓存中对用户 A 的列表缓存进行重建，那么此时缓存列表中是用户 A 的最新数据，但是此时用户 B 的线程在数据库中已经查到了用户 A 的旧数据，用户 B 的线程继续执行，将用户 A 的旧数据给放入到列表缓存中，覆盖掉了用户 A 更新的缓存，那么此时就会导致缓存数据库不一致

这个我之前也写过一篇文章，可以查看具体操作：Redis 分页缓存+分布式锁

分布式锁常见的有：Redis 实现的分布式锁、ZooKeeper 实现的分布式锁

那么对于这两种分布式锁实现的 原理 一定要清楚，其中使用 Redis 的分布式锁一般都是用 Redisson 框架提供的，里边的分布式锁的源码，有时间的情况下，真的要好好了解一下！

其实选择分布式锁，使用 Redis 分布式锁比较多，因为 Redis 在高并发场景下的表现比 ZooKeeper 要好一些

而对于 ZooKeeper 分布式锁来说，了解它原理的同时，也要去了解一下存在的 羊群效应 以及如何对羊群效应进行优化！

我在这一篇文章中也写了，可以详细看一下：ZooKeeper 中的分布式读写锁应对羊群效应

如果 Redis 集群故障时，分布式锁会失效吗？

其实是 会失效 的，如果客户端 A 去 Redis 集群中添加分布式锁，先将锁写入到 Redis 的 master 中，如果 master 还没来得及将分布式锁同步到 slave 就宕机了，那么就会导致 slave 中并没有分布式锁的信息，如果客户端 B 来加锁，还是可以加上同一把锁，结果就是客户端 A 和 B 都拿着同一把分布式锁在执行

这种情况解决的话，解决思路是加分布式锁时，必须 master 和 slave 都同时写入分布式锁信息 之后，才算加锁成功，这样就不会出现上边的问题了

这样解决的话，就抛弃了一部分性能，来换取可靠性

不过这种问题出现的概率还是很小的，任何系统设计方案都存在利弊，舍弃一部分对自己业务不重要的可靠性来提升性能或者相反，都是根据自己业务需要来进行选择

分布式锁在高并发场景下的优化问题

如果面试一些互联网大厂，提高分布式锁这块的内容，可能面试官会去问你，有对分布式锁进行过性能优化吗？

这一块的内容，可能大家没有想过这个问题，其实思路也比较简单，就是 分段加锁，目的就是减小你的锁粒度，以此来 提高系统的并发度

就比如，扣减库存，需要添加分布式锁，如果库存有 10000 个，那么可以在数据库中创建 10 个库存字段，stock_1、stock_2…，那么每次对库存操作，就对其中的一个库存字段给加锁就可以的，将库存分成了 10 个库存字段，原来一个分布式锁对库存加锁，同一时间只可以一个线程来处理，库存分片之后，同一时间可以有 10 个线程获取分布式锁，并发度提高了 十倍

如果某次来扣减库存时，库存不足的情况下，需要合并库存进行扣减，合并库存就是对其他库存字段加锁，并且查询库存，如果足够，就进行库存扣减操作

总的来说，对分布式锁的优化就是：分段锁 + 合并库存扣减