掌握分布式事务锁，这个大厂实战订单锁你一定要会
分布式趋势
目前几乎很多大型网站及应用都是分布式部署的，分布式场景中我们也都会遇到一个非常重要的问题：数据一致性。正如分布式的cap理论说的一样：“任何一个分布式系统都无法同时满足一致性（consistency）、可用性（availability）和分区容错性（partition tolerance），最多只能同时满足两项。”所以，很多系统在设计之初就要对这三者进行取舍。在互联网领域的绝大多数的场景中，都需要牺牲强一致性来换取系统的高可用性，系统往往只需要保证“最终一致性”，只要这个最终时间是在用户可以接受的范围内即可。
在很多场景中，我们为了保证数据的最终一致性，需要很多的技术方案来支撑，比如分布式事务、分布式锁、定时任务调度等。尽管java提供了很多并发处理api，但这些api在分布式场景中就显得无能为力了。
所以针对分布式锁的实现我们需要借助别的工具，目前比较常用的有以下几种方案：
- 基于数据库实现分布式锁
- 基于缓存（redis，memcached，tair）实现分布式锁
- 基于zookeeper实现分布式锁
本篇发文我们主要说下基于redis的分布式锁实战。
实际编写代码之前，我们说下首要条件
分布式锁可用的四个条件：
- 互斥性。在任意时刻，只有一个客户端能持有锁。
- 不会发生死锁。即使有一个客户端在持有锁的期间崩溃而没有主动解锁，也能保证后续其他客户端能加锁。
- 具有容错性。只要大部分的redis节点正常运行，客户端就可以加锁和解锁。
- 解铃还须系铃人。加锁和解锁必须是同一个客户端，客户端自己不能把别人加的锁给解了。
分布式锁实战步骤：
编写ilock接口
编写ilock接口实现
lockgetter抽象类
从图示我们可以看出，通过lockgetter抽象类进行具体的加锁成功或则失败的具体业务走向。这一个思想同学们要谨记于心。能够熟练应用的话，他会使你在编程之路上走的更加顺畅。
此外，可以看到，我们实际加锁就一行代码：jedis.set(fieldkey, value, "nx", "ex", seconds);，这个set()方法一共有五个形参：
第一个参数为key，我们使用key来当锁，因为key是唯一的。
第二个参数为value，我们传的是requestid，很多童鞋可能不明白，有key作为锁不就够了吗，为什么还要用到value？原因就是我们在上面讲到可靠性时，分布式锁要满足第四个条件解铃还须系铃人，通过给value赋值为requestid，我们就知道这把锁是哪个请求加的了，在解锁的时候就可以有依据。requestid可以使用uuid.randomuuid().tostring()方法生成。
第三个参数为nxxx，这个参数我们填的是nx，意思是set if not exist，即当key不存在时，我们进行set操作；若key已经存在，则不做任何操作；
第四个参数为expx，这个参数我们传的是px，意思是我们要给这个key加一个过期的设置，具体时间由第五个参数决定。
第五个参数为time，与第四个参数相呼应，代表key的过期时间。
总的来说，执行上面的set()方法之后会出现两种情况：
- 当前没有锁（key不存在），那么就进行加锁操作，并对锁设置个有效期，同时value表示加锁的客户端。
- 锁已经存在，redis不做任何操作。
总结：
使用缓存来实现分布式锁优点：
- 可以提供更好的性能，同时很多缓存服务都是集群部署的，可以避免单点问题。
- 很多缓存服务都提供了可以用来实现分布式锁的方法，比如redis的setnx方法等。
- 缓存服务也都提供了对数据的过期自动删除的支持，可以直接设置超时时间来控制锁的释放。
使用缓存实现分布式锁尽管性能好，实现起来较为方便。但也不是没有缺点，有时候我们的程序内部出现异常后可能会发生死锁，这就需要开发时候注意代码编写，后续测试人员测试时候测试案例要尽可能覆盖。