Skip to content

Redis 分布式锁:唯一值、原子释放、租约续期与 Fencing Token ​

分布式锁只能协调参与同一协议的客户端。租约过期、进程暂停、网络分区和故障转移会让旧持有者在失去锁后继续执行;保护关键资源还需要下游验证单调 fencing token 或使用数据库条件写。

1. 先问是否真的需要锁 ​

优先考虑更直接的不变量机制:

  • 唯一约束防重复创建。
  • UPDATE ... WHERE state='pending' 原子状态迁移。
  • 乐观 version/ETag 防覆盖。
  • 幂等 key 让重复请求收敛。
  • 队列分区让同一 key 顺序消费。
  • PostgreSQL advisory/row lock 在单数据库事务内协调。

只有操作跨进程、无法用单事实系统约束且互斥能降低冲突时再用 Redis 锁。锁不能让数据库与外部 API 原子。

2. 单实例租约的最小获取 ​

text
SET lock:report:t_7 9f86d081... NX PX 30000
  • NX:key 不存在才成功。
  • PX 30000:30 秒租约,持有者崩溃后最终释放。
  • value:每次获取生成的高熵唯一 token,用于所有权校验。

不能用 SETNX 后单独 EXPIRE:客户端可能在两条命令间崩溃形成无 TTL 锁。不能把固定进程名当 value:旧请求可能删除新一轮同进程的锁。

3. 原子释放 ​

错误释放:

text
GET lock:key
DEL lock:key

GET 后租约可能到期,另一个客户端取得新锁,旧客户端随后 DEL 删除新锁。使用 Lua/Function 原子比较唯一值并删除:

lua
if redis.call('GET', KEYS[1]) == ARGV[1] then
    return redis.call('DEL', KEYS[1])
else
    return 0
end

客户端用 EVALSHA/Function 并声明 key。返回 1 表示自己释放,0 表示已失去所有权。释放失败不能重试成无条件 DEL。

4. 租约时间如何选择 ​

租约必须覆盖临界区正常 p99、调度暂停、GC、网络和释放余量,但越长故障后可用性恢复越慢。

text
lease > operation_p99 + max_expected_pause + network_margin

这不是安全证明,因为暂停可能无界。临界区要拆短:锁内只做必要的确定性协调,不等待用户、不调用长外部 API、不执行大表查询。

客户端记录获取开始/完成时间和剩余有效期。获得锁耗时已消耗租约;不能从响应到达时重新计算完整 30 秒。

5. 续期 watchdog ​

长任务可定期续期,但只能“value 仍等于自己的 token”时原子 PEXPIRE。续期间隔显著短于租约,例如 30 秒租约每 10 秒;失败/timeout 后立即认为不再安全,停止可取消工作。

lua
if redis.call('GET', KEYS[1]) == ARGV[1] then
    return redis.call('PEXPIRE', KEYS[1], ARGV[2])
else
    return 0
end

续期让失控任务长期占锁,因此设置最大总持有期和任务 deadline。续期 goroutine 必须在释放/取消时停止,避免 goroutine leak 或释放后继续续新锁。

6. 失效持有者问题 ​

mermaid
sequenceDiagram
    participant A as Client A
    participant R as Redis
    participant B as Client B
    participant S as Storage
    A->>R: acquire lease token A
    A->>A: pause longer than TTL
    R->>R: lease expires
    B->>R: acquire token B
    B->>S: write new result
    A->>A: resumes
    A->>S: stale write after losing lease

Redis 无法撤回 A 已获得的执行能力。A 在暂停期间不知道租约已失效;恢复后若直接写对象存储/数据库,会覆盖 B。

7. Fencing Token ​

每次成功获取锁同时获得单调递增 token:41、42、43。下游记录已接受最大 token,只接受更大的写:

sql
UPDATE report_jobs
SET output_uri = $1, fencing_token = $2
WHERE job_id = $3
  AND fencing_token < $2;

A 的 token 41 在 B 的 42 已提交后影响 0 行。fencing token 必须由线性一致/原子序列源产生,并与锁获取语义正确绑定;仅随机 token 能校验所有权,不能表示新旧顺序。

对象存储若不能条件比较 token,可让数据库先登记版本/状态,再用版本化 object key 发布,最终指针更新受 fencing 条件保护。不能只把 token 写 metadata 而存储端不检查。

8. Redis 计数器与锁的原子绑定 ​

单 Redis 实例可在 Lua/Function 中:确认锁不存在、INCR fencing:resource、设置锁 value 包含 owner/token+TTL,并返回 token。脚本内所有 key 在 Cluster 必须同 slot:

text
lock:{report:t7}
fence:{report:t7}

但 Redis 异步复制/failover 可能丢已确认的 INCR/锁状态,使 token 回退或重复。若 fencing 保护强正确性,下游数据库 sequence/version 更适合作权威 token,或使用提供所需一致性保证的协调系统。必须把 Redis 部署故障语义写入设计。

9. 故障转移与锁安全 ​

主节点接受 lock,尚未复制就故障;副本提升后看不到 lock,B 又获取。A、B 同时认为持有。WAIT 可请求写传播到一定副本,但不把 Redis failover 变成线性一致锁,也不能防止所有分区和副本选择情形。

因此:

  • 只用单实例锁处理“偶尔重复可由幂等吸收”的效率协调。
  • 关键互斥在下游用 fencing/数据库约束保护。
  • 明确故障窗口内允许重复执行,但不允许错误最终状态。

10. Redlock 的模型边界 ​

Redis 官方描述 Redlock:在多个独立主节点上用相同唯一值尝试获取,多数成功且总耗时小于租约才认为获得;失败时尽快释放已获取实例。

无论使用何种多节点算法,客户端暂停后继续操作的 stale-owner 问题仍需要资源侧 fencing。工程选择要基于所需安全模型、时钟/暂停假设、独立故障域、实现库和故障演练,而不是把算法名称当作证明。

如果业务无法接受两个持有者在任何故障下并发,应评估具有明确一致性模型的协调服务,并仍以资源版本/幂等保护副作用。

11. 可重入、公平与读写锁 ​

Redis 简单租约默认不可重入。实现可重入需要 owner 身份、重入计数和线程/goroutine 作用域;跨请求复用 owner 会导致其他工作误释放。通常让临界区函数显式接收 lease,避免隐式嵌套。

简单 SET NX 不保证公平,抢占者可能饥饿。公平队列需额外有序队列、通知、超时和清理,复杂度接近协调系统。读写锁、多资源锁更容易死锁;按稳定资源顺序获取,并限制一次锁数量。

12. 获取重试与惊群 ​

获取失败采用带随机抖动的有界退避,受请求总 deadline;不要 1ms 紧循环打满 Redis。等待者多时锁释放会引发惊群;可以用通知优化,但通知丢失后仍靠重试/超时。

返回给调用方的错误区分:资源忙(可稍后重试)、协调服务不可用(系统故障)、操作 deadline 到期。HTTP 可返回 409/423/429/503 取决于业务语义,不统一伪装 500。

13. 锁键和作用域 ​

锁住最小不变量对象:lock:invoice:{tenant}:{invoice},而不是全局 lock:invoice。tenant 来自认证上下文。锁 key 不含敏感 PII。

过细锁无法保护跨对象规则,过粗锁降低吞吐。多个资源转账应在数据库事务锁行,而不是尝试跨 Redis keys 获得资金正确性。

14. Go 客户端生命周期 ​

一个 lease 对象至少保存 key、owner token、fencing token、acquiredAt、validUntil、cancel、lost channel。业务定期检查 lost/cancellation,并在写下游时携带 fencing。

伪接口:

go
type Lease struct {
    Key          string
    OwnerToken   string
    FencingToken int64
    ValidUntil   time.Time
    Lost         <-chan struct{}
}

type Locker interface {
    Acquire(ctx context.Context, key string, ttl time.Duration) (*Lease, error)
    Release(ctx context.Context, lease *Lease) error
}

释放使用独立短 cleanup context,不能因请求已取消完全不尝试;但所有权检查仍必须原子。进程退出先停止接新任务、取消临界区、停止续期并有界释放。

15. 应用案例一:定时报表单次生成 ​

输入 ​

20 个实例每分钟调度同一 tenant/date 报表;重复计算浪费但可接受,旧任务不得覆盖新数据生成的结果;生成最长 4 分钟。

处理 ​

  1. 事实数据库创建 report_generation,唯一键 tenant/date/source_version。
  2. 条件 INSERT 让同一版本只存在一个 job;这是最终去重。
  3. Redis 锁仅减少多个 worker 同时计算,租约 30 秒并续期,最大总期限 5 分钟。
  4. 数据库为 job 分配递增 generation/fencing token。
  5. 输出写 reports/<job>/<token>.tmp,完成后数据库条件 UPDATE 只接受更大 token,再发布版本化对象。
  6. 失去 lease 的 worker取消,若未及时停止,其旧 token 也不能切换最终指针。

输出与验证 ​

最终只有数据库选定的新 generation 可见。重复对象可由生命周期清理,不影响正确结果。

失败注入 ​

让 worker A stop-the-world 超过 TTL,B 完成并发布,A 恢复尝试发布;A 的条件 UPDATE 影响 0 行。若没有 fencing,测试会复现旧结果覆盖。

16. 应用案例二:第三方同步任务 ​

输入 ​

同一账户一次只运行一个全量同步;第三方调用可持续 30 分钟、不能撤销,API 有幂等 request ID。

方案 ​

长 Redis 锁不是完整答案。数据库状态机:idle→running(request_id, generation)→succeeded/failed;条件更新抢占,唯一活动约束保护。Redis 短锁只减少争抢。

  1. 条件 UPDATE/INSERT 取得 generation。
  2. 每批第三方请求携带业务 idempotency key/generation。
  3. worker heartbeat 更新数据库 lease;接管者只接管超时 generation。
  4. 写入结果按 source version/generation 条件 upsert。
  5. 旧 worker 回来不能提交更低 generation。

验证与失败分支 ​

Redis 清空或 failover 仍不产生两个可提交 generation。第三方超时后通过 request ID 对账,不盲目重复创建。

17. 应用案例三:库存扣减反例 ​

输入 ​

最后一件库存,两个请求各扣 1。有人提出先拿 Redis lock 再 SELECT/UPDATE PostgreSQL。

正确方案 ​

直接使用数据库原子条件 UPDATE 和 CHECK:

sql
UPDATE inventory
SET available = available - 1
WHERE tenant_id = $1 AND sku = $2 AND available >= 1
RETURNING available;

Redis 锁故障、TTL 或绕过客户端都不影响数据库不变量。锁只增加依赖和延迟,不能替代事务。高争用通过短事务、排队/预留模型处理。

验证 ​

100 并发下只有一个成功,Redis 完全关闭结果仍正确。此场景验收是“不使用分布式锁”。

18. 观测与调试 ​

指标:acquire success/failure/timeout、等待 p95、hold duration、renew success/failure、lost lease、release mismatch、fencing reject、并发持有探测、Redis failover 时错误。

日志记录 lock scope hash、owner request ID、fencing、状态转移,不记录随机 secret token。trace span 包含 acquire wait 和临界区,但避免每次续期生成大量 span。

故障排查:检查服务时间/暂停、Redis key PTTL/value hash、续期日志、failover timeline、下游最大 fencing。不要手工 DEL 不确认 owner;紧急解锁走审计工具并确认业务状态。

19. 生产检查 ​

  1. 锁保护的是效率还是正确性,文档明确。
  2. 获取是 SET NX PX 原子,value 每次唯一。
  3. release/renew 比较 owner 并原子执行。
  4. 临界区有 deadline,续期有最大总时长。
  5. 失去 lease 能取消工作,最终写有 fencing/版本/约束。
  6. failover、暂停、网络分区做过演练。
  7. 获取失败不紧循环,等待有 jitter 和预算。
  8. 管理解锁有权限、审计和所有权检查。

20. 综合练习与验收 ​

实现报表生成 lease:唯一 owner、Lua 释放/续期、数据库 generation fencing、版本化对象发布。编写两个进程的故障测试。

验收:A 暂停超过 TTL 后 B 能接管;A 恢复不能覆盖 B;release 不删除新 owner;续期失败触发取消;Redis failover 产生重复执行时数据库只接受最新 generation;所有操作有 deadline;能说明库存为何使用数据库条件更新而非该锁。

来源 ​

从前端走向软件产品工程的长期路线图。