结论先行:生产环境直接用 Redisson,不要手写 SETNX 锁;Redlock 算法在学术界有明确争议,实践结论是——锁用于"效率"(防止重复计算)时单实例 Redisson 足够,用于"正确性"(防止重复扣款)时必须上 fencing token 或改用 ZooKeeper/etcd,别指望任何一把锁百分之百可靠。

手写锁的四个坑

从 SETNX + EXPIRE 演进到正确实现,每个版本都对应一类线上事故:

  1. SETNX 和 EXPIRE 分两条命令执行,进程在中间挂掉 → 死锁。正确做法是一条原子命令:SET key value NX PX 30000;
  2. 锁的 value 是固定值,A 超时后 B 获得锁,A 恢复后误删了 B 的锁 → value 必须是唯一标识(UUID + 线程 ID),删除前先校验;
  3. “校验 + 删除"两步非原子 → 用 Lua 脚本保证原子性;
  4. 业务没执行完锁先过期 → 需要续期机制(看门狗)。

这四个坑不是历史陈设,每一个都还在真实项目中重复出现。演进到最后一版才勉强算"单机语义下正确”,全过程浓缩成代码就是一篇"错误示范合集":

// 错误写法一:SETNX 与 EXPIRE 分离,两步之间宕机即死锁
jedis.setnx("lock:order:" + orderId, "1");
jedis.expire("lock:order:" + orderId, 30);

// 错误写法二:value 固定 + 删除前不校验持有者,A 超时后误删 B 的锁
if (jedis.exists("lock:order:" + orderId)) {
    jedis.del("lock:order:" + orderId);
}

// 正确写法:原子加锁 + 唯一 value + Lua 校验后原子释放
String token = UUID.randomUUID().toString();
String ok = jedis.set("lock:order:" + orderId, token,
        SetParams.setParams().nx().px(30000));
if ("OK".equals(ok)) {
    try {
        orderService.process(orderId);
    } finally {
        String lua = "if redis.call('get', KEYS[1]) == ARGV[1] then " +
                     "return redis.call('del', KEYS[1]) else return 0 end";
        jedis.eval(lua, 1, "lock:order:" + orderId, token);
    }
}

即便写对了这一版,第四个坑(业务执行时间超过租期)依然存在——这就是为什么推荐直接用 Redisson:看门狗把续期这件事自动化了,而续期的正确实现(后台线程、到期判定、失败重试、客户端下线后停止续期)手写极易出错。看门狗的有效性还有一个隐含前提:持锁进程必须活着并连着 Redis。进程假死但未退出(线程全阻塞)时续期照常进行,锁"看起来有效"却保护不了任何业务——这是"锁超时"之外的另一种失效形态,只能靠幂等兜底。

Redisson:把这些坑全部封装

Redisson 的 RLock 内置了原子加锁、唯一 value、Lua 脚本删除、看门狗自动续期(默认 30 秒租期,进程存活期间每 10 秒续回 30 秒):

RLock lock = redissonClient.getLock("order:submit:" + userId);
try {
    // 不传 leaseTime 才启用看门狗;一旦指定 leaseTime,到期自动释放
    boolean acquired = lock.tryLock(3, TimeUnit.SECONDS);
    if (!acquired) {
        throw new BizException("操作太频繁,请稍后重试");
    }
    orderService.submit(userId);
} finally {
    // 只有持锁线程才能 unlock,否则抛 IllegalMonitorStateException
    if (lock.isHeldByCurrentThread()) {
        lock.unlock();
    }
}

最常见的误用点:给 tryLock 传了 leaseTime 之后看门狗失效,锁到点释放,业务超时的风险完全自担。第二个高频误用是把 RLock 当重入锁跨方法乱用——它支持同一线程重入,但加锁解锁次数必须配对,嵌套层级一深就容易漏 unlock。还有一点容易被忽略:tryLock(3, TimeUnit.SECONDS) 这种单参数形态属于看门狗模式,等锁最长 3 秒;而 tryLock(waitTime, leaseTime, unit) 三参数形态完全不续期,两种形态语义不同,混用是事故源头。Redisson 还有针对不同场景的衍生类型:读多写少用 RReadWriteLock,限流信号量用 RSemaphore,公平排队用 RPermitExpirableFairSemaphore——先把业务问题归到正确的原语上,再谈参数。

Redlock 争议:Martin Kleppmann vs antirez

Redlock 向 N 个独立 Redis 实例依次加锁,多数成功才算持锁,意图解决主从切换丢锁问题。2016 年 Kleppmann 发文指出两个根本缺陷:

  • 时钟跳跃:某实例时钟前跳导致锁提前过期,算法的安全性假设被破坏;
  • 进程暂停:持锁客户端发生长 GC 停顿,醒来后自以为还持锁,实际锁已易主,写操作照样双写。

antirez 回应了时钟问题的工程对策,但"锁服务不能依赖完美时钟和零停顿"这一根本质疑是成立的。Kleppmann 给出的替代方案是 fencing token:锁服务颁发单调递增令牌,存储层校验令牌新鲜度、拒绝旧令牌写入——安全性由存储层的版本控制保证,而不是由锁本身保证。

理解这场争论的实践意义比记住结论更重要:它揭示的不是"Redis 锁不能用",而是"锁的有效期与业务执行时长之间没有可靠的因果保证"。租期是时间假设,进程暂停是事实,两者相遇安全性就漏了。Redlock 的多数派机制同样只是把失效概率从"单点切换才丢锁"降低到"N 个实例同时异常才丢锁"——概率变小了,因果保证依然不存在,这一点无论 antirez 还是 Kleppmann 都没有异议。凡是安全漏了会出大事的场景,正确性必须由更底层的东西兜底。

落地建议

场景建议
防重复调度、缓存重建防击穿单实例 Redisson 足够
主从架构担心切换瞬间丢锁接受小概率风险;不可接受时上 Redlock 多数派
资金、库存扣减等强正确性锁只做第一道防线,存储层必须加版本号或幂等表;或改用 ZooKeeper/etcd

主从切换丢锁的时序值得画一遍:客户端在主库加锁成功 → 锁 key 尚未复制到从库 → 主库宕机 → 从库提升为新主 → 另一客户端在新主上加锁成功 → 两个客户端同时"持锁"。这不是低概率的理论题,Redis 默认异步复制决定了它必然存在于架构里,锁的价值评估必须包含这个事实。

改用 ZooKeeper/etcd 的语义差异也值得了解:临时顺序节点把锁变成"排队队列",会话/租约随进程消失自动释放,不需要租期与续期;写操作经多数节点确认后返回,切换不会丢锁状态。代价是吞吐与延迟低于 Redis,实现真正的公平排队还要额外设计。无论选哪一档,幂等都是必备底座:锁失效的瞬间,第二道防线是"同样的请求做两遍也不会错"。幂等表、乐观锁版本号、唯一索引,任选其一落到存储层。

一句话总结:分布式锁的正确姿势不是"写出完美锁",而是承认锁会失效,把正确性建立在幂等和版本控制上,锁只负责把冲突概率降到可接受。

生产案例

一次定时任务重构后,对账任务从单机改为多实例部署,开发同学手写了 SETNX 锁保证同一时刻只有一个实例执行。上线第三天凌晨告警:对账明细出现重复记录。复盘发现两个缺陷叠加:锁的 value 是固定字符串,且 SETNX 与 EXPIRE 分两条命令——某个实例在 SETNX 成功后恰好赶上发布重启,没来得及设置过期时间,锁变成了永久锁;第二天另一个实例启动时拿不到锁静默退出,但当天第三个实例的代码里"拿锁失败重试"逻辑误把 sleep 写成了 0 毫秒,高频重试挤掉了本已持锁实例的正常执行,两实例短窗口内同时跑了对账。整改方案:全部替换为 Redisson 的 tryLock(唯一 value、原子加锁、看门狗续期),对账任务本身补了幂等表——同一账期同一分片重复执行时第二遍直接跳过。上线后再未复现。这次事故把一条结论钉进了团队规范:分布式锁一律用封装好的客户端,手写锁代码在 review 中直接打回;同时任何被锁保护的任务必须自带幂等,锁是效率优化而不是正确性保证。

检查清单

  • 生产环境统一使用 Redisson(或等价封装),禁止手写 SETNX 锁
  • tryLock 不传 leaseTime,让看门狗自动续期;确需固定租期时评估业务最大耗时
  • unlock 前 isHeldByCurrentThread 校验,放在 finally 里
  • 被锁保护的业务自带幂等:唯一索引、版本号或幂等表
  • 拿锁失败的分支有明确语义(快速失败或有限等待),不做无上限重试
  • 资金、库存等强正确性场景:存储层版本控制兜底,锁只作第一道防线
  • 锁的 key 粒度进设计评审:过粗限制吞吐,过细导致锁失效