Skip to content

第 6 章:原子性、分布式锁与限流 ​

"加个锁"三个字,是后端最容易写错的地方。锁加错,比不加更危险。


学习目标 ​

  • 用 SET NX PX 写出一把可用的锁,并知道它哪里会失效
  • 明白释放锁为什么必须用 Lua,不能先查后删
  • 处理"业务没跑完锁就过期",知道续期和看门狗的做法
  • 三种限流算法的差别,以及各自会漏在哪里

6.1 为什么锁在 Redis 里,不在代码里 ​

python
# 库存 1,两个实例同时下单
stock = db.get_stock(book_id)
if stock > 0:
    db.set_stock(book_id, stock - 1)

单实例、单线程时这段没问题。多实例部署后,"读—判断—写"三步之间,另一个实例可能已经改过数据,于是超卖。

Python 的 threading.Lock 只在同一个进程里有效;multiprocessing.Lock 只在同一台机器有效。跨机器、跨进程的互斥,只能放在一个大家都能访问的地方——这就是 Redis 的位置。


6.2 一条命令拿到锁 ​

python
token = str(uuid.uuid4())

ok = r.set("lock:stock:1001", token, nx=True, px=3000)
if not ok:
    return "稍后再试"        # 别人持有锁

try:
    do_business()            # 扣库存
finally:
    release_lock("lock:stock:1001", token)

三个参数缺一不可:

参数作用少了会怎样
nx=True只有 key 不存在时才设置变成直接覆盖,锁形同虚设
px=30003 秒后自动过期持锁进程崩了,锁永远不释放,死锁
token(唯一值)标记"这把锁是我的"没法安全释放(见下一节)

SET NX PX 是一条命令,Redis 单线程执行保证原子——不会出现"检查时不存在、设置时已存在"的竞态。


6.3 释放锁:必须比对再删 ​

错误写法:

python
if r.get(lock_key) == token:     # ①
    r.delete(lock_key)           # ②

① 和 ② 之间锁可能已经过期、并被别人重新拿到,这时 ② 删掉的是别人的锁。

正确写法:把"比对 + 删除"放进 Lua,让服务端一次执行完:

python
RELEASE = """
if redis.call("get", KEYS[1]) == ARGV[1] then
    return redis.call("del", KEYS[1])
else
    return 0
end
"""

r.eval(RELEASE, 1, "lock:stock:1001", token)

Redis 执行 Lua 时不会插入其它命令,所以这个"检查并删除"是原子的。任何"先读后写"的组合,只要需要原子,就该交给 Lua。


6.4 锁过期了,业务还没跑完 ​

上面时序图里那个 4 秒的问题,是分布式锁最现实的坑。三种处理:

做法说明代价
估足超时业务最长耗时 × 2,作为 px估错就失效
续期(看门狗)后台线程每 1/3 超时时间续一次多一个线程,实现复杂
业务幂等不追求互斥绝对可靠,重复执行也无害治本,但要改造业务

第三条最容易被忽略,也最可靠:如果你能保证"重复执行一次不出错",锁只是性能优化,不再是正确性依赖。库存扣减用"检查并扣减"的原子 SQL,比一把不可靠的锁更稳。


6.5 Redlock 值不值得用 ​

单实例的锁有一个根本问题:Redis 主从是异步复制的。主节点拿到锁后还没同步就宕机,从节点升主,锁丢了,另一个实例也能拿到——同一时刻两个持有者。

Redlock 的思路是向 5 个独立实例申请锁,超过半数成功才算拿到。它在理论上提高了可靠性,但业界有明确争议:

  • 反对者(Martin Kleppmann)指出:有时钟漂移、网络延迟时,Redlock 仍不能提供严格保证,用它做正确性保障不如用数据库或共识系统;
  • 支持者认为:在"没有更好选择"的场景下,它比单实例强。

实际建议:

场景建议
防止重复任务、减少重复计算单实例 SET NX PX 够用
扣款、发券等资金相关不要用 Redis 锁,用数据库行锁/唯一约束/队列
必须强一致互斥用数据库或专门协调服务

6.6 限流:三种算法,三种漏法 ​

同样限制 60 次/分钟,三种算法的实际放行节奏不同固定窗口前一分钟最后 10 秒打满下一分钟前 10 秒再打满← 20 秒内放行 120 次窗口 1窗口 2滑动窗口按任意 60 秒滚动统计,边界不再突刺令牌桶匀速补桶,允许短时突发
算法实现优点漏在哪
固定窗口INCR + EXPIRE一行代码,最简单窗口边界突刺(上例 20 秒放 120 次)
滑动窗口ZADD 时间戳 + ZREMRANGEBYSCORE + ZCARD精确每次请求存一个成员,内存开销大
令牌桶Lua 脚本,按时间补桶平滑、允许突发实现复杂,要用 Lua 保证原子

固定窗口的实现:

python
def allow_fixed(user_id, limit=60, window=60):
    key = f"rate:{user_id}:{int(time.time()) // window}"
    n = r.incr(key)
    if n == 1:
        r.expire(key, window)     # 第一次才设过期
    return n <= limit

坑在 expire:如果每次 INCR 都设过期,窗口就会被不断延长,限流变成"从最后一次请求起 60 秒内 60 次"。只在 n == 1 时设。

滑动窗口更精确,但每个请求一个 ZSet 成员。高频接口(每秒上百次)要算内存:60 次/分钟 × 1000 用户 = 6 万个成员,再乘以结构开销,不小。


6.7 原子操作与"假事务" ​

除了锁,Redis 还提供了几种保证原子的手段:

手段原子性说明
单条命令是INCR、SETNX、LPUSH 本身原子
Lua 脚本是整段脚本作为一个整体执行
MULTI / EXEC部分命令按顺序执行不被打断,但中间某条失败不会回滚
WATCH乐观锁监控 key,被改过就放弃整个事务

MULTI/EXEC 常被误当成"事务"。它更接近"批量执行":如果第二条命令因为类型错误失败,第一条已经生效,不会回滚。需要"要么全做要么全不做"的逻辑,用 Lua 自己判断。


本章小结 ​

要点说明
加锁SET key token NX PX,一条命令原子
释放Lua 比对 token 再删,不能先查后删
锁过期估足超时 / 看门狗续期 / 业务幂等
Redlock有争议;资金场景别用 Redis 锁
限流固定窗口有边界突刺,滑动窗口精确但费内存,令牌桶平滑
原子性单命令与 Lua 原子,MULTI 不回滚

下一章 ​

锁和限流解决的是"同时只能一个人做"。还有一类需求是"这件事先记下来,晚点再做"——这就是队列。下一章讲 List、Stream、Pub/Sub 三者的取舍。

本文阅读--次|全站访问--次|访客--人