分布式锁之优化

前言

分布式锁是一种悲观锁，至少要确保锁的实现同时满足以下四个条件：

• 互斥性: 在任意时刻，只有一个客户端（进程）能持有锁。（UUID、重入锁）
• 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。（超时，临时节点）
• 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。（redis cluster）
• 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。
  问题：一旦加了分布式锁之后，对同一个商品（按商品加锁）的下单请求，会导致所有客户端都必须对同一个商品的库存锁key进行加锁。这样会导致对同一个商品的下单请求，就必须串行化，一个接一个的处理。
  思考：在高并发场景下如何优化分布式锁的并发性能？

实现方式

如果大家了解ConcurrentHashMap的源码和底层原理，应该知道里面的核心思路，就是分段加锁！

• 把数据分成多段，每段是一个单独的锁，所以多个线程过来并发修改数据的时候，可以并发的修改不同段的数据。不至于说，同一时间只能有一个线程独占修改ConcurrentHashMap中的数据。
• Java 8中新增了一个LongAdder类，也是针对Java 7以前的AtomicLong进行的优化，解决的是CAS类操作在高并发场景下，使用乐观锁思路，会导致大量线程长时间重复循环。
• LongAdder中也是采用了类似的分段CAS操作，失败则自动迁移到下一个分段进行CAS的思路。

不足

• 首先，得对一个数据分段存储，一个库存字段本来好好的，现在要分为多个分段库存字段；
• 其次，在每次处理库存的时候，还得自己写随机算法，随机挑选一个分段来处理；
• 最后，如果某个分段中的数据不足了，你还得自动切换到下一个分段数据去处理。