你好呀，我是歪歪。
提到分布式锁，大家个别都会想到 Redis。
想到 Redis，一部分同学会说到 Redisson。
那么说到 Redisson，就不得不掰扯掰扯一下它的“看门狗”机制了。
所以你认为这篇文章我要给你讲“看门狗”吗？
不是，我次要是想给你汇报一下我最近钻研的因为引入“看门狗”之后，给 Redisson 带来的两个看起来就菊花一紧的 bug：
- 看门狗不失效的 BUG。
- 看门狗导致死锁的 BUG。
为了能让你丝滑入戏，我还是先简略的给你铺垫一下，Redisson 的看门狗到底是个啥货色。
看门狗形容
你去看 Redisson 的 wiki 文档，在锁的这一部分，开篇就提到了一个单词：watchdog
https://github.com/redisson/r…
watchdog，就是看门狗的意思。
它是干啥用的呢？
好的，如果你答复不上来这个问题。那当你遇到上面这个面试题的时候必定懵逼。
面试官：请问你用 Redis 做分布式锁的时候，如果指定过期工夫到了，把锁给开释了。然而工作还未执行实现，导致工作再次被执行，这种状况你会怎么解决呢？
这个时候，99% 的面试官想得到的答复都是看门狗，或者一种相似于看门狗的机制。
如果你说：这个问题我遇到过，然而我就是把过期工夫设置的长一点。
工夫到底设置多长，是你一个十分主观的判断，设置的长一点，能肯定水平上解决这个问题，然而不能齐全解决。
所以，请回去等告诉吧。
或者你答复：这个问题我遇到过，我不设置过期工夫，由程序调用 unlock 来保障。
好的，程序保障调用 unlock 办法没故障，这是在程序层面可控、可保障的。然而如果你程序运行的服务器刚好还没来得及执行 unlock 就宕机了呢，这个你不能打包票吧？
这个锁是不是就死锁了？
所以 ……
为了解决后面提到的过期工夫不好设置，以及一不小心死锁的问题，Redisson 外部基于工夫轮，针对每一个锁都搞了一个定时工作，这个定时工作，就是看门狗。
在 Redisson 实例被敞开前，这个狗子能够通过定时工作一直的缩短锁的有效期。
因为你基本就不须要设置过期工夫，这样就从根本上解决了“过期工夫不好设置”的问题。默认状况下，看门狗的查看锁的超时工夫是 30 秒钟，也能够通过批改参数来另行指定。
如果很可怜，节点宕机了导致没有执行 unlock，那么在默认的配置下最长 30s 的工夫后，这个锁就主动开释了。
那么问题来了，面试官紧接着来一个诘问：怎么主动开释呢？
这个时候，你只须要来一个战术后仰：程序都没了，你感觉定时工作还在吗？定时工作都不在了，所以也不会存在死锁的问题。
搞 Demo
后面简略介绍了原理，我也还是给你搞个简略的 Demo 跑一把，这样更加的直观。
引入依赖，启动 Redis 什么的就不说了，间接看代码。
示例代码非常简单，就这么一点内容，十分惯例的应用办法：
把我的项目启动起来，触发接口之后，通过工具察看 Redis 外面 whyLock 这个 key 的状况，是这样的：
你能够看到在我的截图外面，是有过期工夫的，也就是我打箭头的中央。
而后我给你搞个动图，你认真看过期工夫（TTL）这个中央，有一个从 20s 变回 30s 的过程：
首先，咱们的代码外面并没有设置过期工夫的动作，也没有去更新过期工夫的这个动作。
那么这个货色是怎么回事呢？
很简略，Redisson 帮咱们做了这些事件，开箱即用，当个黑盒就完事了。
接下来我就是带你把黑盒变成白盒，而后引出后面提到的两个 bug。
我的测试用例外面用的是 3.16.0 版本的 Redission，咱们先找一下它对于设置过期动作的源码。
首先能够看到，我尽管调用的是无参的 lock 办法，然而它其实也只是一层皮而已，外面还是调用了带入参的 lock 办法，只不过给了几个默认值，其中 leaseTime 给的是 -1：
而有参的 lock 的源码是这样的，次要把注意力放到我框起来的这一行代码中：
tryAcquire 办法是它的外围逻辑，那么这个办法是在干啥事儿呢？
点进去看看，这部分源码又是这样的：
其中 tryLockInnerAsync 办法就是执行 Redis 的 Lua 脚本来加锁。
既然是加锁了，过期工夫必定就是在这里设置的，也就是这里的 leaseTime：
而这里的 leaseTime 是在构造方法外面初始化的，在我的 Demo 外面，用的是配置中的默认值，也就是 30s :
所以，为什么咱们的代码外面并没有设置过期工夫的动作，然而对应的 key 却有过期工夫呢？
这里的源码答复了这个问题。
额定提一句，这个工夫是从配置中获取的，所以必定是能够自定义的，不肯定非得是 30s。
另外须要留神的是，到这里，咱们呈现了两个不同的 leaseTime。
别离是这样的：
- tryAcquireOnceAsync 办法的入参 leaseTime，咱们的示例中是 -1。
- tryLockInnerAsync 办法的入参 leaseTime，咱们的示例中是默认值 30 * 1000。
在后面加完锁之后，紧接着就轮到看门狗工作了：
后面我说了，这里的 leaseTime 是 -1，所以触发的是 else 分支中的 scheduleExpirationRenewal 代码。
而这个代码就是启动看门狗的代码。
换句话说，如果这里的 leaseTime 不是 -1，那么就不会启动看门狗。
那么怎么让 leaseTime 不是 -1 呢？
本人指定加锁工夫：
说人话就是如果加锁的时候指定了过期工夫，那么 Redission 不会给你开启看门狗的机制。
这个点是有数人对看门狗机制不分明的人都会记错的一个点，我已经在一个群外面据理力争，起初被他人拿着源码一顿乱捶。
是的，我就是那个认为指定了过期工夫之后，看门狗还会持续工作的人。
打脸老疼了，心愿你不要步后尘。
接着来看一下 scheduleExpirationRenewal 的代码：
外面就是把以后线程封装成了一个对象，而后保护到一个 MAP 中。
这个 MAP 很重要，我先把它放到这里，混个眼生，一会再说它：
你只有记住这个 MAP 的 key 是以后线程，value 是 ExpirationEntry 对象，这个对象保护的是以后线程的加锁次数。
而后，咱们先看 scheduleExpirationRenewal 办法外面，调用 MAP 的 putIfAbsent 办法后，返回的 oldEntry 为空的状况。
这种状况阐明是第一次加锁，会触发 renewExpiration 办法，这个办法外面就是看门狗的外围逻辑。
而在 scheduleExpirationRenewal 办法外面，不论后面提到的 oldEntry 是否为空，都会触发 addThreadId 办法：
从源码中能够看进去，这里仅仅对以后线程的加锁次数进行一个保护。
这个保护很好了解，因为要反对锁的重入嘛，就得记录到底重入了几次。
加锁一次，次数加一。解锁一次，次数减一。
接着看 renewExpiration 办法，这就是看门狗的真面目了：
首先这一坨逻辑次要就是一个基于工夫轮的定时工作。
标号为 ④ 的中央，就是这个定时工作触发的工夫条件：internalLockLeaseTime / 3。
后面我说了，internalLockLeaseTime 默认状况下是 30* 1000，所以这里默认就是每 10 秒执行一次续命的工作，这个从我后面给到的动静外面也能够看出，ttl 的工夫先从 30 变成了 20，而后一下又从 20 变成了 30。
标号为 ①、② 的中央干的是同一件事，就是查看以后线程是否还无效。
怎么判断是否无效呢？
就是看后面提到的 MAP 中是否还有以后线程对应的 ExpirationEntry 对象。
没有，就阐明是被 remove 了。
那么问题就来了，你看源码的时候十分自然而然的就应该想到这个问题：什么时候调用这个 MAP 的 remove 办法呢？
很快，在接下来讲开释锁的中央，你就能够看到对应的 remove。这里先提一下，前面就能响应上了。
外围逻辑是标号为 ③ 的中央。我带你认真看看，次要关注我加了下划线的中央。
能走到 ③ 这里阐明以后线程的业务逻辑还未执行实现，还须要持续持有锁。
首先看 renewExpirationAsync 办法，从办法命名上咱们也能够看进去，这是在重置过期工夫：
下面的源码次要是一个 lua 脚本，而这个脚本的逻辑非常简单。就是判断锁是否还存在，且持有锁的线程是否是以后线程。如果是以后线程，重置锁的过期工夫，并返回 1，即返回 true。
如果锁不存在，或者持有锁的不是以后线程，那么则返回 0，即返回 false。
接着标号为 ③ 的中央，外面首先判断了执行 renewExpirationAsync 办法是否有异样。
那么问题就来了，会有什么异样呢？
这个中央的异样，次要是因为要到 Redis 执行命令嘛，所以如果 Redis 出问题了，比方卡住了，或者掉线了，或者连接池没有连贯了等等各种状况，都可能会执行不了命令，导致异样。
如果出现异常了，则执行上面这行代码：
EXPIRATION_RENEWAL_MAP.remove(getEntryName());
而后就 return，这个定时工作就完结了。
好，记住这个 remove 的操作，十分重要，先混个眼生，一会会讲。
如果执行 renewExpirationAsync 办法的时候没有异样。这个时候的返回值就是 true 或者 false。
如果是 true，阐明续命胜利，则再次调用 renewExporation 办法，期待着工夫轮触发下一次。
如果是 false，阐明这把锁曾经没有了，或者易主了。那么也就没有以后线程什么事件了，啥都不必做，默默的完结就行了。
上锁和看门狗的一些基本原理就是后面说到这么多。
接着简略看看 unlock 办法外面是怎么回事儿的。
首先是 unlockInnerAsync 办法，这外面就是 lua 脚本开释锁的逻辑：
这个办法返回的是 Boolean，有三种状况。
- 返回为 null，阐明锁不存在，或者锁存在，然而 value 不匹配，示意锁曾经被其余线程占用。
- 返回为 true，阐明锁存在，线程也是对的，重入次数曾经减为零，锁能够被开释。
- 返回为 false，阐明锁存在，线程也是对的，然而重入次数还不为零，锁还不能被开释。
然而你看 unlockInnerAsync 是怎么解决这个返回值的：
返回值，也就是 opStatus，仅仅是判断了返回为 null 的状况，抛出异样表明这个锁不是被以后线程持有的，完事。
它并不关怀返回为 true 或者为 false 的状况。
而后再看我框起来的 cancelExpirationRenewal(threadId); 办法：
这外面就有 remove 办法。
而后面铺垫了这么多其实就是为了引出这个 cancelExpirationRenewal 办法。
纵观一下加锁和解锁，针对 MAP 的操作，看一下上面的这个图片：
标号为 ① 的中央是加锁，调用 MAP 的 put 办法。
标号为 ② 的中央是放锁，调用 MAP 的 remove 办法。
记住下面这一段剖析，和操作这个 MAP 的机会，上面说的 BUG 都是因为对这个 MAP 的操作不失当导致的。
看门狗不失效的 BUG
后面找了一个版本给大家看源码，次要是为了让大家把 Demo 跑起来，毕竟引入 maven 依赖的老本是小很多的。
然而真的要钻研源码，还是得把先把源码拉下来，缓缓的啃起来。
间接拉我的项目源码的益处我在之前的文章外面曾经说很屡次了，对我而言，无外乎就三个目标：
- 能够保障是最新的源码
- 能够看到代码的提交记录
- 能够找到官网的测试用例
好，话不多说，首先咱们看看开篇说的第一个 BUG：看门狗不失效的问题。
从这个 issues 说起：
https://github.com/redisson/r…
在这个 issues 外面，他给到了一段代码，而后说他预期的后果是在看门狗续命期间，如果呈现程序和 Redis 的连贯问题，导致锁主动过期了，那么我再次申请同一把锁，应该是让看门狗再次工作才对。
然而理论的状况是，即便前一把锁因为连贯异样导致过期了，程序再胜利申请到一把新锁，然而这个新的锁，30s 后就主动过期了，即看门狗不会工作。
这个 issues 对应的 pr 是这个：
https://github.com/redisson/r…
在这个 pr 外面，提供了一个测试用例，咱们能够间接在源码外面找到：
org.redisson.RedissonLockExpirationRenewalTest
这就是拉源码的益处。
在这个测试用例外面，外围逻辑是这样的：
首先须要阐明的是，在这个测试用例外面，把看门狗的 lockWatchdogTimeout 参数批改为 1000 ms：
也就是说看门狗这个定时工作，每 333ms 就会触发一次。
而后咱们看标号为 ① 的中央，先申请了一把锁，而后 Redis 产生了一次重启，重启导致这把锁生效了，比方还没来得及长久化，或者长久化了，然而重启的工夫超过了 1s，这锁就没了。
所以，在调用 unlock 办法的时候，必定会抛出 IllegalMonitorStateException 异样，示意这把锁没了。
到这里一切正常，还能了解。
然而看标号为 ② 的中央。
加锁之后，业务逻辑会执行 2s，必定会触发看门狗续命的操作。
在这个 bug 修复之前，在这里调用 unlock 办法也会抛出 IllegalMonitorStateException 异样，示意这把锁没了：
先不说为啥吧，至多这妥妥的是一个 Bug 了。
因为依照失常的逻辑，这个锁应该始终被续命，而后直到调用 unlock 才应该被开释。
好，bug 的演示你也看到了，也能够复现了。你猜是什么起因？
答案其实我在后面应该给你写进去了，就看这波前后响应你能不能反馈过去了。
首先前提是两次加锁的线程是同一个，而后我后面不是特意强调了 oldEntry 这个玩意吗：
下面这个 bug 能呈现，阐明第二次 lock 的时候 oldEntry 在 MAP 外面是存在的，因而误以为以后看门狗正在工作，间接进入重入锁的逻辑即可。
为什么第二次 lock 的时候 oldEntry 在 MAP 外面是存在的呢？
因为第一次 unlock 的时候，没有从 MAP 外面把以后线程的 ExpirationEntry 对象移走。
为什么没有移走呢？
看一下这个哥们测试的 Redisson 版本：
在这个版本外面，开释锁的逻辑是这样的：
诶，不对呀，这不是有 cancelExpirationRenewal(threadId) 的逻辑吗？
没错，的确有。
然而你看什么状况下会执行这个逻辑。
首先是出现异常的状况，然而在咱们的测试用例中，两次调用 unlock 的时候 Redis 是失常的，不会抛出异样。
而后是 opStatus 不为 null 的时候会执行该逻辑。
也就是说 opStatus 为 null 的时候，即以后锁没有了，或者易主了的时候，不会触发 cancelExpirationRenewal(threadId) 的逻辑。
巧了，在咱们的场景外面，第一次调用 unlock 办法的时候，就是因为 Redis 重启导致锁没有了，因而这里返回的 opStatus 为 null，没有触发 cancelExpirationRenewal 办法的逻辑。
导致我第二次在以后线程中调用 lock 的时候，走到上面这里的时候，oldEntry 不为空：
所以，走了重入的逻辑，并没有启动看门狗。
因为没有启动看门狗，导致这个锁在 1000ms 之后就主动开释了，能够被别的线程抢走拿去用。
随后以后线程业务逻辑执行实现，第二次调用 unlock，当然就会抛出异样了。
这就是 BUG 的根因。
找到问题就好了，一行代码就能解决：
只有调用了 unlock 办法，不论怎么样，先调用 cancelExpirationRenewal(threadId) 办法，准没错。
这就是因为没有及时从 MAP 外面移走以后线程对应的对象，导致的一个 BUG。
再看看另外一个的 issue：
https://github.com/redisson/r…
这个问题是说如果我的锁因为某些起因没了，当我在程序外面再次获取到它之后，看门狗应该持续工作。
听起来，说的是同一个问题对不对？
是的，就是说的同一个问题。
然而这个问题，提交的代码是这样的：
在看门狗这里，如果看门狗续命失败，阐明锁不存在了，即 res 返回为 false，那么也被动执行一下 cancelExpirationRenewal 办法，不便为前面的加锁胜利的线程让路，免得耽搁他人开启看门狗机制。
这样就能有双重保障了，在 unlock 和看门狗外面都会触发 cancelExpirationRenewal 的逻辑，而且这两个逻辑也并不会抵触。
另外，我揭示一下，最终提交的代码是这样的，两个办法入参是不一样的：
为什么从 threadId 批改为 null 呢？
留个思考题吧，就是从重入的角度思考的，能够本人去钻研一下，很简略的。
看门狗导致死锁的 BUG
这个 BUG 解释起来就很简略了。
看看这个 issue：
https://github.com/redisson/r…
在这里把复现的步骤都写的清清楚楚的。
测试程序是这样的，通过定时工作 1s 触发一次，然而工作会执行 2s，这样就会导致锁的重入：
他这里提到一个命令：
CLIENT PAUSE 5000
次要还是模仿 Redis 解决申请超时的状况，就是让 Redis 假死 5s，这样程序发过来的申请就会超时。
这样，重入的逻辑就会产生凌乱。
看一下这个 bug 修复的对应的要害代码之一：
不论 opStatus 返回为 false 还是 true，都执行 cancelExpirationRenewal 逻辑。
问题的解决之道，还是在于对 MAP 的操作。
另外，多提一句。
也是在这次提交中，把保护重入的逻辑封装到了 ExpirationEntry 这个对象外面，比起之前的写法优雅了很多，有趣味的能够把源码拉下来进行一下比照，感受一下什么叫做优雅的重构：
线程中断
在写文章的时候，我还发现一个有意思的，但对于 Redisson 无解的 bug。
就是这里：
我第一眼看到这一段代码就很奇怪，这样奇怪的写法，背地必定是有故事的。
这背地对应的故事，藏在这个 issue 外面：
https://github.com/redisson/r…
翻译过去，说的是当 tryLock 办法被中断时，看门狗还是会一直地更新锁，这就造成了有限锁，也就是死锁。
咱们看一下对应的测试用例：
开启了一个子线程，在子线程外面执行了 tryLock 的办法，而后主线程外面调用了子线程的 interrupt 办法。
你说这个时候子线程应该怎么办？
按理来说，线程被中断了，是不是看门狗也不应该工作呢？
是的，所以这样的代码就呈现了：
然而，你细品，这几行代码并没有齐全解决看门狗的问题。只能在肯定概率上解决第一次调用后 renewExpiration 办法后，还没来得及启动定时工作之前的这一小段时间。
所以，测试案例外面的 sleep 工夫，只有 5ms：
这工夫要是再长一点，就会触发看门狗机制。
一旦触发看门狗机制，触发 renewExpiration 办法的线程就会变成定时工作的线程。
你里面的子线程 interrupt 了，和我定时工作的线程有什么关系？
比方，我把这几行代码移动到这里：
其实没有任何卵用:
因为线程变了。
对于这个问题，官网的答复是这样的：
大略意思就是说：嗯，你说的很有情理，然而 Redisson 的看门狗工作范畴是整个实例，而不是某个指定的线程。
意外播种
最初，再来一个意外播种：
你看 addThreadId 这个办法重构了一次。
然而这次重构就呈现问题了。
原来的逻辑是当 counter 是 null 的时候，初始化为 1。不为 null 的时候，就执行 counter++，即重入。
重构之后的逻辑是当 counter 是 null 的时候，先初始化为 1，而后紧接着执行 counter++。
那岂不是 counter 间接就变成了 2，和原来的逻辑不一样了？
是的，不一样了。
搞的我 Debug 的时候一脸懵逼，起初才发现这个中央呈现问题了。
那就不好意思了，意外播种，混个 pr 吧：