参考资料

• Redis Distributed Locks
• Redis SET Command
• Martin Kleppmann：How to Do Distributed Locking

Redis（04） - 分布式锁与一致性边界

读完后，你应能完成以下任务：

• 绘制“Redis（04） - 分布式锁与一致性边界 / 锁的最小正确模型”的关键对象与数据流，解释“释放时通过 Lua 比较所有者后删除。”，并用源码位置、日志或 Trace 标注证据。
• 为“Redis（04） - 分布式锁与一致性边界 / Fencing Token 与最终约束”设计正常与异常输入，验证“高风险写操作应在获得锁时取得单调递增 Fencing Token，”，输出首个偏差位置与回归测试结果。
• 实现“Redis（04） - 分布式锁与一致性边界 / 实现决策”的最小代码或配置，检验“定义锁保护的资源、最大持有时间和锁失效后的行为。 -> 所有者使用不可预测的请求 ID，日志记录哈希而非敏感信息。 -> 获取失败采用有限退避或直接返回冲突，不能无限自旋。 -> 释放使用原子比较删除；续租也必须比较所有者。”，输出命令、结果与 Diff，并说明不适用边界。

一、先建立全局：分布式锁与一致性边界 是什么？

理解“分布式锁与一致性边界”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。

“分布式锁与一致性边界”的第一个核心判断是：释放时通过 Lua 比较所有者后删除。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。

顺序	章节	读完本节应抓住的结论
1	锁的最小正确模型	释放时通过 Lua 比较所有者后删除。
2	Fencing Token 与最终约束	高风险写操作应在获得锁时取得单调递增 Fencing Token，
3	实现决策	定义锁保护的资源、最大持有时间和锁失效后的行为。 -> 所有者使用不可预测的请求 ID，日志记录哈希而非敏感信息。 -> 获取失败采用有限退避或直接返回冲突，不能无限自旋。 -> 释放使用原子比较删除；续租也必须比较所有者。
4	失败注入与排查	测试应覆盖执行中进程暂停超过 TTL、Redis 主从切换、客户端网络超时、重复请求和释放失败。
5	获取锁使用带随机所有者值的 SET key value NX P	获取锁使用带随机所有者值的 SET key value NX PX ttl，
6	单独执行 GET 再 DEL 存在竞态	单独执行 GET 再 DEL 存在竞态：客户端暂停期间锁可能过期并被别人获得，

1.1 核心对象之间怎样衔接

flowchart LR
  S1["锁的最小正确模型"] --> S2
  S2["Fencing Token 与最终约束"] --> S3
  S3["实现决策"] --> S4
  S4["失败注入与排查"] --> S5
  S5["获取锁使用带随机所有者值的 SET key value NX P"]

这张图只表达本文的讲解顺序，不替代正文机制。判断“分布式锁与一致性边界”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。

1.2 再看失败：问题最早会出现在哪一步？

在“分布式锁与一致性边界”的对象和顺序已经明确后，再看可观察的失败：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。

二、锁的最小正确模型

获取锁使用带随机所有者值的 SET key value NX PX ttl， 释放时通过 Lua 比较所有者后删除。 单独执行 GET 再 DEL 存在竞态：客户端暂停期间锁可能过期并被别人获得， 旧客户端醒来后会误删新锁。

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

TTL 是租约，不是任务超时。 任务超过租约后，旧持有者可能仍继续执行，同时新持有者已进入临界区。 续租只能降低概率， 不能消除进程暂停、网络分区和 Redis Failover 带来的所有并发执行。

三、Fencing Token 与最终约束

高风险写操作应在获得锁时取得单调递增 Fencing Token， 并让真正的数据存储拒绝旧 Token。 即使旧客户端恢复并继续提交，也会因 Token 小于当前版本而失败。 数据库唯一键、版本列、状态机和条件更新是最终正确性边界，Redis 锁只用于减少竞争。

UPDATE job_state
SET owner_token = :token, status = 'RUNNING'
WHERE job_id = :jobId
  AND owner_token < :token
  AND status IN ('READY', 'RETRY');

如果影响行数为零，执行者必须停止。 支付扣款、库存、审批状态等场景不能仅凭“我拿到了 Redis 锁”执行副作用， 还要有业务幂等键和下游去重。

四、实现决策

1. 定义锁保护的资源、最大持有时间和锁失效后的行为。
2. 所有者使用不可预测的请求 ID，日志记录哈希而非敏感信息。
3. 获取失败采用有限退避或直接返回冲突，不能无限自旋。
4. 释放使用原子比较删除；续租也必须比较所有者。
5. 为真正副作用增加唯一约束、状态机或 Fencing Token。

单 Redis 实例锁适合低风险协调； 需要更强故障模型时要评估共识系统或数据库锁。 多实例算法仍受时钟、网络和故障假设约束，不能用“分布式锁”四个字跳过风险分析。

五、失败注入与排查

测试应覆盖执行中进程暂停超过 TTL、Redis 主从切换、客户端网络超时、重复请求和释放失败。 关键观察是同一资源是否出现两个执行者，以及最终存储是否拒绝旧执行者。

锁 Key 长期存在说明释放或 TTL 配置错误； 大量获取失败可能是临界区过大、热点资源或任务卡死； 续租频繁失败要检查事件循环、GC、网络和 Redis 延迟。 排障时保留 lock key 模板、owner、token、租约时间和业务执行 ID。

验收清单

• 锁具备唯一所有者、TTL、原子释放和有限等待。
• 超过 TTL 的旧执行者无法覆盖新执行者结果。
• 业务副作用有幂等键、唯一约束或状态机兜底。
• Failover、暂停和重复提交场景已经自动化验证。

六、动手验证：先跑通 分布式锁与一致性边界，再改变一个变量

前面的章节已经建立问题、概念和机制。现在把“分布式锁与一致性边界”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。

6.1 基线与候选只允许一个变量不同

验证“分布式锁与一致性边界”时，先固定数据快照、并发条件、客户端配置、拓扑和故障注入点。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。

执行“分布式锁与一致性边界”时，动作是：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。原始结果不能只保留截图或汇总分数，必须同步保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验，使下一次复查可以在同一输入上重放。

实验要素	本文要求
固定条件	固定数据快照、并发条件、客户端配置、拓扑和故障注入点
唯一变量	本次候选方案与基线之间的一项明确差异
原始证据	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
通过阈值	一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用
立即停止	计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致

6.2 执行前先排除不可比较条件

“分布式锁与一致性边界”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。

• 基线能够在“分布式锁与一致性边界”的当前环境重复运行。
• 候选只改变一个与“分布式锁与一致性边界”结论直接相关的条件。
• “分布式锁与一致性边界”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
• “分布式锁与一致性边界”的原始输出和失败现场不会被重试、格式化或汇总覆盖。

6.3 执行后先核对证据完整性

结果出来后先检查证据，再讨论“分布式锁与一致性边界”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。

检查项	当前文章的判定
输入可追溯	固定数据快照、并发条件、客户端配置、拓扑和故障注入点
过程可回放	执行正常读写与故障场景，记录查询计划、锁、复制或消费状态
结果可审计	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验

“分布式锁与一致性边界”的一次合格基线对照按以下顺序执行：

1. 保存“分布式锁与一致性边界”基线版本及输入摘要，确认基线本身可以重复运行。
2. 写下“分布式锁与一致性边界”候选方案唯一变化的变量，以及它预期影响的指标。
3. 在同一环境执行“分布式锁与一致性边界”：执行正常读写与故障场景，记录查询计划、锁、复制或消费状态。
4. 为“分布式锁与一致性边界”保存：执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验。
5. 使用“分布式锁与一致性边界”预登记条件判断：一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用。
6. 如果“分布式锁与一致性边界”未通过，不修改第二个变量，先恢复基线并保留失败现场。

七、用一张矩阵验证 分布式锁与一致性边界 的关键结论

矩阵按正文顺序列出“分布式锁与一致性边界”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。

正文章节	已解释的结论	本轮唯一变量	必须保存的证据
锁的最小正确模型	释放时通过 Lua 比较所有者后删除。	只改变与“锁的最小正确模型”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
Fencing Token 与最终约束	高风险写操作应在获得锁时取得单调递增 Fencing Token，	只改变与“Fencing Token 与最终约束”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
实现决策	定义锁保护的资源、最大持有时间和锁失效后的行为。 -> 所有者使用不可预测的请求 ID，日志记录哈希而非敏感信息。 -> 获取失败采用有限退避或直接返回冲突，不能无限自旋。 -> 释放使用原子比较删除；续租也必须比较所有者。	只改变与“实现决策”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
失败注入与排查	测试应覆盖执行中进程暂停超过 TTL、Redis 主从切换、客户端网络超时、重复请求和释放失败。	只改变与“失败注入与排查”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
获取锁使用带随机所有者值的 SET key value NX P	获取锁使用带随机所有者值的 SET key value NX PX ttl，	只改变与“获取锁使用带随机所有者值的 SET key value NX P”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验
单独执行 GET 再 DEL 存在竞态	单独执行 GET 再 DEL 存在竞态：客户端暂停期间锁可能过期并被别人获得，	只改变与“单独执行 GET 再 DEL 存在竞态”相关的条件	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验

7.1 记录本次实际实验

下面的记录用于“分布式锁与一致性边界”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。

topic: "分布式锁与一致性边界"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "执行正常读写与故障场景，记录查询计划、锁、复制或消费状态"
evidence: "执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验"
pass_when: "一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用"
stop_when: "计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure

7.2 边界实验必须证明能够停止和恢复

成功路径只能证明“分布式锁与一致性边界”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致，并观察系统是否在产生不可逆副作用前停止。

场景	只改变什么	应保存什么	通过标准
正常路径	使用已知有效输入	执行计划、慢日志、锁等待、Offset、复制延迟、指标和数据校验	一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用
边界路径	把一个输入推进到约束临界值	临界值前后的输出与指标	不静默降级，不把部分结果冒充成功
明确失败	注入：计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致	原始错误、首个异常阶段和最终状态	失败被正确分类且没有扩大副作用
恢复重放	执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因	原失败样本的复测证据	原样本恢复，正常样本没有回归

恢复动作不是简单重启。对于“分布式锁与一致性边界”，第一步是：从数据入口、存储状态、复制消费链路和恢复步骤定位根因。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。

“分布式锁与一致性边界”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。

八、分布式锁与一致性边界 的结果解释

解释“分布式锁与一致性边界”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。

观察结果	可以支持的判断	下一步
主链路没有达到预期	计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致	先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因
异常链路无法恢复	计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致	先执行：从数据入口、存储状态、复制消费链路和恢复步骤定位根因
新样本成功但原样本仍失败	修复没有覆盖原始触发条件	固定原失败输入，恢复基线后重新比较
指标改善但证据无法回链	数据、版本或中间状态没有固定	暂停发布，补齐可追溯记录后重跑

“分布式锁与一致性边界”只有同时满足“一致性与性能满足正文约束，故障恢复后没有丢失或重复副作用”，并且没有出现“计划退化、死锁、热点击穿、消息重复丢失或恢复后数据不一致”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。

如果“分布式锁与一致性边界”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。

“分布式锁与一致性边界”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。

九、分布式锁与一致性边界 的发布判断

发布判断需要把“分布式锁与一致性边界”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。

• “分布式锁与一致性边界”的基线与候选只存在一个计划内变量。
• “分布式锁与一致性边界”的输入、代码、依赖、配置和数据版本可以追溯。
• “分布式锁与一致性边界”的正常、临界、失败和恢复样本使用同一套断言。
• “分布式锁与一致性边界”的原始输出、中间状态和失败现场已经保留。
• “分布式锁与一致性边界”的日志、Trace、截图和测试数据已经脱敏。
• “分布式锁与一致性边界”的停止条件、负责人和回滚入口已经演练。
• “分布式锁与一致性边界”尚未覆盖的输入、权限、容量和外部依赖已经登记。

最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“分布式锁与一致性边界”的判断，就不能发布。

十、总结

• 锁的最小正确模型：获取锁使用带随机所有者值的 SET key value NX PX ttl，释放时通过 Lua 比较所有者后删除。
• Fencing Token 与最终约束：高风险写操作应在获得锁时取得单调递增 Fencing Token，并让真正的数据存储拒绝旧 Token。
• 实现决策：定义锁保护的资源、最大持有时间和锁失效后的行为。 -> 所有者使用不可预测的请求 ID，日志记录哈希而非敏感信息。 -> 获取失败采用有限退避或直接返回冲突，不能无限自旋。 -> 释放使用原子比较删除；续租也必须比较所有者。
• 失败注入与排查：测试应覆盖执行中进程暂停超过 TTL、Redis 主从切换、客户端网络超时、重复请求和释放失败。