分布式锁和事务注解结合使用

在分布式系统中，事务注解（如 @Transactional）与分布式锁的结合使用是保障数据一致性和高并发安全的核心手段。以下是两者的协同使用场景及技术实现要点：

---

一、事务注解的局限性及分布式锁的互补性

维度	事务注解（@Transactional）	分布式锁
作用范围	单数据库事务（ACID）	跨服务、跨数据库的全局资源协调
适用场景	转账、库存扣减等单点数据操作	秒杀、集群任务调度、配置更新等分布式场景
典型问题	无法解决跨服务的事务隔离（如订单创建与物流系统协同）	防止重复提交、资源超卖、多节点并发冲突

案例：用户支付时需同时更新订单状态（MySQL）和发送消息（Kafka），仅用 @Transactional 无法保证两者原子性，需配合分布式锁协调跨系统操作。

---

二、注解化分布式锁的实现方案

1. 核心组件

• 注解定义：自定义 @DistributedLock 注解，支持动态参数（如 keys = {"#orderId}"）
• AOP切面：通过 @Around 拦截方法，在事务执行前后加锁/解锁
• 锁服务：基于 Redisson 或 RedisTemplate 实现原子操作

2. 代码示例（Spring Boot + Redisson）

@Aspect
@Component
public class DistributedLockAspect {
    @Autowired
    private RedissonClient redissonClient;

    @Around("@annotation(distributedLock)")
    public Object lock(ProceedingJoinPoint pjp, DistributedLock distributedLock) throws Throwable {
        String lockKey = buildLockKey(pjp, distributedLock); // 动态生成Key（如:order:1001）
        RLock lock = redissonClient.getLock(lockKey);
        try {
            if (lock.tryLock(3, 30, TimeUnit.SECONDS)) { // 等待3秒，锁持有30秒
                return pjp.proceed(); // 执行事务方法
            } else {
                throw new RuntimeException("获取锁失败");
            }
        } finally {
            if (lock.isHeldByCurrentThread()) {
                lock.unlock();
            }
        }
    }
}

3. 动态Key生成策略

• 参数注入：使用 SpEL 表达式解析方法参数

  @DistributedLock(prefix="order", keys={"#order.id", "#user.id"})
  public void createOrder(Order order, User user) { ... }
  

• 组合Key：生成类似 order:1001:u2025 的唯一标识，避免锁粒度过粗或过细。

---

三、典型场景及最佳实践

1. 高并发下单场景

• 问题：用户多次点击导致重复订单
• 解决方案：

  @DistributedLock(prefix = "order_lock", keys = {"#userId"})
  @Transactional
  public Order createOrder(Long userId, Item item) {
      // 检查库存 → 扣减库存 → 生成订单（事务内操作）
  }
  

  • 锁策略：以用户ID为粒度，限制同一用户5秒内仅允许一次下单

2. 定时任务防重复执行

• 问题：多节点同时触发报表生成导致数据错乱
• 解决方案：

  /**
   * 0 0 12 * * ?：每天中午 12 点执行。
   * 0 0/5 * * * ?：每 5 分钟执行一次。
   * 0 0 8-18 ? * MON-FRI：周一至周五的 8 点到 18 点之间每小时执行一次。
   */
  @Scheduled(cron = "0 0 12 * * ?")
  @DistributedLock(prefix = "report_task", expire = 3600)
  public void generateDailyReport() {
      // 跨数据库汇总数据 → 写入ES（非事务操作仍需锁协调）
  }
  

  • 锁超时：设置1小时过期时间，避免任务中断导致死锁

3. 分布式事务补偿

• 问题：跨服务事务部分失败后的数据回滚
• 方案组合：

  1. 使用 @DistributedLock 锁定主资源

  2. @Transactional 执行本地事务

  3. 通过 TCC 或 Saga 模式实现跨服务补偿

     对于某些分布式事务场景，流程多、流程长、还可能要调用其它公司的服务。特别是对于不可控的服务(其他公司的服务)，这些服务无法遵循 TCC 开发模式，导致TCC模式的开发成本增高，且使用TCC模式会影响并发性能。
     鉴于上述业务场景的分布式事务处理，提出了Saga分布式处理模式。Saga是一种“长事务的解决方案”，更适合于“业务流程长、业务流程多”的场景。特别是针对参与事务的服务是遗留系统服务，此类服务无法提供TCC模式下的三个接口，就可以采用Saga模式。

---

四、风险规避与性能优化

1. 死锁预防

• 自动续期：Redisson 看门狗机制（默认续期30秒）
• 超时兜底：Redis Key 设置 TTL（如 expire=30s）
• 熔断降级：锁获取失败时快速返回，避免线程阻塞

2. 性能优化

• 本地缓存：结合 Caffeine 实现二级锁（减少80% Redis请求）

• 锁分段：将热点资源拆分为多个锁（如商品库存按ID取模分10段）

• 无锁化改造：对非强一致性场景使用 版本号 或 CRDT 冲突-free 数据结构

  • CRDT(conflict-freereplicateddatatype）无冲突复制数据类型，是一种可以在网络中的多台计算机上复制的数据结构，副本可以独立和并行地更新，不需要在副本之间进行协调，并保证不会有冲突发生。
  • CRDT常被用在协作软件上，例如多个用户需要共同编辑/读取共享的文档、数据库或状态的场景。
  • 在数据库软件，文本编辑软件，聊天软件等都可以用到它。

3. 监控指标

指标	阈值	工具
锁等待时间（LockWaitTime）	< 100ms	Prometheus + Grafana
锁持有时间（LockHoldTime）	< 1s	Redisson Metrics
锁竞争失败率（LockFailRate）	< 0.1%	ELK 日志分析

---

五、选型对比

方案	适用场景	TPS	强一致性	开发成本
Redisson + 注解	电商、金融等高并发	50万+	✅	低
ZooKeeper 临时节点	配置管理、选主	1万	✅	中
数据库乐观锁 + 事务注解	低频强事务（如ERP）	5千	✅	低
ETCD 租约机制	云原生/K8s环境	10万	✅	高

---

总结

事务注解与分布式锁的协同实现了 本地事务原子性 与 全局资源协调 的双重保障。在云原生架构下，推荐采用 Redisson注解化锁 + Seata事务 的组合方案，既能通过声明式编程降低开发复杂度，又能支撑百万级 QPS 的分布式场景。关键是通过合理的锁粒度控制和监控体系，在一致性、性能、复杂度之间取得平衡。