分布式锁的可用性与切换效率探讨

不可否认，在多核时代，多线程并发是常态， 分布式锁服务通过持续心跳来保证锁的健壮性，让用户不用投入很多精力关注丢锁，但也有可能异常的用户进程持续占据锁。

我们也曾经遇到过该类场景，因为机器 load 高，硬件问题等原因，设备上的进程假死但其中仍存在部分线程在工作，比如锁的心跳维护线程依然正常运行，这样锁节点仍然是被假死进程占据着，且无法被其他进程抢占。针对该场景，为了保证锁最终可以被调度，提供了可以安全释放锁的会话加黑机制。

当用户需要将发生假死的进程持有的锁释放时，可以通过查询会话信息，并将会话加黑，此后，心跳将不能正常维护，最终导致会话过期，锁节点被安全释放。这里我们不是强制删除锁，而是选用禁用心跳的原因如下:

a. 删除锁操作本身不安全，如果锁已经被其他人正常抢占，此时删锁请求会产生误删除。
b. 删除锁后，持有锁的人会话依然正常，它仍然认为自己持有锁，会打破锁的互斥性原则。

切换效率：

当进程持有的锁需要被重新调度时，持有者可以主动删除锁节点，但当持有者发生异常(如进程重启，机器宕机等)，新的进程要重新抢占，就需要等待原先的会话过期后，才有机会抢占成功。默认情况下，分布式锁使用的会话生命期为 50 秒，当持有锁的进程意外退出后(未主动释放锁)，最长需要经过 50 秒锁节点才可以被再次抢占。

要提升切换精度，本质上要压缩会话生命周期，同时也意味着更快的心跳频率，对后端更大的访问压力。我们通过对后端进行优化，使得会话周期可以进一步压缩，提升锁的切换效率。

例如：目前给 TableStore 提供 30 秒的分布式锁，同时也通过提供 Restful 接入方式，让用户可以自定义会话时长及控制心跳发送，同时我们会将锁的精度进一步提高到 20 秒之内 。
结合具体的业务场景，例如守护进程发现锁持有进程挂掉的场景，提供锁的 CAS 释放操作，使得进程可以零等待进行抢锁。比如利用在锁节点中存放进程的唯一标识，强制释放已经不再使用的锁，并重新争抢，该方式可以彻底避免进程升级或意外重启后抢锁需要的等待时间。