ShedLock 多锁提供者支持在模块化单体架构中的应用
2025-06-18 07:23:41作者:范靓好Udolf
背景与问题分析
在现代分布式系统架构中,任务调度是一个常见需求。ShedLock作为一个轻量级的分布式锁库,能够确保定时任务在分布式环境中只执行一次。然而,在模块化单体架构(Modular Monolith)中,特别是采用垂直切片架构(Vertical-Slice Architecture)的项目里,现有的ShedLock实现存在一个明显的局限性。
模块化单体架构将系统按照业务边界划分为多个独立模块,每个模块包含自己的应用层、领域层和数据访问层。这种架构强调模块间的解耦,每个模块通常拥有独立的数据存储方案。而当前ShedLock的设计强制要求整个应用只能使用单一的LockProvider,这与模块化设计的理念产生了冲突。
技术痛点
ShedLock现有的@SchedulerLock注解实现存在以下技术限制:
- 依赖全局唯一的LockProvider Bean,无法为不同模块配置独立的锁存储
- 注解处理逻辑硬编码了单LockProvider的假设
- 无法支持不同模块使用不同数据库schema或不同锁机制的需求
这种限制导致在模块化架构中,所有模块被迫共享同一个锁存储,破坏了模块的独立性,可能引发以下问题:
- 模块间锁表耦合,难以独立演进
- 无法针对特定模块选择最优的锁实现
- 数据库权限和隔离级别难以精细控制
解决方案设计
针对上述问题,社区提出了扩展@SchedulerLock注解的方案,使其支持指定特定的LockProvider。核心设计思路包括:
- 在注解中增加lockProvider属性,用于指定使用的LockProvider Bean名称
- 修改注解处理逻辑,根据指定名称从Spring上下文中获取对应的LockProvider
- 使用获取到的LockProvider创建专用的LockManager执行锁定逻辑
这种设计保持了向后兼容性,同时为模块化架构提供了必要的灵活性。实现上可以采用两种方式:
- 直接扩展原生@SchedulerLock注解
- 创建新的@QualifiedSchedulerLock注解作为补充
实现细节
在参考实现中,新增的@QualifiedSchedulerLock注解定义如下:
@Target({METHOD, ANNOTATION_TYPE})
@Retention(RUNTIME)
public @interface QualifiedSchedulerLock {
String lockProvider(); // 指定LockProvider Bean名称
String name(); // 锁名称
String lockAtMostFor() default ""; // 最大锁定时间
String lockAtLeastFor() default ""; // 最小锁定时间
}
对应的切面处理逻辑核心部分如下:
@Around("@annotation(QualifiedSchedulerLock)")
public Object acquireQualifiedSchedulerLock(ProceedingJoinPoint scheduledMethod) {
// 获取注解配置
var lockParameters = signature.getMethod().getAnnotation(QualifiedSchedulerLock.class);
// 根据名称获取指定的LockProvider
var lockProvider = (LockProvider) applicationContext.getBean(lockParameters.lockProvider());
// 创建锁管理器并执行
var lockManager = createLockManager(lockProvider, configurationExtractor);
lockManager.executeWithLock(running(scheduledMethod));
return null;
}
架构价值
这一改进为模块化架构带来了显著价值:
- 真正的模块独立性:每个模块可以完全控制自己的锁存储策略
- 技术多样性支持:不同模块可以根据需求选择Jdbc、Redis、Mongo等不同锁实现
- 数据隔离:模块可以使用独立的数据库schema存储锁信息
- 演进自由:模块可以独立升级或替换锁实现而不影响其他模块
最佳实践建议
在实际应用中,建议考虑以下实践:
- 为每个业务模块定义专用的LockProvider Bean
- 使用模块前缀命名锁表,如"modulea_locks"、"moduleb_locks"
- 对于需要强隔离的场景,为模块配置独立的数据源
- 在模块的自动配置类中定义相关的锁基础设施
总结
ShedLock对多LockProvider的支持解决了模块化架构中的一个关键痛点,使分布式锁管理能够与模块化设计原则保持一致。这一改进不仅提升了架构的灵活性,也为系统的可维护性和可扩展性带来了显著提升。对于采用垂直切片架构或领域驱动设计的项目,这一特性将大大简化分布式任务调度的实现复杂度。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
649
796
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.24 K
153
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
985
253
昇腾LLM分布式训练框架
Python
167
200
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.68 K
990