ShedLock 多锁提供者支持在模块化单体架构中的应用
2025-06-18 23:38:36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
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Python开发者的macOS终极指南:VSCode安装配置全攻略 MQTT客户端软件源代码:物联网开发的强大工具与最佳实践指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 中兴e读zedx.zed文档阅读器V4.11轻量版:专业通信设备文档阅读解决方案 PANTONE潘通AI色板库:设计师必备的色彩管理利器 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
408
3.15 K
Ascend Extension for PyTorch
Python
226
252
暂无简介
Dart
674
160
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++
664
321
🎉 (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
1.21 K
659
React Native鸿蒙化仓库
JavaScript
263
326
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868