ShedLock 多锁提供者支持在模块化单体架构中的应用
2025-06-18 23:54:47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
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
239
2.37 K
deepin linux kernel
C
24
6
React Native鸿蒙化仓库
JavaScript
216
291
暂无简介
Dart
539
118
仓颉编译器源码及 cjdb 调试工具。
C++
115
86
仓颉编程语言运行时与标准库。
Cangjie
122
97
🎉 (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
999
589
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++
589
116
Ascend Extension for PyTorch
Python
78
111
仓颉编程语言提供了 stdx 模块,该模块提供了网络、安全等领域的通用能力。
Cangjie
80
56