ShedLock核心原理深度剖析:从LockProvider到SchedulerLock的完整工作流程
ShedLock是一个专为分布式环境设计的轻量级锁框架,用于确保你的定时任务在多个节点上最多同时执行一次。如果你正在部署微服务架构,面对定时任务重复执行的问题,ShedLock提供了简单而强大的解决方案。
🔍 什么是ShedLock分布式锁?
ShedLock不是一个完整的分布式调度器,而是一个专注于解决定时任务重复执行问题的锁机制。它的核心思想是:当一个任务正在某个节点上执行时,它会获取一个锁,阻止其他节点(或线程)执行相同的任务。
核心特性包括:
- ✅ 仅对标注了
@SchedulerLock的方法进行锁定 - ✅ 相同名称的任务同一时间只能在一个节点上执行
- ✅ 其他被相同锁保护的任务不会被阻塞,而是直接被跳过
- ✅ 任务完成后立即释放锁(除非指定了
lockAtLeastFor)
🏗️ ShedLock三组件架构
ShedLock由三个核心组件构成,共同构建了完整的分布式锁体系:
1. Core核心模块
位于shedlock-core/,提供基础的锁机制实现,包括LockProvider接口、LockConfiguration配置类等关键组件。
2. Integration集成模块
支持Spring AOP、Micronaut AOP或手动代码集成,将锁机制与应用框架无缝对接。
3. LockProvider锁提供器
通过各种外部存储提供锁服务,包括SQL数据库、MongoDB、Redis、Hazelcast等。
🔄 完整工作流程解析
任务触发阶段
当Spring的定时任务调度器触发一个任务时,ShedLock通过两种代理模式介入:
方法级代理模式
工作流程:
- Spring Scheduling生成
Runnable任务实例 - TaskScheduler接收并准备执行任务
- AOP代理拦截方法调用,包装目标
ScheduledMethod - 代理调用
executeIfNotLocked()方法检查分布式锁 - 获取锁成功后执行实际业务逻辑
调度器级代理模式
工作流程:
- Spring Scheduling生成
Runnable任务 - TaskScheduler AOP代理拦截任务提交
- 将普通
Runnable转换为LockableRunnable - 真实
TaskScheduler执行包装后的任务 - 在
run()方法中检查分布式锁
锁获取与执行阶段
无论采用哪种代理模式,核心逻辑都在executeIfNotLocked()方法中实现:
// 伪代码示意
if (lockProvider.lock(lockConfig)) {
try {
// 执行实际业务逻辑
scheduledMethod.execute();
} finally {
lockProvider.unlock(lockConfig);
}
}
📊 锁配置策略详解
lockAtMostFor安全网机制
必须设置lockAtMostFor,确保即使节点崩溃,锁也会在一定时间后自动释放。建议设置为远大于正常执行时间的值。
lockAtLeastFor时钟同步保护
防止在极短任务和节点时钟差异的情况下,多个节点同时执行任务。
实战配置示例
@Scheduled(cron = "0 */15 * * * *")
@SchedulerLock(name = "scheduledTaskName",
lockAtMostFor = "14m",
lockAtLeastFor = "14m")
public void scheduledTask() {
// 业务逻辑
}
🔧 LockProvider实现生态
ShedLock支持丰富的锁提供器实现:
数据库类
- JdbcTemplate:最常用的数据库锁提供器
- R2DBC:响应式数据库支持
- jOOQ:类型安全的SQL构建
- Exposed:Kotlin SQL框架
NoSQL类
- MongoDB:文档数据库支持
- Redis:内存数据库支持
- Cassandra:宽列数据库支持
云服务类
- DynamoDB:AWS云数据库
- Firestore:Google云数据库
- S3:对象存储支持
🚀 最佳实践指南
1. 正确配置锁超时时间
@Configuration
@EnableScheduling
@EnableSchedulerLock(defaultLockAtMostFor = "10m")
class MySpringConfiguration {
// 配置
}
2. 使用数据库时间
强烈推荐使用usingDbTime()选项,基于数据库服务器时钟,避免应用服务器时钟不同步问题。
3. 锁断言验证
@Scheduled(...)
@SchedulerLock(name = "taskName")
public void scheduledTask() {
LockAssert.assertLocked(); // 防止配置错误
// 业务逻辑
}
⚠️ 重要注意事项
不要手动删除锁记录
ShedLock在内存中缓存现有的锁记录,手动删除会导致锁记录无法自动重建。
不是分布式调度器
ShedLock只提供锁功能,不负责任务调度。如果你需要完整的分布式调度器,请考虑其他项目。
🎯 总结
ShedLock通过简洁而强大的设计,解决了分布式环境下定时任务重复执行的核心痛点。从LockProvider的多样化实现到SchedulerLock的智能代理,整个工作流程体现了"简单即是美"的设计哲学。
无论你选择哪种LockProvider实现,核心的工作流程都保持一致:拦截 → 检查锁 → 执行 → 释放锁。这种一致性使得ShedLock在不同技术栈中都能提供可靠的服务。
分布式定时任务管理从未如此简单 🎉
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 StartedRust0212
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0137
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03

