总结一下加锁过程：首先选择一台机器，然后发送一段lua脚本，带有三个参数：一个是锁的名字（在代码里指定的）、一个是锁的时常（默认30秒）、一个是加锁的客户端id（每个客户端对应一个id）。然后脚本会判断是否有该名字的锁，如果没有就往数据结构中加入该锁的客户端id。
很简单，上面第一个if判断会执行“exists myLock”，如果发现myLock这个锁key已经存在了，就会进行第二个if判断，判断一下myLock锁key的hash数据结构中，是否包含客户端2的ID，但是明显不是的，因为那里包含的是客户端1的ID。
所以，客户端2会获取到pttl myLock返回的一个数字，这个数字代表了myLock这个锁key的剩余生存时间。比如还剩15000毫秒的生存时间。
此时客户端2会进入一个while循环，不停的尝试加锁。直到客户端1释放myLock这个锁。
客户端1加锁的默认时长是30秒，如果超过了30秒，客户端1还想持有这把锁该怎么办呢？机制如下：
只要客户端1一旦加锁成功，就会启动一个watch dog看门狗，他是一个后台线程，会每隔10秒检查一下，如果客户端1还持有锁key，那么就会不断的延长锁key的生存时间。
如果客户端1已经持有这把锁了，还想加锁，该怎么办呢？比如代码逻辑如下：
Rlock lock = redisson.getLock(“myLock”); lock.lock();// 一坨代码lock.lock();// 一坨代码lock.unlock();lock.unlock();这时我们来分析一下上面那段lua脚本。第一个if判断肯定不成立，“exists myLock”会显示锁key已经存在了。第二个if判断会成立，因为myLock的hash数据结构中包含的那个ID，就是客户端1的那个ID，也就是“8743c9c0-0795-4907-87fd-6c719a6b4586:1”
此时就会执行可重入加锁的逻辑，他会用：incrby myLock 8743c9c0-0795-4907-87fd-6c71a6b4586:1 1 通过这个命令，对客户端1的加锁次数，累加1。
此时，myLock的数据结构变成了这样：
myLock： { “8743c9c0-0795-4907-87fd-6c719a6b4586:1”：2 }可以看出，后面那个数字表示该id的锁的加锁次数。
如果执行lock.unlock()，就可以释放分布式锁，此时的业务逻辑也是非常简单的。其实说白了，就是每次都对myLock数据结构中的那个加锁次数减1。如果发现加锁次数是0了，说明这个客户端已经不再持有锁了，此时就会用：“del myLock”命令，从redis里删除这个key。然后呢，另外的客户端2就可以尝试完成加锁了。
这就是Redis分布式锁基于开源Redisson框架的实现机制。
这种分布式锁最大的缺点在于：如果对某个redis-master实例写入了myLock这个key的锁的value，此时会异步复制数据到redis-slave实例上。
但是在这个过程中发生了redis-master宕机了，主备切换，redis-slave变成了redis-master。
紧接着，客户端2就来尝试加锁，在新的redis-master上加了锁，而此时客户端1也认为自己加了锁，这就导致多个客户端对同一个分布式锁完成了加锁。
今天，给大家整理汇总了：2020年互联网大厂真实面试题，主要有：蚂蚁金服、拼多多、阿里云、百度、唯品会、携程、丰巢科技、乐信、软通动力、OPPO、银盛支付、中国平安等初，中级，高级Java面试题集合。
还有专门针对JVM、SPringBoot、SpringCloud、数据库、Linux、缓存、消息中间件、源码等相关面试题。
