1.前沿
上几篇文章分别介绍了数据库里面的锁及java里面的锁，大概了解到锁就是为了数据的一致性，防止出现数据错乱，但是单机环境下用java的syn和lock来实现多线程异步执行的同步性，能
有效解决高并发的问题，但是实际中大公司往往为了实现系统的高可用，会选择分布式集群部署。因此如果单纯的靠syn和lock已经满足不了要求。
2.业务场景描述
业务场景1：譬如要实现一个排期的业务，需要往数据库表里的数据每天的0点执行插入一条数据，这时会用到定时任务，spring目前已经很好的集成了quartz，可以很方便的使用注解的形式来实现一个定时
任务，在单机环境下，很快就满足了任务，但是发现部署到生产环境，采用的是nginx集群部署分配，这时，两台机器在某一刻的时候，会同时执行定时任务代码，这时就出现了一个问题，任务重复执行，导致
业务出错，首先发布的项目在两台机器上，项目代码是一致的，那如何保证只有一台执行了。
解决办法1：在执行业务代码的时候，可以加入一张log表，在执行任务之前先判断下，是否有当天的log,一旦发现有了，就不执行，貌似能解决问题，但无法保证线程的执行顺序，可能还是会出现执行2次代码。
解决办法2：既然只要保证一台机器执行，是否可以指定其中的一台机器执行，譬如我可以判断部署机器的ip地址来执行，当然也有问题，譬如这台机器刚好挂了，那某一天的任务可能就不执行了。
解决办法3：直接把定时任务抽出一台机器，不管业务里面的代码逻辑，只管执行，可以将A和B的执行controller抽出，由定时任务工程C通过http请求调用nginx随机转发，返回一个状态码来判断是否成功。当然这里涉及部署的定时任务工程C也是单机部署，如果是集群部署，同样存在这个问题，因此需要引入分布式锁来解决问题。
业务场景2：要实现B2C网站一个支付的功能，卖家在平台出售商品，平台先临时保管资金，等卖家冻结资金释放之后，才能进行提现。这里首先考虑的是支付时的并发问题，即假设有好几个人同时在购买
某一个店铺下的商品，这时如果多线程访问支付，可能出现脏读，譬如资金余额原本是20，A买了30，B买了40，这时按理应该是20+30+40=90，但最终拿到的结果可能是50或60.另外假设卖家在卖货收入的同时，刚刚他准备去提现，这不能保证是一个有序进行的，很容易出现脏读。 因此也需要引入一个支付锁，来锁定账户来保证账户的一致性和安全性。
3.实现分布式锁的方案
1.基于数据库实现分布式锁
2.基于缓存（redis）实现分布式锁
3.基于Zookeeper实现分布式锁
4.分布式 局限性
分布式场景中的数据一致性问题一直是一个比较重要的话题。分布式的CAP理论告诉我们“任何一个分布式系统都无法同时满足一致性（Consistency）、可用性（Availability）和分区容错性（Partition tolerance），最多只能同时满足两项。”所以，很多系统在设计之初就要对这三者做出取舍。在互联网领域的绝大多数的场景中，都需要牺牲强一致性来换取系统的高可用性，系统往往只需要保证“最终一致性”，只要这个最终时间是在用户可以接受的范围内即可