线程池负责单机内任务调度，分布式锁保障跨机数据一致性；二者协同实现高并发下库存扣减等场景的正确性，需注意锁粒度、拒绝策略与锁续期等细节。

线程池负责单机内任务的高效调度与复用，分布式锁解决多机间资源互斥问题——二者配合，才能真正守住高并发下的数据一致性底线。

明确分工：线程池管“内部调度”，分布式锁管“跨机协调”

单台机器上，大量请求涌入时，线程池（如 ThreadPoolExecutor）控制并发线程数、排队策略和拒绝行为，避免系统过载；但它对其他机器完全无感知。一旦多个实例同时操作同一份共享变量（比如库存计数器、用户积分余额），就必须靠分布式锁来划出“谁当前有资格修改”的边界。

关键逻辑是：每个任务在执行前，先尝试获取分布式锁；只有成功拿到锁的线程，才进入线程池分配的执行单元中处理业务；处理完毕后立即释放锁。

典型协作流程（以秒杀扣减库存为例）

• 用户下单请求到达任意一台应用服务器
• 该服务调用 Redis 分布式锁（如基于 SETNX + 过期时间 + 唯一 client ID 的实现），锁 key 为 lock:product:1001
• 获取锁成功 → 提交任务到本地线程池（例如核心线程数设为 CPU 核心数 × 2，队列类型用 LinkedBlockingQueue 防止无限堆积）
• 线程池中线程执行实际逻辑：查库存、校验、扣减、更新 DB/缓存
• 无论成功或异常，都确保在 finally 块中主动释放分布式锁（不能依赖超时自动释放）

必须注意的三个实战细节

锁粒度要匹配业务范围：不要用全局锁（如 lock:all）保护所有商品，应按商品 ID 细分，否则变成串行处理，吞吐量归零。

线程池拒绝策略需配合降级：当分布式锁竞争激烈、大量请求排队等待时，线程池若已满，建议采用 CallerRunsPolicy 或自定义策略，让调用方线程自己执行（可触发限流告警），而不是简单丢弃任务。

锁续期与防误删：若业务耗时可能超过锁 TTL（如数据库慢查询），需引入看门狗机制自动续期；同时释放锁时必须比对 client ID，防止 A 机器误删 B 机器持有的锁。

推荐组合配置参考

以 4 核 8G 的 Java 应用节点为例：

• 线程池：corePoolSize = 8，maxPoolSize = 16，keepAliveTime = 60s，workQueue = new LinkedBlockingQueue(200)
• 分布式锁：Redis 单节点（或 Redlock 多节点）+ Lua 脚本原子释放 + 默认 TTL = 30s + client ID 随机 UUID
• 兜底保障：DB 悲观锁（SELECT ... FOR UPDATE）作为分布式锁失效时的最后一道防线