数据库高并发下乐观锁的原理

何谓悲观锁与乐观锁

乐观锁对应于生活中乐观的人总是想着事情往好的方向发展，悲观锁对应于生活中悲观的人总是想着事情往坏的方向发展。这两种人各有优缺点，不能不以场景而定说一种人好于另外一种人。

悲观锁

总是假设最坏的情况，每次去拿数据的时候都认为别人会修改，所以每次在拿数据的时候都会上锁，这样别人想拿这个数据就会阻塞直到它拿到锁（共享资源每次只给一个线程使用，其它线程阻塞，用完后再把资源转让给其它线程）。传统的关系型数据库里边就用到了很多这种锁机制，比如行锁，表锁等，读锁，写锁等，都是在做操作之前先上锁。Java中synchronized和ReentrantLock等独占锁就是悲观锁思想的实现。

乐观锁

总是假设最好的情况，每次去拿数据的时候都认为别人不会修改，所以不会上锁，但是在更新的时候会判断一下在此期间别人有没有去更新这个数据，可以使用版本号机制和CAS算法实现。乐观锁适用于多读的应用类型，这样可以提高吞吐量，像数据库提供的类似于write_condition机制，其实都是提供的乐观锁。在Java中java.util.concurrent.atomic包下面的原子变量类就是使用了乐观锁的一种实现方式CAS实现的。

两种锁的使用场景

从上面对两种锁的介绍，我们知道两种锁各有优缺点，不可认为一种好于另一种，像乐观锁适用于写比较少的情况下（多读场景），即冲突真的很少发生的时候，这样可以省去了锁的开销，加大了系统的整个吞吐量。但如果是多写的情况，一般会经常产生冲突，这就会导致上层应用会不断的进行retry，这样反倒是降低了性能，所以一般多写的场景下用悲观锁就比较合适。

--------------------- 

在高并发下，经常需要处理SELECT之后，在业务层处理逻辑，再执行UPDATE的情况。

　　若两个连接并发查询同一条数据，然后在执行一些逻辑判断或业务操作后，执行UPDATE，可能出现与预期不相符的结果。

　　在不使用悲观锁与复杂SQL的前提下，可以使用乐观锁处理该问题，同时兼顾性能。

　　场景模拟：

　　假设一张表两个字段，一个id，一个use_count。表里存了100个id，每个id对应自己的use_count。

　　当id每使用一次，use_count要加1。当use_count大于1000时，这个id就不能在被使用了（换句话说 无法从数据库中查出）。

　　在高并发情况下，会遇到一种问题：假设数据表中有一条记录为：id=123456, use_count=999　　A与B两个连接并发查询这个id=123456，都执行下列SQL:

1	SELECT * FROM table WHERE id=123456 and use_count < 1000;

　　A先执行，得到id=123456的use_count是999，之后在程序里做了一些逻辑判断或业务操作后执行SQL：

1	UPDATE table SET use_count + 1 WHERE id=123456;

　　在A做判断且没有update之前，B也执行了查询SQL，发现use_count是999，之后它也会执行SQL：

1	UPDATE table SET use_count + 1 WHERE id=123456;

　　但是，事实上B不应该取得这个id，因为A已经是第1000个使用者。

　　处理步骤如下：

　　1、添加第3个字段version，int类型，default值为0。version值每次update时作加1处理。

1	ALTER TABLE table ADD COLUMN version INT DEFAULT '0' NOT NULL AFTER use_count;

　　2、SELECT时同时获取version值（例如为3）。

1	SELECT use_count, version FROM table WHERE id=123456 AND use_count < 1000;

　　3、UPDATE时检查version值是否为第2步获取到的值。

1	UPDATE table SET version=4, use_count=use_count+1 WHERE id=123456 AND version=3;

　　如果UPDATE的记录数为1，则表示成功。如果UPDATE的记录数为0，则表示已经被其他连接UPDATE过了，需作异常处理。

参考地址：http:///post-358.html