概述

上一篇文章中使用ssm+mysql实现，存在并发超发问题，这里我们使用悲观锁的方式来解决这个逻辑错误，并验证数据一致性和性能状况。

超发问题分析

针对这个案例，用户抢到红包后，红包总量应-1，当多个用户同时抢红包，此时多个线程同时读得库存为n，相应的逻辑执行后，最后将均执update T_RED_PACKET set stock = stock - 1 where id = #{id} ，很明显这是错误的。

使用数据库锁的解决方案

使用悲观锁（排它锁 for update）

1. 线程1在查询红包数时使用排他锁 select id, user_id as userId, amount, send_date as sendDate, total, unit_amount as unitAmount, stock, version, note from T_RED_PACKET where id = #{id} for update

2. 然后进行后续的操作（redPacketDao.decreaseRedPacket 和 userRedPacketDao.grapRedPacket)，更新红包数量，最后提交事务。

3. 线程2在查询红包数时，如果线程1还未释放排他锁，它将等待。

4. 线程3同线程2，依次类推。

使用乐观锁（依靠表的设计和代码）

1. 在红包表添加version版本字段或者timestamp时间戳字段，这里我们使用version

2. 线程1查询后，执行更新变成了update T_RED_PACKET set stock = stock - 1, version = version + 1 where id = #{id} and version = #{version}

这样，保证了修改的数据是和它查询出来的数据是一致的，而其他线程并未进行修改。当然，如果更新失败，表示在更新操作之前有其他线程已经更新了该红包数，那么就可以尝试重入机制来保证更新成功。

总结

1. 悲观锁使用了排他锁，当程序独占锁时，其他程序就连查询都是不允许的，导致吞吐较低。如果在查询较多的情况下，可使用乐观锁。

2. 乐观锁更新有可能会失败，甚至是更新几次都失败，这是有风险的。所以如果写入较频繁，对吞吐要求不高，可使用悲观锁。

悲观锁（抽象的描述，不真实存在这个锁）

悲观锁是在操作数据时，认为此操作会出现数据冲突，所以在进行每次操作时都要通过获取锁才能进行对相同数据的操作，所以悲观锁需要耗费较多的时间。另悲观锁是由数据库自己实现了的，使用的时候，直接调用数据库的相关语句即可。

由悲观锁涉及到的另外两个锁概念就出来了，它们就是共享锁与排它锁。共享锁和排它锁是悲观锁的不同的实现，它俩都属于悲观锁的范畴。

数据库的增删改操作默认都会加排他锁，而查询不会加任何锁。

共享锁（S锁）

共享锁指的就是对于多个不同的事务，对同一个资源共享同一个锁。

对某一资源加共享锁，自身可以读该资源，其他人也可以读该资源（也可以再继续加共享锁，即 共享锁可多个共存），但无法修改。要想修改就必须等所有共享锁都释放完之后。

语法：

select * from table lock in share mode ;

排他锁（X锁）

排它锁与共享锁相对应，就是指对于多个不同的事务，对同一个资源只能有一把锁。对某一资源加排他锁，自身可以进行增删改查，其他人无法进行任何操作。

与共享锁类型，在需要执行的语句后面加上for update就可以了。

语法：

select * from table for update

代码改造

分析

为了不影响上个版本，我们新加个接口方法和Mapper映射。 因为悲观锁是数据库提供的功能，所以仅仅在Dao层修改Sql，Service层无需新增新的接口，只需要切换下调用的Dao层的方法即可。

RedPacketDao新增接口方法

/**  * 获取红包信息. 悲观锁的实现方式  *   * @param id  *            --红包id  * @return 红包具体信息  */ public RedPacket getRedPacketForUpdate(Long id);

RedPacket.xml配置映射文件

<!-- 查询红包具体信息  悲观锁的实现方式for update --> <select id="getRedPacketForUpdate" parameterType="long"   resultType="com.artisan.redpacket.pojo.RedPacket">   select      id, user_id as userId, amount, send_date as sendDate, total, unit_amount as unitAmount, stock, version, note   from      T_RED_PACKET    where id = #{id} for update </select>

悲观锁是一种利用数据库内部机制提供的锁的方法，也就是对更新的数据加锁，这样在并发期间一旦有一个事务持有了数据库记录的锁，其他的线程将不能再对数据进行更新。

在 SQL 中加入的 for update 语句，意味着将持有对数据库记录的行更新锁（因为这里使用主键查询，所以只会对行加锁。如果使用的是非主键查询，要考虑是否对全表加锁的问题，加锁后可能引发其他查询的阻塞〉，那就意味着在高并发的场景下 ， 当一条事务持有了这个更新锁才能往下操作，其他的线程如果要更新这条记录，都需要等待，这样就不会出现超发现象引发的数据一致性问题了。

Service层调用新的Dao方法

还原数据，部署测试

将T_RED_PACKET和T_USER_RED_PACKET中的数据还原为初始数据后，启动应用，通过FireFox 访问http://localhost:8080/ssm_redpacket/grap.jsp

统计报告

一致性数据统计：

SELECT a.id, a.amount, a.stockFROM T_RED_PACKET aWHERE a.id = 1UNION ALL SELECT   max(b.user_id),   sum(b.amount),   count(*) FROM   T_USER_RED_PACKET b WHERE   b.red_packet_id = 1;

这里已经解决了超发的问题，所以结果是正确的,最起码逻辑是正确的了。除了结果正确，我们还需要考虑性能问题，统计来看下。

性能数据统计：

SELECT (   UNIX_TIMESTAMP(max(a.grab_time)) - UNIX_TIMESTAMP(min(a.grab_time))  )  AS lastTimeFROM T_USER_RED_PACKET a;

注意事项

不使用悲观锁时，2万个红包190秒【主机配置很低】抢完(但存在超发现象)，现在是275秒。 目前只是对数据库加了一个锁，当加的锁比较多的时候，数据库的性能还会持续下降，所以要区分不同的业务场景，慎重使用。

悲观锁导致性能下降的原因探究

对于悲观锁来说，当一条线程抢占了资源后，其他的线程将得不到资源，那么这个时， CPU 就会将这些得不到资源的线程挂起，挂起的线程也会消耗 CPU 的资源尤其是在高并发的请求中。

只能有一个事务占据资源，其他事务被挂起等待持有资源的事务提交并释放资源。当此时就进入了线程 2 ， 线程 3……线程n，开始抢夺资源的步骤了，这里假设线程 3 抢到资源。

一旦线程1 提交了事务，那么锁就会被释放，这个时候被挂起的线程就会开始竞争红包资源，那么竞争到的线程就会被 CPU 恢复到运行状态，继续运行。

于是频繁挂起，等待持有锁线程释放资源， 一旦释放资源后，就开始抢夺，恢复线程，直至所有红包资源抢完。

在高并发的过程中，使用悲观锁就会造成大量的线程被挂起和恢复，这将十分消耗资源，这就是为什么使用悲观锁性能不佳的原因。

有些时候，我们也会把悲观锁称为独占锁，毕竟只有一个线程可以独占这个资源，或者称为阻塞锁，因为它会造成其他线程的阻塞。无论如何它都会造成并发能力的下降，从而导致 CPU频繁切换线程上下文，造成性能低下。

为了克服这个问题，提高并发的能力，避免大量线程因为阻塞导致 CPU 进行大量的上下文切换，目前比较普遍的是乐观锁机制。

代码

https://github.com/yangshangwei/ssm_redpacket

扩展阅读

抢红包案例分析以及代码实现

缓存在高并发场景下的常见问题

Redis 分布式锁：乐观锁的实现，以秒杀系统为例

来源：https://blog.csdn.net/yangshangwei/article/details/82980659

文章来源网络，版权归作者本人所有，如侵犯到原作者权益，请与我们联系删除