乐观锁与悲观锁：并发控制的两种核心策略
在多用户并发访问共享资源的场景中，数据一致性问题始终是关键挑战。乐观锁与悲观锁作为两种截然不同的并发控制策略，在数据库和编程领域被广泛应用。下面将从概念、实现原理、适用场景等多个维度深入解析这两种锁机制。
一、悲观锁：保守的并发控制思想
核心概念
悲观锁基于"最坏情况"假设，认为在数据处理过程中必然会出现并发冲突，因此在操作数据前就对其加锁，确保同一时间只有一个线程能访问该数据。
实现方式
数据库层面
共享锁（读锁/S锁）：允许多个线程同时读取数据，但阻止其他线程获取写锁。
排他锁（写锁/X锁）：仅允许一个线程获取，获取后其他线程无法读取或修改数据。
示例（MySQL）：-- 对表加排他锁
SELECT * FROM table_name WHERE id=1 FOR UPDATE;
编程层面
使用编程语言提供的锁机制，如Java中的synchronized关键字、ReentrantLock等。
private final ReentrantLock lock = new ReentrantLock();
public void updateData() {
lock.lock();
try {
// 数据操作
} finally {
lock.unlock();
}
}
典型场景
金融交易系统：资金转账时需确保账户余额操作的原子性。
票务系统：库存扣减时避免超卖。
二、乐观锁：乐观的并发控制思想
核心概念
乐观锁假设并发冲突发生的概率较低，不主动加锁，而是在更新数据时检查是否有其他线程修改过该数据。若数据未被修改，则执行更新；若已被修改，则放弃或重试。
实现方式
版本号（Version）机制
表中添加version字段，每次更新时版本号+1。
更新语句示例：UPDATE table_name
SET data=?, version=version+1
WHERE id=? AND version=?;
若更新行数为0，说明数据已被修改，需重新获取数据并重试。
时间戳（Timestamp）机制
使用数据最后修改的时间戳作为冲突判断依据，原理与版本号类似。
CAS（Compare-And-Swap）算法
编程层面的无锁实现，核心逻辑：// 假设初始值为expectedValue，尝试更新为newValue
boolean result = atomicVar.compareAndSet(expectedValue, newValue);
典型应用：Java的AtomicInteger、ConcurrentHashMap等并发工具类。
典型场景
社交平台动态点赞：冲突概率低，无需加锁影响用户体验。
电商商品浏览统计：读多写少场景，允许少量更新冲突。
三、乐观锁与悲观锁的核心对比
对比维度
悲观锁
乐观锁
并发策略
先加锁再操作，阻塞其他线程
无锁操作，更新时检查冲突
性能消耗
锁竞争和线程阻塞带来额外开销
无锁开销，但可能需要多次重试
适用场景
写操作频繁、冲突概率高的场景
读操作频繁、冲突概率低的场景
实现复杂度
数据库原生支持，实现简单
需要额外字段（版本号）或算法支持
死锁风险
存在死锁可能（如多锁交叉持有）
无死锁风险
一致性保证
强一致性（加锁期间数据不可变）
最终一致性（允许更新失败后重试）
四、高级应用与优化策略
乐观锁的重试机制
固定次数重试：适用于冲突概率稳定的场景。
指数退避重试：冲突时等待时间递增（如100ms→200ms→400ms），减少CPU消耗。
悲观锁的优化
缩小锁范围：仅对关键代码块加锁，而非整个方法。
使用分段锁：如Java的ConcurrentHashMap将数据分段加锁，提高并发度。
混合策略
在读多写少场景中，可结合乐观锁与悲观锁：读操作使用乐观锁，写操作使用悲观锁。
五、实际案例：电商库存扣减的两种实现
悲观锁实现
-- 扣减库存（加排他锁）
BEGIN TRANSACTION;
SELECT stock FROM products WHERE id=1 FOR UPDATE;
-- 假设当前库存为10
UPDATE products SET stock=9 WHERE id=1;
COMMIT;
乐观锁实现
-- 假设表中有version字段，当前值为5
UPDATE products
SET stock=stock-1, version=version+1
WHERE id=1 AND stock>0 AND version=5;
若更新成功，返回1行；若库存不足或版本号不一致，返回0行，需前端重试。
六、总结：如何选择合适的锁策略？
优先选乐观锁：当系统读操作远多于写操作，且允许少量更新失败时（如社交、资讯类应用）。
优先选悲观锁：当数据一致性要求极高，且写操作频繁时（如金融、票务系统）。
动态调整：部分系统会根据运行时的冲突概率动态切换策略，如高并发时段自动启用悲观锁。
理解这两种锁机制的本质，能帮助开发者在分布式系统设计中更精准地平衡性能与一致性，避免因并发控制不当导致的数据异常问题。