https://www.cnblogs.com/deliver/p/5730616.html

一 引言–为什么mysql提供了锁

最近看到了mysql有行锁和表锁两个概念，越想越疑惑。为什么mysql要提供锁机制，而且这种机制不是一个摆设，还有很多人在用。在现代数据库里几乎有事务机制，acid的机制应该能解决并发调度的问题了，为什么还要主动加锁呢？

后来看到一篇文章，“防止更新丢失，并不能单靠数据库事务控制器来解决，需要应用程序对要更新的数据加必要的锁来解决”。瞬间，世界观都崩塌了。非常不敢相信，于是自己写了代码检验一下。

数据库表是这样的。用count字段来做100次累加。

为了保证实验的科学性，先确认了数据库是InnoDB的，这样才有事务机制；也确认了隔离性级别

定义一个任务，读count值–程序count++–写数据库

复制代码
public class LostUpdate implements Runnable{
private CountDownLatch countDown;
public LostUpdate(CountDownLatch countDown){
this.countDown = countDown;
}

@Override
public void run() {
Connection conn=null;
try {
Class.forName(“com.mysql.jdbc.Driver”);
conn = DriverManager.getConnection(“jdbc:mysql://localhost:3306/test?useUnicode=true&characterEncoding=UTF-8”,
“root”, “123”);
} catch (Exception e) {
e.printStackTrace();
return;
}

try {
conn.setAutoCommit(false);
//不加锁的情况
PreparedStatement ps =conn.prepareStatement(“select * from LostUpdate where id =1”);
//加锁的情况
//PreparedStatement ps =conn.prepareStatement(“select * from LostUpdate where id =1 for update”);
ResultSet rs=ps.executeQuery();
int count = 0;
while(rs.next()){
count= rs.getInt(“count”);
}

count++;
ps =conn.prepareStatement(“update LostUpdate set count=? where id =1”);
ps.setInt(1, count);
ps.executeUpdate();

conn.commit();
} catch (Exception e) {
try {
conn.rollback();
} catch (SQLException e1) {
e1.printStackTrace();
}
e.printStackTrace();
}
//表示一次任务完成
countDown.countDown();
}
}
复制代码
主线程下创建子线程，模拟多线程环境

复制代码
public class TestLock {
public static void main(String[] args) throws InterruptedException {
//创建线程池，里面有10个线程，共执行100次+1操作
final int THREAD_COUNT=10;
final int RUN_TIME=100;

ExecutorService threadPool=Executors.newFixedThreadPool(THREAD_COUNT);
//用CountDownLatch保证主线程等待所有任务完成
CountDownLatch count=new CountDownLatch(RUN_TIME);

for(int i=0;itest 2 finish->finish；否则就是test 2 finish->test 1 finish->finish。

这个程序改一下能测试上面说的理论：

repeatable read能解决脏读和不可重复读
比如行锁真的只锁住一行
s，x，is和ix的关系
判断加锁情况，mysql应该有工具，但没找到？

可以通过检查InnoDB_row_lock状态变量来分析系统上的行锁的争夺情况：
mysql> show status like ‘innodb_row_lock%’;

如果发现锁争用比较严重，如InnoDB_row_lock_waits和InnoDB_row_lock_time_avg的值比较高，还可以通过设置InnoDB Monitors来进一步观察发生锁冲突的表、数据行等，并分析锁争用的原因。不明觉厉？，看这篇

总结一下这一章，mysql提供了行锁和表锁，我们写语句时应该尽量启动行锁，以提高效率；另一方面，也说了一下读锁和写锁的原理。好了武器（原理）我们都懂了，那就看怎么优化了。

四 解决丢失修改–乐观锁和悲观锁

首先为什么要加锁，加锁就是为了解决丢失修改（也不知道这么说对不对）。如果一个事务中只有一句sql，数据库是可以保证它是并发安全的。丢失修改的特征就是在一个事务中先读P数据，再写P数据，注意是同一个数据（也不知道这么说对不对）。只是自己推理了一下，没有太强的理据。所谓丢失修改，一般是A事务有两个操作，后一个操作依赖于前一个操作，之后后一个操作覆盖了B事务的写操作，可以表示为这样。

pro1可能是Read(P),Write(P),Read(Q),Write(Q),其中P=2Q，数据库中的冗余导致的关联关系是很常见的。

pro1=Read(P)，就是我们结论中的情况；
pro1=Write(P)，pro1处会对P加IX锁？，IX锁会直至事务结束，不会丢失修改；
pro1=Read(Q)或Write(Q)，虽然语法上回发生这种情况，但既然数据时关联的，那在两个事务中都应该同时操作P，Q。这样就规范到第一种情况。
综上，如果一个事务先读后写同一份数据，就可能发生丢失修改，要做一些处理。可以用下面的乐观锁和悲观锁解决。

悲观锁和乐观锁的概念：

悲观锁（Pessimistic Concurrency Control，PCC）：假定会发生并发冲突，屏蔽一切可能违反数据完整性的操作。至于怎么加锁，加锁的范围也没讲。

乐观锁（Optimistic Concurrency Control，OCC）：假设不会发生并发冲突，只在提交操作时检查是否违反数据完整性。也没具体指定怎么检查。

就是这么概念，什么都不说清楚。毕竟乐观锁和悲观锁也不仅仅能用在数据库中，也能用在线程中。

悲观的缺陷是不论是页锁还是行锁，加锁的时间可能会很长，这样可能会长时间的限制其他用户的访问，也就是说悲观锁的并发访问性不好。

乐观锁不能解决脏读，加锁的时间要比悲观锁短（只是在执行sql时加了基本的锁保证隔离性级别），乐观锁可以用较大的锁粒度获得较好的并发访问性能。但是如果第二个用户恰好在第一个用户提交更改之前读取了该对象，那么当他完成了自己的更改进行提交时，数据库就会发现该对象已经变化了，这样，第二个用户不得不重新读取该对象并作出更改。

可见，乐观锁更适合解决冲突概率极小的情况；而悲观锁则适合解决并发竞争激烈的情况，尽量用行锁，缩小加锁粒度，以提高并发处理能力，即便加行锁的时间比加表锁的要长。

悲观锁的例子

并没有人说悲观锁要怎么加锁，加锁的范围如何。这里仅仅提供一种解决丢失修改的悲观锁例子。

丢失修改我们用第一章讲到的累积100次的例子。综合前面讲到的结论，丢失修改的特征就是在一个事务中先读P数据，再写P数据。而且一级锁协议能解决丢失修改，所以如果事务A 中写P，我们只要在A中第一次读P前加X锁。做法在第一章程序中有：

//把
PreparedStatement ps =conn.prepareStatement(“select * from LostUpdate where id =1”);
//换成
PreparedStatement ps =conn.prepareStatement(“select * from LostUpdate where id =1 for update”);

乐观锁的例子

乐观锁也没有指定怎么检测并发冲突，下面是常见的两种做法（参考）：

使用数据版本（Version）。在P数据上（通常每一行）加version字段(int)，A事务在读数据P 时同时读出版本号，在修改数据前检测最新版本号是否等于先前取出的版本号，如果是，则修改，同时把版本号+1；否则要么回滚，要么重新执行事务。另外，数据P的所有修改操作都要把版本号+1。有一个非常重要的点，版本号是用来查看被读的变量有无变化，而不是针对被写的变量，作用是防止被依赖的变量有修改。
使用时间戳(TimeStamp)。做法类似于1中。
下面写两个例子，背景还是一开始的累积100次的丢失修改问题，都是用version解决的。

1 当发生冲突时回滚并抛异常

任务类

复制代码
public class LostUpdateOccDiscard implements Runnable{
private CountDownLatch countDown;
public LostUpdateOccDiscard(CountDownLatch countDown){
this.countDown = countDown;
}

@Override
public void run() {
Connection conn=null;
try {
Class.forName(“com.mysql.jdbc.Driver”);
conn = DriverManager.getConnection(“jdbc:mysql://localhost:3306/test?useUnicode=true&characterEncoding=UTF-8”,
“root”, “123”);
} catch (Exception e) {
e.printStackTrace();
return;
}

try {
conn.setAutoCommit(false);
//读的时候一并读出version
PreparedStatement ps =conn.prepareStatement(“select * from LostUpdate where id =1”);
ResultSet rs=ps.executeQuery();
int count = 0;
int version = 0;
while(rs.next()){
count= rs.getInt(“count”);
version= rs.getInt(“version”);
}

count++;

//更新操作，用cas原子操作来更新
ps =conn.prepareStatement(“update LostUpdate set count=?, version=version+1 where id =1 and version=?”);
ps.setInt(1, count);
ps.setInt(2, version);
int result = ps.executeUpdate();

//检查有无因冲突导致执行失败
//成功，则commit，完成任务
if(result>0) {
conn.commit();
}
//失败，回滚，抛异常提醒调用者出现冲突。
else{
conn.rollback();
throw new Exception(“更新count出现冲突”);
}
} catch (SQLException e) {
try {
conn.rollback();
} catch (SQLException e1) {
e1.printStackTrace();
}
e.printStackTrace();
}
catch (Exception e) {
System.out.println(e.getMessage());
}
//表示一次任务完成
countDown.countDown();
}
}
复制代码
主线程，和前面差不多，创建10个线程，执行100个任务。

View Code
输出结果：在console里出了一堆异常，看数据库，大概累积了10-12次

不要怀疑，程序没有问题。

a. 对着上面说的version方法的原理，程序也比较好懂。

b. 更新时要用cas（compare and set）的原子操作，一步搞定。而不是先读一次version，比较完再执行依据update。想想也知道后者在多线程有问题。

至于为什么只累积了10-12次，原因是这个累加的并发量是10，就是有10个线程在争夺着修改权。九死一生啊，1个线程commit了，就意味着9个线程要rollback抛异常。

2 当发生冲突时重试，有时我们我们不希望程序里那么多异常

任务类

复制代码
public class LostUpdateOcc implements Runnable{
private CountDownLatch countDown;
public LostUpdateOcc(CountDownLatch countDown){
this.countDown = countDown;
}

@Override
public void run() {
Connection conn=null;
try {
Class.forName(“com.mysql.jdbc.Driver”);
conn = DriverManager.getConnection(“jdbc:mysql://localhost:3306/test?useUnicode=true&characterEncoding=UTF-8”,
“root”, “123”);
} catch (Exception e) {
e.printStackTrace();
return;
}

try {
int try_times=100;
int count;
int version;
PreparedStatement ps;
ResultSet rs;

//把循环条件放在里面if里
while(try_times>0){
//开始事务
try_times–;
conn.setAutoCommit(false);

//读操作
ps=conn.prepareStatement(“select * from LostUpdate where id =1”);
rs=ps.executeQuery();

//判断事务执行的条件，首先是能执行，其次是需要执行
if(rs.next()){
count= rs.getInt(“count”);
version= rs.getInt(“version”);

count++;

//更新操作，用cas原子操作来更新
ps =conn.prepareStatement(“update LostUpdate set count=?, version=version+1 where id =1 and version=?”);
ps.setInt(1, count);
ps.setInt(2, version);
int result = ps.executeUpdate();

//每次执行完更新操作，检测一次冲突
//成功，则继续事务
//失败，回滚，睡100ms，避开竞争。结束这次循环，开启新事务。
if(result==0) {
conn.rollback();
Thread.sleep(100);
continue;
}

//事务一路顺风，没遇到冲突，事务提交，跳出while
conn.commit();
break;
}
//作为while条件不成立时的处理，比如该行数据被删除。
else{
conn.rollback();
break;
}
}
if(try_times<=0) throw new Exception(“冲突重试的此时过多，事务失败”);
System.out.println(try_times);
} catch (SQLException e) {
try {
conn.rollback();
} catch (SQLException e1) {
e1.printStackTrace();
}
e.printStackTrace();
}catch (Exception e) {
System.out.println(e.getMessage());
}

//表示一次任务完成
countDown.countDown();
}
}
复制代码

　　主线程，和前面差不多，创建10个线程，执行100个任务。

View Code
　　任务类里就有比较多要注意的

　　a. 为了不断的重试，用了一个while。因为while的终止条件一般要读了数据后才知道，所以while只放了try_times，把结束条件放在了里面的if。

　　b. 在while里的每一次循环就重新起一个事务。因为更新失败我们要回滚的。下一次要重起一个。

　　c. 这里的事务执行条件，能执行且需要执行。比如id=1的记录被删掉了，那就不能执行了；需要执行，比如程序为了把商品记录status由未上架改为已上架，但发现已经被改了，那就不需要执行。可想而知，在多线程条件每次都要判断的。

　　d. try_times这个东西还是设置一下。至于设多少，要看并发量。

　　e. 每次更新，都要检测一次冲突

　　f. 冲突了，要睡一阵子再重试，避开冲突。怎么设置这个值，我突然想起计网的拥塞控制，说笑的~

　　顺手做了个小实验，还是执行100次，冲突睡眠100ms，

　　总结一下：

　　乐观锁更适合并发竞争少的情况，最好隔那么3-5分钟才有一次冲突。当并发量为10时就能明显感觉乐观锁更慢；

　　上面只是一读一写。考虑如果一个事务中有3个写，如果每次写都是九死一生，事务提交比小蝌蚪找妈妈还难，这时就更要考虑是不是要用乐观锁了。

　　但是，当分布式数据库规模大到一定程度后，又另说了。基于悲观锁的分布式锁在集群大到一定程度后（从几百台扩展到几千台时），性能开销就打得无法接受。所以目前的趋势是大规模的分布式数据库更倾向于用乐观锁来达成external consistency。

　　如果对乐观锁和悲观锁的选择还不清楚，看这篇

五 待更

　　mvcc：http://blog.csdn.net/chen77716/article/details/6742128

　　意向锁，间隙锁，加锁的查看