并发场景下如何保证数据操作的准确性？

 

• Part One
• Part Two

 

---

Part One

我们假想一个场景，在并发场景下，假如要对账户余额(tb_balance.balance)进行增加和减少余额，要怎么设计才能保证数据不出错呢?

下面是我的一些设想(假设余额更新20或减少20)：

直接sql更新

直接balance自增20，怎么并发都余额都不会错了是不是~，但这里会有问题，1.假如是减余额的话，要注意余额不能小于0 2.假如后续需要用这个余额结果再进行一些业务操作的话，是取不到这个余额的sql

update tb_balance set balance=balance+20 where balance=#{old_bal} and user_id=#{user_id}

CAS

经典的compare and swap，就是入库时去对比旧值是否与现数据库中的值相等，若相等则更新否则不更新，但是会有风险，就是经典的aba问题。假如更新返回的影响数为0的话，说明余额已经发生了变化，所以需要抛出异常并进行重试。（这里需要写一些补偿的业务逻辑去处理余额更新失败的问题）

/**
* 用户余额增加20
* newBal 为 新值
* oldBal 为 库中查出的值
**/
oldBal = balService.getBal(userId);
newBal = oldBal + 20;

int count = balService.updateBal(newBal,oldBal,userId);
Assert.businessInvalid(count==0,"update error");

// todo some buisness

update tb_balance set balance=#{new_bal} where balance=#{old_bal} and user_id=#{user_id}

乐观锁

乐观锁其实就是使用version去进行版本控制，在更新时判断是否更新数据的版本与现库内版本是一致的，若一致则更改并上升版本号，否则认为在此期间有其它线程进行数据更新。假如更新失败的话，同样进行重试处理。这样的好处就是可以避免aba问题，同时也可以使用增加后的余额进行后续的操作。目前已知有些公司就是这么操作的

try{
  //dosome buisness
  int count = balService.updateBal(newBal,old_version,new_version,userId);
  Assert.businessInvalid(count==0,"update error");
  //dosome buisness
} catch(){
  //if fail todo something try again
}

update tb_balance set balance = #{balance} and balance = #{new_version} where version = #{old_version} and user_id=#{user_id}

-- if affect count > 1 success
-- if affect count = 0 retry

redission分布式锁

像集群的项目，我们经常会使用分布式锁去保证幂等性，如果只有单一接口会去操作账户余额那使用分布式锁没有问题，只要在该接口加上锁，保证同一时间只有单一线程进行该业务操作即可；但往往实际业务场景并不会那么简单，比如一个商城，可能会有几十上百个入口可以对余额进行变更，比如定时扣费、订单支付、替他人代付等等；那其实可以通过面向对象的思想，将余额的操作进行抽象，抽象出一个余额类，将该类的方法加上锁，然后所有的业务都强制通过该类进行余额变更的操作，即可保证操作的可靠性。

所以也就是说，订单系统、服务管理中心等等服务都不应该能直接操作到余额数据，还是得抽出一个类型财务中台的东东去统一处理余额，然后财务中台中又维护这么一个余额类去保证更新的可靠性? 这其实也就是软件工程中的单一入口 思想吧

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

• 项目地址：https://github.com/YunaiV/ruoyi-vue-pro
• 视频教程：https://doc.iocoder.cn/video/

Part Two

业务背景：现在实际开发过程中会有这样一种场景，订单表a作为订单业务核心表，而会有a1,a2,a3...an个业务会去更新订单表a的状态，而同时a.status(订单状态)也是作为b,c,d...业务操作的核心判断依据(也就是在不同的订单状态下可能做的操作是截然相反的)

在代码层面上，我们一般的写法是直接用注解开个事务，以保证操作的原子性。这种写法目前让我们的业务还是平稳运行的~

// @apiLock是redis锁
@ApiLock
@Transactional
public void dosomething(){

}

那么假设用户量激增，并发量暴涨，那么会出现什么情况呢？

搞事情的时间来了，事务只能保证单个操作的事务性，假如并发量高的时候，可能就会出现(假设b业务的前提是a订单再待接单[wait_acceipt]的状态)：

b业务查询时，a.status=wait_acceipt，然后b业务开始处理；而此时，a1业务对a订单进行操作，并且先于b业务处理完，这时a订单走到了待服务(wait_service)，而b还在进行业务处理；然后b业务处理完成，并进行提交。

那么就会产生很多异常的数据了，而且影响范围会很大

解决方案&一些思考

我们可以关注到，这个场景的问题点其实并不在数据的插入与更新，而是在读取，在业务处理过程怎么在确定订单状态没有发生改变

使用redis锁，在读取订单时候对订单进行上锁，业务结束之后再释放

单一入口 ：将订单类的操作抽象成一个order类，然后在这个order类中去进行查询 操作，或者在不同服务中用一个redis-key也是OK的

public class OrderService{
  
  lock()
  
  select()
  
  unlock()

}

public void dosomeB(){
  try{
    orderService.lock(serviceOrderId);
    // todo
  }finally(){
    orderService.unlock(serviceOrderId);
  }
}

使用mysql共享锁(读锁)，在数据库层面进行阻塞，更加精准，并且不使用单一入口也是可以的，但是可能存在索引失效锁表的风险(核心表被锁就炸了)

public class OrderService{
  /**
  * 读取并且上锁
  */
  selectAndLock()

  /**
  * 读取
  */
  select()
}

-- 读锁会阻塞写(X)，但是不会堵塞读(S)，在事务提交后，读锁会自动释放
select xxx from order where service_order_id = xxx lock in share mode;

总体来说 ，思想就是对正在操作的数据进行加读锁，阻塞其它的线程。当然这种方案也是双刃剑，毕竟会减少吞吐量，还是应该进行业务梳理，确定加锁的必要性，避免过分设计~像现在的系统，我就没去动它，hh~