MySQL乐观锁在分布式场景下的实践

背景

在电商购物的场景下，当我们点击购物时，后端服务就会对相应的商品进行减库存操作。在单实例部署的情况，我们可以简单地使用JVM提供的锁机制对减库存操作进行加锁，防止多个用户同时点击购买后导致的库存不一致问题。

但在实践中，为了提高系统的可用性，我们一般都会进行多实例部署。而不同实例有各自的JVM，被负载均衡到不同实例上的用户请求不能通过JVM的锁机制实现互斥。

因此，为了保证在分布式场景下的数据一致性，我们一般有两种实践方式：一、使用MySQL乐观锁；二、使用分布式锁。

本文主要介绍MySQL乐观锁，关于分布式锁我在下一篇博客中介绍。

乐观锁简介

乐观锁(Optimistic Locking)与悲观锁相对应，我们在使用乐观锁时会假设数据在极大多数情况下不会形成冲突，因此只有在数据提交的时候，才会对数据是否产生冲突进行检验。如果产生数据冲突了，则返回错误信息，进行相应的处理。

那我们如何来实现乐观锁呢？一般采用以下方式：使用版本号(version)机制来实现，这是乐观锁最常用的实现方式。

版本号

那什么是版本号呢？版本号就是为数据添加一个版本标志，通常我会为数据库中的表添加一个int类型的"version"字段。当我们将数据读出时，我们会将version字段一并读出；当数据进行更新时，会对这条数据的version值加1。当我们提交数据的时候，会判断数据库中的当前版本号和第一次取数据时的版本号是否一致，如果两个版本号相等，则更新，否则就认为数据过期，返回错误信息。我们可以用下图来说明问题:

如图所示，如果更新操作如第一个图中一样顺序执行，则数据的版本号会依次递增，不会有冲突出现。但是像第二个图中一样，不同的用户操作读取到数据的同一个版本，再分别对数据进行更新操作，则用户的A的更新操作可以成功，用户B更新时，数据的版本号已经变化，所以更新失败。

代码实践

我们对某个商品减库存时，具体操作分为以下3个步骤：

1. 查询出商品的具体信息

2. 根据具体的减库存数量，生成相应的更新对象

3. 修改商品的库存数量

为了使用MySQL的乐观锁，我们需要为商品表goods加一个版本号字段version，具体的表结构如下：

1 2 3 4 5 6 7

CREATE TABLE `goods` (   `id` int(11) NOT NULL AUTO_INCREMENT,   `name` varchar(64) NOT NULL DEFAULT '',   `remaining_number` int(11) NOT NULL,   `version` int(11) NOT NULL,   PRIMARY KEY (`id`) ) ENGINE=InnoDB AUTO_INCREMENT=2 DEFAULT CHARSET=utf8;

Goods类的Java代码：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

* 商品名字      */     private String name;       /**      * 库存数量      */     private Integer remainingNumber;       /**      * 版本号      */     private Integer version;       @Override     public String toString() {         return "Goods{" +                 "id=" + id +                 ", name='" + name + '\'' +                 ", remainingNumber=" + remainingNumber +                 ", version=" + version +                 '}';     } }

GoodsMapper.java:

1 2 3 4 5

public interface GoodsMapper {       Integer updateGoodCAS(Goods good);   }

GoodsMapper.xml如下：

1 2 3 4 5 6 7 8 9

<update id="updateGoodCAS" parameterType="com.ztl.domain.Goods">         <![CDATA[           update goods           set `name`=#{name},           remaining_number=#{remainingNumber},           version=version+1           where id=#{id} and version=#{version}         ]]>     </update>

GoodsService.java 接口如下：

1 2 3 4 5

public interface GoodsService {       @Transactional     Boolean updateGoodCAS(Integer id, Integer decreaseNum); }

GoodsServiceImpl.java类如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

@Service public class GoodsServiceImpl implements GoodsService {       @Autowired     private GoodsMapper goodsMapper;       @Override     public Boolean updateGoodCAS(Integer id, Integer decreaseNum) {         Goods good = goodsMapper.selectGoodById(id);         System.out.println(good);         try {             Thread.sleep(3000);     //模拟并发情况,不同的用户读取到同一个数据版本         } catch (InterruptedException e) {             e.printStackTrace();         }         good.setRemainingNumber(good.getRemainingNumber() - decreaseNum);         int result = goodsMapper.updateGoodCAS(good);         System.out.println(result == 1 ? "success" : "fail");         return result == 1;     } }

GoodsServiceImplTest.java测试类

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

@RunWith(SpringRunner.class) @SpringBootTest public class GoodsServiceImplTest {       @Autowired     private GoodsService goodsService;       @Test     public void updateGoodCASTest() {         final Integer id = 1;         Thread thread = new Thread(new Runnable() {             @Override             public void run() {                 goodsService.updateGoodCAS(id, 1);    //用户1的请求             }         });         thread.start();         goodsService.updateGoodCAS(id, 2);            //用户2的请求           System.out.println(goodsService.selectGoodById(id));     } }

输出结果：

1 2 3 4 5

Goods{id=1, name='手机', remainingNumber=10, version=9} Goods{id=1, name='手机', remainingNumber=10, version=9} success fail Goods{id=1, name='手机', remainingNumber=8, version=10}

代码说明：

在updateGoodCASTest()的测试方法中，用户1和用户2同时查出id=1的商品的同一个版本信息，然后分别对商品进行库存减1和减2的操作。从输出的结果可以看出用户2的减库存操作成功了，商品库存成功减去2；而用户1提交减库存操作时，数据版本号已经改变，所以数据变更失败。

这样，我们就可以通过MySQL的乐观锁机制保证在分布式场景下的数据一致性。

以上。