利用双重检查锁定和CAS算法：解决并发下数据库的一致性问题

背景

​ 最近有一个场景遇到了数据库的并发问题。现在先由我来抽象一下，去掉不必要的繁杂业务。
​ 数据库表book存储着每本书的阅读量，一开始数据库是空的，不存在任何的数据。当用户访问接口的时候，判断表book是否存在此书的记录，如果不存在，即插入一条新记录，而且阅读量设置为1；当下个用户再阅读此书时，再调用接口就直接将此书的阅读量增加1，而不用再插入新记录。

并发下出现的问题

​ 下面看一下伪代码：

public void addOrUpdateBook{
    Book oldBook = this.bookMapper.selectByBookName(bookName);
    if (oldBook == null){ // 1、判断书本记录是否为空
        this.bookMapper.insertSelective(b);  // 2、新增书本记录
    }else{
        Integer updateCount = this.bookMapper.updateReadFrequency(book); // 3、更新阅读量
    }
}

1、插入多条相同的书本记录：

​ 假如此时线程A在【1】处判断出书本记录为空，然后在【2】处进行创建书本记录；如果线程B在线程A提交前又进来【1】处判断书本是否为空，因为线程A还没创建完和提交事务，数据库中的书本记录还是为空，所以线程B也开始进行书本记录的创建。最后的结果：数据库中存在两条此书的记录。

2、书本的阅读量更新后不准确

​ 假如书本《Java并发编程的艺术》的阅读量为10，然后此时线程A进行阅读量加1的操作，但是在线程A提交事务前，线程B也进行阅读量加1的操作，那么就是不管是线程A还是线程B，都是在阅读量10的基础上加1，最后当两个线程都执行完时，《Java并发编程的艺术》的阅读量就是11，这和正确结果阅读量12是不一样的！

思考

​ 此时我们都知道了，并发会导致数据库数据的一致性问题。那么，我们该怎么解决呢？

1、方法加锁

​ 最简单的做法，就是直接在方法那里加synchronized关键字，将整个方法锁起来，每个请求只能一个一个按照顺序执行，那么插入和更新的并发问题都不存在了。

public synchronized void addOrUpdateBook{
    Book oldBook = this.bookMapper.selectByBookName(bookName);
    if (oldBook == null){ // 1、判断书本记录是否为空
        this.bookMapper.insertSelective(b);  // 2、新增书本记录
    }else{
        Integer updateCount = this.bookMapper.updateReadFrequency(book); // 3、更新阅读量
    }
}

2、双重检查锁定

​ 上面的方法性能是最低的，未获取到锁的所有请求都会被阻塞在方法外面（不管是否存在并发问题）。其实，我们可以利用双重检查锁定来解决这个锁性能低问题，做法也是非常的简单，就是我们只管对可能出现插入并发问题的代码进行上锁就行了，就是说从同步方法改为同步块，不再锁住不必要的代码。

public void addOrUpdateBook{
	Book oldBook = this.bookMapper.selectByBookName(bookName);
	if (oldBook == null){ // 1、判断书本记录是否为空
	    // 加锁
	    synchronized (this){
	        oldBook = this.bookMapper.selectByBookName(bookName);
	        if (oldBook == null){
	            BeanUtil.copyProperties(query,b);
	            this.bookMapper.insertSelective(b); // 2、新增书本记录
	        }else{
	            Integer updateCount = this.bookMapper.updateReadFrequency(book); // 3、更新阅读量 
	        }
	    }
	}else{
	    Integer updateCount = this.bookMapper.updateReadFrequency(book); // 4、更新阅读量
	}
}

​ 我们可以看到：假如线程A此时在【2】处进行记录新增，而此时线程B也在【1】处判断书本记录为空，然后被阻塞在同步块外，当线程A执行完释放锁后，线程B获取到锁，但是此时书本记录不再为空，线程B就直接更新阅读量而不再插入书本记录。当然了，后续的所有请求在第一重就能判断出书本记录不为空，然后直接更新阅读量。

​ 那么就是说，我们的插入并发问题解决啦，而且性能比同步方法高不少。但是呢，更新的并发问题还没解决，为什么我没有同时也锁住更新阅读量的代码呢？因为我觉得没啥必要，因为为了减少线程上下文的切换，我们都推荐无锁并发编程，那么我们能怎么做呢？下面将介绍如何参考CAS算法来防止更新的并发问题。

3、CAS算法

​ 首先，我们的表需要增加一个字段：版本号。对，这时候大家可能想到了乐观锁。没错啦~CAS算法其实就是一种乐观锁。它的原理是：比较再交换；更新时，当我们保存的旧值和数据库的值一致时，我们就能将旧值更新为我们的新值。最后，我们利用死循环来不断循环保证最后能更新成功。大家可能会疑惑死循环会不会导致性能很低？其实还好啦，起码能避免了线程的上下文切换，而且，一般同时的请求量也不会这么离谱（我们公司），并发量很大可能要做其他的方案了。下面我们先上一下代码：

public Boolean addOrUpdateBook(BookQuery query) {
     boolean flag = true;
     // 使用双重检查锁定来处理新增的并发问题
     Book b = Book.builder().bookName(query.getBookName()).build();
     Book oldBook = this.bookMapper.selectOne(b);
     if (oldBook == null){
         // 加锁
         synchronized (this){
             oldBook = this.bookMapper.selectOne(b);
             if (oldBook == null){
                 BeanUtil.copyProperties(query,b);
                 this.bookMapper.insertSelective(b);
             }else{
                 updateBook(query);
             }
         }
     }else{
         updateBook(query);
     }
     return flag;
 }

 /**
  * 参考CAS的无锁算法来处理更新的并发问题（利用死循环+版本号）
  * @param query
  */
 private void updateBook(BookQuery query){
     // 参考cas
     for (;;){
         // 获取当前记录的版本号
         Integer version = this.bookMapper.getVersionByBookName(query.getBookName());
         query.setVersion(version);
         // 根据书名和版本号进行阅读量更新
         Integer updateCount = this.bookMapper.updateBookByVersion(query);
         if (updateCount != null && updateCount.equals(1)){
             // 如果更新成功就跳出循环
             break;
         }
     }
 }

​ 更新阅读量的sql：

/**
  * 根据书名和版本号更新book
  * @param book
  * @return
*/
@Update("update book set version = version+1,read_frequency = #{readFrequency} where book_name = #{bookName} and version = #{version}")
Integer updateBookByVersion(BookQuery book);

​ 这里的代码就不多做解释了，看一下注释就知道是什么原理，是非常简单易懂滴~

4、利用Redis做分布式锁

​ 再回到加锁的那里，我们可以发现，当我们做微服务时，一般每个服务都会是多个实例，或者是单体应用的实例部署，我们的锁就只能针对单体应用有效了，而多个实例还是会导致插入的并发问题。这时候我们必须想到：分布式锁！

​ 我知道的现在主要做分布式锁有两种方式，一种是基于Redis的分布式锁，另外一种是基于Zookeeper的分布式锁。简单分析一下上面两种锁的优缺点：从可靠性上来说，Zookeeper分布式锁有好于Redis分布式锁；而从性能上来说，Redis分布式锁要好于Zookeeper分布式锁，毕竟Redis是纯内存操作的，性能是想当的好，号称每秒可以处理10万次读写操作呢，所以我最终选择了基于Redis的分布式锁。

​ 不过还有一个问题就是：大家玩过redis的都知道，redis只保证单个操作是具有事务的，是原子性的，多个操作就不能保证原子性了。因为我们一般加锁的做法都是，使锁具有超时的特征，避免一个请求无条件的等待锁，一直的阻塞导致系统CPU飙升。所以单单利用redis的方法我们做不到具有超时特征的分布式锁。当然了，现在有两种比较好的解决方案：一种是利用redis+lua脚本，一种是利用开源的框架Redisson。当然了，有简单的必须就利用简单的了，下面开始介绍如何利用Redisson开发分布式锁。

​ 1）加入redis和redisson依赖

<dependency>
      <groupId>org.springframework.boot</groupId>
      <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>
<dependency>
      <groupId>org.redisson</groupId>
      <artifactId>redisson</artifactId>
      <version>3.11.3</version>
</dependency>

​ 2）创建Redisson的工具类

package com.hyf.utils;

import org.redisson.Redisson;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.redisson.config.Config;

/**
 * @author Howinfun
 * @desc Redisson工具类
 * @date 2019/9/2
 */
public class RedissonUtil {

    private static RedissonClient redissonClient;

    private RedissonUtil(){
        // 构造redisson实现分布式锁必要的Config
        Config config = new Config();
        config.useSingleServer().setAddress("redis://127.0.0.1:6379").setPassword("123456").setDatabase(1);
        // 构造RedissonClient
        redissonClient = Redisson.create(config);
    }

    public static final RedissonUtil INSTANCE = new RedissonUtil();

    /**
     * 设定锁定资源名称，返回锁
     * @param name
     * @return
     */
    public RLock getLock(String name){
        return redissonClient.getLock(name);
    }
}

​ 3)修改业务代码

public Boolean addOrUpdateBook(BookQuery query) {
    boolean flag = true;
    // 使用双重检查锁定来处理新增的并发问题
    Book b = Book.builder().bookName(query.getBookName()).build();
    Book oldBook = this.bookMapper.selectOne(b);
    if (oldBook == null){
        RLock lock = RedissonUtil.INSTANCE.getLock("addOrUpdateBook");
        try {
            // 尝试获取锁，最多等待10000毫秒，获取锁后1000毫秒自动释放锁
            if (lock.tryLock(10000, 10000, TimeUnit.MILLISECONDS)){
                oldBook = this.bookMapper.selectOne(b);
                if (oldBook == null){
                    BeanUtil.copyProperties(query,b);
                    this.bookMapper.insertSelective(b);
                }else{
                    updateBook(query);
                }
            }
        } catch (InterruptedException e) {
            e.printStackTrace();
            return false;
        }finally {
            // 最后记得释放锁
            lock.unlock();
        }
    }else{
        updateBook(query);
    }
    return flag;
}

/**
  * 参考CAS的无锁算法来处理更新的并发问题（利用死循环+版本号）
  * @param query
*/
private void updateBook(BookQuery query){
    // 参考cas
    for (;;){
        Integer version = this.bookMapper.getVersionByBookName(query.getBookName());
        query.setVersion(version);
        Integer updateCount = this.bookMapper.updateBookByVersion(query);
        if (updateCount != null && updateCount.equals(1)){
            break;
        }
    }
}

​ 到这里，我们的代码已经比较好使的了，不但能预防数据库插入和更新的并发问题，还能在分布式环境下也好使！

​ 我猜大家是不怎么相信的了，那么下面我将用JMeter来测试一下。

​ 1）首先创建一个线程组：一共有10个线程，执行1次。

​ 2）创建Http请求：消息体中的数据是循环读取CSV数据文件里的数据的

​ 3）创建Http信息头管理：加上Content-Type

​ 4）创建并指定CSV数据文件

​ 5）点击启动。

​ 观察结果树：可以发现所有的请求都是请求成功的，没有报错。

​ 再观察一下控制台，可以发现只有一条插入sql和九条更新sql：

2019-09-03 09:28:39.888 DEBUG 8020 --- [nio-8888-exec-7] com.hyf.mapper.BookMapper.selectOne      : ==> Parameters: Java并发编程的艺术(String)
2019-09-03 09:28:39.889 DEBUG 8020 --- [nio-8888-exec-7] com.hyf.mapper.BookMapper.selectOne      : <==      Total: 0
2019-09-03 09:28:39.937 DEBUG 8020 --- [nio-8888-exec-7] c.hyf.mapper.BookMapper.insertSelective  : ==>  Preparing: INSERT INTO book ( id,book_name ) VALUES( ?,? ) 
2019-09-03 09:28:39.937 DEBUG 8020 --- [nio-8888-exec-7] c.hyf.mapper.BookMapper.insertSelective  : ==> Parameters: null, Java并发编程的艺术(String)
2019-09-03 09:28:39.939 DEBUG 8020 --- [nio-8888-exec-7] c.hyf.mapper.BookMapper.insertSelective  : <==    Updates: 1
2019-09-03 09:28:39.950 DEBUG 8020 --- [nio-8888-exec-6] c.h.m.BookMapper.updateBookByVersion     : ==>  Preparing: update book set version = version+1,read_frequency = read_frequency+1 where book_name = ? and version = ? 
2019-09-03 09:28:39.951 DEBUG 8020 --- [nio-8888-exec-6] c.h.m.BookMapper.updateBookByVersion     : ==> Parameters: Java并发编程的艺术(String), 1(Integer)
2019-09-03 09:28:39.953 DEBUG 8020 --- [nio-8888-exec-6] c.h.m.BookMapper.updateBookByVersion     : <==    Updates: 1
2019-09-03 09:28:39.957 DEBUG 8020 --- [nio-8888-exec-5] c.h.m.BookMapper.updateBookByVersion     : ==>  Preparing: update book set version = version+1,read_frequency = read_frequency+1 where book_name = ? and version = ? 
2019-09-03 09:28:39.957 DEBUG 8020 --- [nio-8888-exec-5] c.h.m.BookMapper.updateBookByVersion     : ==> Parameters: Java并发编程的艺术(String), 2(Integer)
2019-09-03 09:28:39.959 DEBUG 8020 --- [nio-8888-exec-5] c.h.m.BookMapper.updateBookByVersion     : <==    Updates: 1
。。。。。。。

​ 最后再看一下数据库：我们可以看到只有一条记录，而且阅读量为10，非常的准确！

如果大家对此demo感兴趣的话，可以到github上和码云上拉取项目，项目里头还包含JMeter的测试用例噢：
GitHub
码云

总结

​ 平时我们程序猿真的要多看书，虽然我自己也没看多少书，也没能好好坚持，但是从上个月开始我就下定决心好好看书了。也是因为最近在阅读《Java并发编程的艺术》，所以才有上面的思考和方案！

​ 如果大家对我的读书笔记和思维导图感兴趣，可以到这里看看：Java并发编程的艺术-阅读笔记和思维导图