🔒 一、悲观锁（Pessimistic Locking）

原理：先加锁再操作，确保独占访问。
实现方式：

BEGIN TRANSACTION;
SELECT * FROM table WHERE id = 1 FOR UPDATE; -- 加行级锁
UPDATE table SET column = value WHERE id = 1;
COMMIT;

适用场景：写操作频繁、冲突概率高的场景（如秒杀扣库存）。
优缺点：

• ✅ 强一致性，避免并发冲突；
• ❌ 锁竞争可能导致线程阻塞，降低吞吐量；
• ❌ 需控制事务粒度，避免长事务引发死锁。

---

🔄 二、乐观锁（Optimistic Locking）

原理：无锁检查，冲突重试，基于版本号/时间戳校验。
实现方式：

1. 表中增加 version 字段；
2. 更新时校验版本号：

UPDATE table SET column = new_value, version = version + 1 
WHERE id = 1 AND version = old_version;

若返回影响行数为0，则重试或放弃。
适用场景：读多写少（如配置更新、轻度并发扣减）。
优化：

• 结合重试机制（如指数退避算法）；
• 业务层设计幂等操作，避免重复提交副作用。

---

⏱️ 三、MVCC（多版本并发控制）

原理：读旧写新，版本隔离，通过快照读避免阻塞。
实现方式：

• 数据库默认支持（如MySQL InnoDB的REPEATABLE READ隔离级别）；
• 写操作创建新版本，读操作访问旧快照。
  适用场景：读写混合的高并发场景（如余额查询与转账）。
  注意：
• 需合理设置隔离级别（如避免READ UNCOMMITTED）；
• 可能引发幻读问题，需配合间隙锁（Gap Lock）。

---

🌐 四、分布式锁（Distributed Lock）

原理：全局互斥，跨节点协调，适用于分布式系统。
实现方式：

方案	实现要点	适用场景
Redis锁	SET lock_key unique_val NX EX 30 + Lua脚本原子释放	高吞吐要求（如活动库存）
ZooKeeper锁	创建临时有序节点，监听前序节点删除事件	强一致性场景（如金融交易）
数据库锁	基于唯一约束插入锁记录（INSERT INTO lock_table(...)）	无中间件的简单系统

关键设计：

• 锁自动续期（看门狗机制），避免业务未完成锁过期；
• 锁标识（如UUID）防误删，确保释放者为持有者；
• 容灾设计（如Redis集群模式、ZooKeeper多数存活）。

---

📊 五、方案选型建议

场景	推荐方案	理由
单机写冲突高	悲观锁	强一致性，实现简单
读多写少，冲突概率低	乐观锁	无锁竞争，吞吐量高
读写混合，事务隔离要求高	MVCC	读写互不阻塞，兼顾性能与一致性
分布式系统，跨节点协调	Redis/ZooKeeper锁	全局互斥，高可用

---

⚠️ 六、通用优化原则

1. 减小锁粒度：锁单行而非全表（如WHERE id=1）；
2. 缩短持有时间：事务内仅保留必要操作，避免远程调用；
3. 异步化处理：写操作入队列（如Kafka），消费端串行处理；
4. 监控与兜底：
   • 数据库锁等待监控（SHOW ENGINE INNODB STATUS）；
   • 重试次数限制，防雪崩；
   • 数据校对任务，修复不一致。

---

🌰 七、实战案例：电商库存扣减

// 方案1：悲观锁（强一致）
try (Connection conn = dataSource.getConnection()) {
    conn.setAutoCommit(false);
    PreparedStatement ps = conn.prepareStatement("SELECT stock FROM sku WHERE sku_id=? FOR UPDATE");
    ps.setString(1, "SKU_001");
    ResultSet rs = ps.executeQuery();
    if (rs.next() && rs.getInt("stock") > 0) {
        // 扣减库存
        executeUpdate("UPDATE sku SET stock=stock-1 WHERE sku_id='SKU_001'");
    }
    conn.commit();
}

// 方案2：乐观锁（高并发）
int retry = 0;
while (retry++ < 3) {
    Sku sku = dao.selectById("SKU_001");
    if (sku.getStock() > 0) {
        int rows = dao.update("UPDATE sku SET stock=stock-1, version=version+1 
                              WHERE sku_id='SKU_001' AND version=" + sku.getVersion());
        if (rows > 0) break; // 更新成功退出
    }
}

💡 总结：安全修改同一行数据的核心是 权衡一致性与性能。单机场景优先用数据库锁（悲观/乐观），分布式环境需引入全局协调（Redis/ZK），最终通过异步队列和监控兜底保障稳定性。