跳到主内容
快讯直播
AI智模界
AI 词典

乐观锁与悲观锁:假设冲突多还是少

一句话定义:乐观锁(Optimistic Locking)和悲观锁(Pessimistic Locking)是处理并发修改的两种思路——悲观锁假设“冲突经常发生”,操作前先把数据锁住;乐观锁假设“冲突很少”,先直接改,提交时再检查有没有被人动过。

打个比方:几个人改同一份共享文档。悲观锁像进会议室谈事就反锁门,别人只能等;乐观锁像大家同时改,保存时系统比对版本号,发现别人先保存过,就提示你合并或重来。

悲观锁的典型实现是数据库的行锁、表锁,或编程语言里的互斥锁(Mutex):拿到锁才能进临界区,拿不到就排队。乐观锁常用版本号字段或 CAS(Compare-and-Swap,比较并交换):读的时候记下 version=7,写的时候执行 UPDATE ... SET ..., version=8 WHERE id=? AND version=7;如果影响行数为 0,说明这期间有人改过,需要重试或报冲突。

维度悲观锁乐观锁
核心假设冲突多冲突少
代价何时发生每次操作都可能等待锁只有冲突时才重试
冲突频繁时排队,但结果稳定重试变多,吞吐可能骤降
典型实现行锁、表锁、Mutex版本号、CAS
适合场景写多、临界区长、冲突频繁读多写少、冲突稀疏

要注意,乐观锁并不是数据库里一把真正的“锁”,更像提交前核对版本的协议;MVCC(多版本并发控制)是数据库让读写不互相阻塞的内部机制,和乐观锁的版本校验不是一回事。CAS 是乐观锁的一种实现,还要留意 ABA 问题:值从 A 改成 B 又改回 A,单看值发现不了变化,工程上常用版本号规避。

实际意义在于:选错会让并发性能差一个量级。比如 100 个人抢 1 个座位,悲观锁让 99 个人排队,但只卖一次;乐观锁让 100 个人同时算,99 个人失败重试,重试再失败,CPU 白烧。反过来,1000 个人改 1000 篇不同文档,悲观锁把无关操作也串行化,吞吐会明显下降。所以先估冲突概率:冲突少选乐观,冲突多选悲观;临界区短、重试便宜时,乐观锁更划算。AI 场景里,在线推理缓存刷新、实验平台抢 GPU 配额、模型参数异步更新,都该先问一句:同一个 key 被同时改的概率有多大?具体数据库的锁行为以官方文档为准。

AI 生成本文由 AI 基于公开信息自动生成,仅供参考。