集合操作并发控制实战

在多用户或分布式系统中，集合操作并发控制是确保数据一致性和完整性的关键。以下是一些常见的并发控制策略和实战示例：

1. 乐观锁

乐观锁假设冲突不经常发生，因此在读取数据时不加锁，但在更新数据时检查是否有其他事务修改了数据。如果有冲突，则重试或抛出异常。

实战示例：

假设有一个 User 表，包含 id 和 version 字段。每次更新用户信息时，版本号会增加。

-- 读取用户信息
SELECT * FROM users WHERE id = 1;

-- 更新用户信息
UPDATE users SET name = 'NewName', version = version + 1 WHERE id = 1 AND version = current_version;

2. 悲观锁

悲观锁假设冲突经常发生，因此在读取数据时就加锁，防止其他事务修改数据。

实战示例：

使用数据库的行级锁来悲观锁住数据。

-- 开始事务
BEGIN TRANSACTION;

-- 悲观锁住数据
SELECT * FROM users WHERE id = 1 FOR UPDATE;

-- 更新用户信息
UPDATE users SET name = 'NewName' WHERE id = 1;

-- 提交事务
COMMIT;

3. 分布式锁

在分布式系统中，可以使用分布式锁来控制并发访问。常见的分布式锁实现包括基于 Redis、Zookeeper 等。

实战示例：

使用 Redis 实现分布式锁。

import redis
import time

# 连接 Redis
r = redis.Redis(host='localhost', port=6379, db=0)

# 获取锁
lock_key = 'user_lock'
lock_value = str(uuid.uuid4())
acquired = r.setnx(lock_key, lock_value)

if acquired:
    try:
        # 执行操作
        while True:
            # 模拟操作
            time.sleep(1)
            if check_if_operation_complete():
                break
    finally:
        # 释放锁
        release_lock(lock_key, lock_value)
else:
    print("Lock already held by another process")

4. 并发集合操作

在某些编程语言中，提供了并发集合操作的数据结构，如 Java 中的 ConcurrentHashMap、Python 中的 threading.Lock 等。

实战示例：

使用 Python 的 threading.Lock 保护集合操作。

import threading

# 创建一个共享集合
shared_set = set()

# 创建一个锁
lock = threading.Lock()

def add_to_set(item):
    with lock:
        shared_set.add(item)

def remove_from_set(item):
    with lock:
        shared_set.discard(item)

总结

并发控制是确保数据一致性和完整性的重要手段。根据具体的应用场景和需求，可以选择合适的并发控制策略，如乐观锁、悲观锁、分布式锁等。在实际开发中，需要结合具体的编程语言和数据库系统来实现并发控制。