每日一博 | gorm 乐观锁插件的实现
前言
最近在用 Go
写业务的时碰到了并发更新数据的场景,由于该业务并发度不高,只是为了防止出现并发时数据异常。
所以自然就想到了乐观锁的解决方案。
实现
乐观锁的实现比较简单,相信大部分有数据库使用经验的都能想到。
UPDATE `table` SET `amount`=100,`version`=version+1 WHERE `version` = 1 AND `id` = 1
需要在表中新增一个类似于 version
的字段,本质上我们只是执行这段 SQL
,在更新时比较当前版本与数据库版本是否一致。
如上图所示:版本一致则更新成功,并且将版本号+1;如果不一致则认为出现并发冲突,更新失败。
这时可以直接返回失败,让业务重试;当然也可以再次获取最新数据进行更新尝试。
我们使用的是 gorm
这个 orm
库,不过我查阅了官方文档却没有发现乐观锁相关的支持,看样子后续也不打算提供实现。
不过借助 gorm
实现也很简单:
type Optimistic struct { Id int64 `gorm:"column:id;primary_key;AUTO_INCREMENT" json:"id"` UserId string `gorm:"column:user_id;default:0;NOT NULL" json:"user_id"` // 用户ID Amount float32 `gorm:"column:amount;NOT NULL" json:"amount"` // 金额 Version int64 `gorm:"column:version;default:0;NOT NULL" json:"version"` // 版本 } func TestUpdate(t *testing.T) { dsn := "root:abc123@/test?charset=utf8&parseTime=True&loc=Local" db, err := gorm.Open(mysql.Open(dsn), &gorm.Config{}) var out Optimistic db.First(&out, Optimistic{Id: 1}) out.Amount = out.Amount + 10 column := db.Model(&out).Where("id", out.Id).Where("version", out.Version). UpdateColumn("amount", out.Amount). UpdateColumn("version", gorm.Expr("version+1")) fmt.Printf("#######update %v line \n", column.RowsAffected) }
这里我们创建了一张 t_optimistic
表用于测试,生成的 SQL
也满足乐观锁的要求。
不过考虑到这类业务的通用性,每次需要乐观锁更新时都需要这样硬编码并不太合适。对于业务来说其实 version
是多少压根不需要关心,只要能满足并发更新时的准确性即可。
因此我做了一个封装,最终使用如下:
var out Optimistic db.First(&out, Optimistic{Id: 1}) out.Amount = out.Amount + 10 if err = UpdateWithOptimistic(db, &out, nil, 0, 0); err != nil { fmt.Printf("%+v \n", err) }
- 这里的使用场景是每次更新时将
amount
金额加上10
。
这样只会更新一次,如果更新失败会返回一个异常。
当然也支持更新失败时执行一个回调函数,在该函数中实现对应的业务逻辑,同时会使用该业务逻辑尝试更新 N 次。
func BenchmarkUpdateWithOptimistic(b *testing.B) { dsn := "root:abc123@/test?charset=utf8&parseTime=True&loc=Local" db, err := gorm.Open(mysql.Open(dsn), &gorm.Config{}) if err != nil { fmt.Println(err) return } b.RunParallel(func(pb *testing.PB) { var out Optimistic db.First(&out, Optimistic{Id: 1}) out.Amount = out.Amount + 10 err = UpdateWithOptimistic(db, &out, func(model Lock) Lock { bizModel := model.(*Optimistic) bizModel.Amount = bizModel.Amount + 10 return bizModel }, 3, 0) if err != nil { fmt.Printf("%+v \n", err) } }) }
以上代码的目的是:
将 amount
金额 +10
,失败时再次依然将金额+10,尝试更新 3
次;经过上述的并行测试,最终查看数据库确认数据并没有发生错误。
面向接口编程
下面来看看具体是如何实现的;其实真正核心的代码也比较少:
func UpdateWithOptimistic(db *gorm.DB, model Lock, callBack func(model Lock) Lock, retryCount, currentRetryCount int32) (err error) { if currentRetryCount > retryCount { return errors.WithStack(NewOptimisticError("Maximum number of retries exceeded:" + strconv.Itoa(int(retryCount)))) } currentVersion := model.GetVersion() model.SetVersion(currentVersion + 1) column := db.Model(model).Where("version", currentVersion).UpdateColumns(model) affected := column.RowsAffected if affected == 0 { if callBack == nil && retryCount == 0 { return errors.WithStack(NewOptimisticError("Concurrent optimistic update error")) } time.Sleep(100 * time.Millisecond) db.First(model) bizModel := callBack(model) currentRetryCount++ err := UpdateWithOptimistic(db, bizModel, callBack, retryCount, currentRetryCount) if err != nil { return err } } return column.Error }
具体步骤如下:
- 判断重试次数是否达到上限。
- 获取当前更新对象的版本号,将当前版本号 +1。
- 根据版本号条件执行更新语句。
- 更新成功直接返回。
- 更新失败
affected == 0
时,执行重试逻辑。- 重新查询该对象的最新数据,目的是获取最新版本号。
- 执行回调函数。
- 从回调函数中拿到最新的业务数据。
- 递归调用自己执行更新,直到重试次数达到上限。
这里有几个地方值得说一下;由于 Go
目前还不支持泛型,所以我们如果想要获取 struct
中的 version
字段只能通过反射。
考虑到反射的性能损耗以及代码的可读性,有没有更”优雅“的实现方式呢?
于是我定义了一个 interface
:
type Lock interface { SetVersion(version int64) GetVersion() int64 }
其中只有两个方法,目的则是获取 struct
中的 version
字段;所以每个需要乐观锁的 struct
都得实现该接口,类似于这样:
func (o *Optimistic) GetVersion() int64 { return o.Version } func (o *Optimistic) SetVersion(version int64) { o.Version = version }
这样还带来了一个额外的好处:
一旦该结构体没有实现接口,在乐观锁更新时编译器便会提前报错,如果使用反射只能是在运行期间才能进行校验。
所以这里在接收数据库实体的便可以是 Lock
接口,同时获取和重新设置 version
字段也是非常的方便。
currentVersion := model.GetVersion() model.SetVersion(currentVersion + 1)
类型断言
当并发更新失败时affected == 0
,便会回调传入进来的回调函数,在回调函数中我们需要实现自己的业务逻辑。
err = UpdateWithOptimistic(db, &out, func(model Lock) Lock { bizModel := model.(*Optimistic) bizModel.Amount = bizModel.Amount + 10 return bizModel }, 2, 0) if err != nil { fmt.Printf("%+v \n", err) }
但由于回调函数的入参只能知道是一个 Lock
接口,并不清楚具体是哪个 struct
,所以在执行业务逻辑之前需要将这个接口转换为具体的 struct
。
这其实和 Java
中的父类向子类转型非常类似,必须得是强制类型转换,也就是说运行时可能会出问题。
在 Go
语言中这样的行为被称为类型断言
;虽然叫法不同,但目的类似。其语法如下:
x.(T) x:表示 interface T:表示 向下转型的具体 struct
所以在回调函数中得根据自己的需要将 interface
转换为自己的 struct
,这里得确保是自己所使用的 struct
,因为是强制转换,编译器无法帮你做校验,具体能否转换成功得在运行时才知道。
总结
有需要的朋友可以在这里获取到源码及具体使用方式:
https://github.com/crossoverJie/gorm-optimistic
最近工作中使用了几种不同的编程语言,会发现除了语言自身的语法特性外大部分知识点都是相同的;
比如面向对象、数据库、IO操作等;所以掌握了这些基本知识,学习其他语言自然就能触类旁通了。

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
VSCodium —— 不带用户跟踪的 VSC 分支
VSCodium 是 Visual Studio Code 编辑器的一个分支。它与 VS Code 完全相同,唯一不同的是,VSCodium 不跟踪你的使用数据。这解决了你想在去掉 Microsoft 的专有代码的情况下使用 VS Code ,而你又不习惯从源代码构建它的问题。 由于VSCodium 是 VS Code 的一个分支,它的外观和功能与 VS Code 完全相同。 下面是 Ubuntu 中第一次运行 VS Code 和 VSCodium 的截图:
- 下一篇
应用容灾中,MySQL数据表是否需要跨云同步?
简介: 容灾系统的重要目标在于保证系统数据和服务的“连续性”。当系统发生故障时,容灾系统能够快速恢复服务和保证数据的有效性。为了防止天灾人祸、不可抗力,在同城或异地建立对应的IT系统,其中最核心的工作是数据同步。本文选取应用层容灾的场景中,对于哪些数据表需要跨云同步,哪些数据表不需要跨云同步的问题进行探讨。通过一个具体的案例,帮助读者更好地梳理同步表和过滤表的方法,以满足应用层的业务容灾需求。 一 背景 容灾系统的重要目标在于保证系统数据和服务的“连续性”。当系统发生故障时,容灾系统能够快速恢复服务和保证数据的有效性。为了防止天灾人祸、不可抗力,在同城或异地建立对应的IT系统,其中最核心的工作是数据同步。 本文选取应用层容灾的场景中,对于哪些数据表需要跨云同步,哪些数据表不需要跨云同步的问题进行探讨。通过一个具体的案例,帮助读者更好地梳理同步表和过滤表的方法,以满足应用层的业务容灾需求。 二 相关术语 本文探讨的场景是基于阿里云构建的应用层容灾,涉及到以下关键术语: RDS MySQL:MySQL 版是全球最受欢迎的开源数据库之一,作为开源软件组合 LAMP(Linux + Apac...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- CentOS8安装MyCat,轻松搞定数据库的读写分离、垂直分库、水平分库
- SpringBoot2整合Redis,开启缓存,提高访问速度
- MySQL8.0.19开启GTID主从同步CentOS8
- CentOS8安装Docker,最新的服务器搭配容器使用
- Springboot2将连接池hikari替换为druid,体验最强大的数据库连接池
- CentOS7设置SWAP分区,小内存服务器的救世主
- Linux系统CentOS6、CentOS7手动修改IP地址
- SpringBoot2初体验,简单认识spring boot2并且搭建基础工程