乐观锁高并发下越重试越慢,本质是重试放大竞争并串行化操作;应改用INSERT ... ON DUPLICATE KEY UPDATE原子化处理、加唯一索引、指数退避+抖动重试,并警惕伪乐观锁。

乐观锁在高并发下频繁重试,本质不是锁机制错了,而是冲突检测失败后没做兜底设计——重试本身会放大竞争,形成恶性循环。
为什么UPDATE带条件的乐观锁会越重试越慢?
乐观锁重试不是“多试几次就能成功”,它把原本可并行的写操作强行串行化了。每次重试都重新走一遍:查数据 → 判断版本/状态 → 发起UPDATE → 检查affected_rows。当并发超过200+,这些重复查询和网络往返本身就会拖慢响应,还可能触发更多锁等待(比如二级索引更新时的隐式锁)。
- 版本号字段没建索引 → 每次UPDATE都要全表扫描再过滤,
WHERE id = ? AND version = ?变成慢查询 - 重试逻辑放在应用层且无退避 → 所有线程在1ms内同时发起第2轮UPDATE,冲突率反而比第1轮更高
- 事务中混用了SELECT + UPDATE → 即使用了乐观锁,前面的SELECT若没加
LOCK IN SHARE MODE,可能读到旧值,导致UPDATE永远不生效
用INSERT ... ON DUPLICATE KEY UPDATE替代UPDATE重试
这是被低估但极其有效的方案:把“检查-更新”原子化交给MySQL执行,避免应用层反复试探。前提是业务能抽象出唯一约束(比如订单号+用户ID组合、库存扣减的幂等token)。
- 建唯一索引:
ALTER TABLE orders ADD UNIQUE KEY uk_user_order (user_id, order_no); - 扣减库存时插入预占记录:
INSERT INTO stock_prelock (product_id, user_id, token, created_at) VALUES (1001, 2001, 'tx_abc', NOW()) ON DUPLICATE KEY UPDATE updated_at = NOW(); - 只对
affected_rows == 1的请求执行真实扣减,其余直接返回“已抢完”
实测在万级QPS下,该方式比传统乐观锁重试降低70%的数据库CPU消耗,且完全规避了重试风暴。
安装、修复、更新或打包一个基于 Python 和 PyMySQL 实现的 Windows `mysql` 命令。适用于用户希望在 PowerShell/CMD 中输入 `mysql` 时重定向到 Python 实现、需要交互式输入 MySQL 连接信息、需要同步到当前用户本地 bin 目录,或需要将该能力封装成可公开复用的 Codex skill。
重试必须带指数退避+随机抖动
硬编码Thread.sleep(10)是典型反模式。固定间隔会让所有线程在下一个时间点再次撞在一起。
- 用
Math.pow(2, attempt) + ThreadLocalRandom.current().nextInt(100)生成退避时间 - 设置最大重试次数(建议≤3),超过则降级为队列削峰或返回失败
- 记录每次重试的
version值,若发现连续两次读到相同version,说明有长事务阻塞,应立即放弃
真正要警惕的是“伪乐观锁”陷阱
很多代码写着乐观锁,实际行为却是悲观的:比如在事务里先SELECT ... FOR UPDATE查库存,再判断是否足够,最后才UPDATE。这已经不是乐观锁,而是用两阶段加锁制造了更重的瓶颈。
- 确认你的乐观锁UPDATE语句是否真的能命中索引:用
EXPLAIN看type是否为const或range,避免ALL - 不要在乐观锁条件里用函数:
WHERE status = UPPER('pending')会导致索引失效 - 如果业务允许,把乐观锁粒度从“单商品”升级为“商品分片”(如
product_id % 16),让冲突分散到不同行
高并发下没有银弹,乐观锁只是工具之一。当重试率持续高于15%,就该考虑切换到预扣减+异步校验,或者引入Redis分布式锁做前置拦截——毕竟,让数据库少做一次无效UPDATE,比让它快10倍更有价值。










