开篇同一个用户并发扣款时，有一定概率出现数据不一致，可以使用CAS乐观锁的方式，在不降低吞吐量，保证数据的一致性：

UPDATE t_yue SET money=$new_money 

WHERE uid=$uid AND money=$old_money; 

更详细的描述，详见《并发扣款，如何保证数据的一致性?》。 不能采用直接扣减的方式：

UPDATE t_yue SET moneymoney=money-$diff WHERE uid=$uid; 

更详细的描述，详见《并发扣款一致性，幂等性问题》。 当然，更通用的方式，可以使用版本号来实现CAS乐观锁：

UPDATE t_yue SET money=$new_money,ver=$ver_new 

WHERE uid=$uid AND ver=$ver_old; 

更详细的描述，详见《并发扣款一致性优化，CAS下ABA问题》。

对于这个CAS乐观锁方案，很有朋友有疑问：当并发量高时，版本号比对会导致大量的更新失败，这个方案不适用于高并发场景吗?

究竟是不是这样呢?大家对高并发是不是有什么误解呢?今天来聊一聊这个话题。

先分析三个业务场景。

一、QQ

QQ的一些核心业务有：

个人：user(uid, user_info, …)

好友：user_friends(uid, friend_id, …)

加入的群：user_groups(uid, group_id, …)

群：group(gid, group_info, …)

群成员：group_members(gid, uid, …)

个人消息：msgs_user(msg_id, uid, …)

群消息：msgs_group(msg_id, gid, …)

这些信息的读写有一个特点，都会带上uid/gid/msgid属性。

例如，拉取好友列表：

select friend_id from user_friends where uid=$uid; 

在用户量很大，并发量很大时，不同用户/群/消息数据的读写并没有锁冲突。

画外音：10W个用户同时读写，彼此没有锁冲突。

只有当，同一个用户，很短的时间内，有大量并发时，才可能存在锁冲突。

画外音：例如，1个用户，1秒钟读写1W次。

二、微博

微博的核心业务是feed流：

发消息，写操作

刷消息，读操作

微博业务显然是读多写少的，在用户刷消息时，自己feed流里的消息，是由别人发出的。

查看自己主页feed流，最朴素的实现方法是：

拉取自己关注的用户id_list;

拉取这些用户最近N条消息;

将这N*id_list条消息排序;

返回第一页消息，得到自己主页feed流;

在用户量很大，并发量很大时，会有一定数据的读写锁冲突。

画外音：不像QQ，基本是读写自己的数据，微博要写自己的数据，读别人的数据。

三、12306

12306的核心业务是：

查票，读操作

买票，写操作

stock(id, num) // 某一列车有多少张余票 

在用户量很大，并发量很大时，有极大的锁冲突。

画外音：这个业务，数据量并不大。

这类“秒杀”业务，如果不做特殊的优化，数据库很容易死锁卡死，没有任何人能买票成功。

画外音：要做什么特殊的优化呢?

收尾

QQ，微博、12306，同样是高并发业务，就数据存储锁冲突来说，各自的难度，数据不一致的概率是不同的。

画外音：你不能说，QQ不是高并发业务吧。

回到开篇，使用CAS乐观锁进库存扣减：

UPDATE t_yue SET money=$new_money,ver=$ver_new 

WHERE uid=$uid AND ver=$ver_old; 

只要有uid这个过滤属性，即使10W用户同时扣款，也不容易出现数据不一致。

只有当同一个用户，同一秒钟，有大量扣减时，才有一定几率会冲撞，但也不会导致数据不一致。画外音：有一位很可爱的水友，说万一PC端和APP端同时下单怎么办。

结论

高并发的扣款场景，可以使用CAS乐观锁，采用select&set方式进行扣款，既能够保证吞吐量，又能够保证一致性。

【本文为51CTO专栏作者“58沈剑”原创稿件，转载请联系原作者】

戳这里，看该作者更多好文

【编辑推荐】

一份通俗易懂的微服务架构方案！

并发扣款，如何保证数据的一致性？

微服务分布式一致性模式

并发扣款一致性优化，CAS下ABA问题，这个话题还没聊完！！！

并发扣款一致性，幂等性问题，这个话题还没聊完！！！