如何在高并发环境下设计出无锁的数据库操作（Java版本） 转载
一个在线2k的游戏，每秒钟并发都吓死人。传统的hibernate直接插库基本上是不可行的。我就一步步推导出一个无锁的数据库操作。
1. 并发中如何无锁。
一个很简单的思路，把并发转化成为单线程。Java的Disruptor就是一个很好的例子。如果用java的concurrentCollection类去做，原理就是启动一个线程，跑一个Queue，并发的时候，任务压入Queue，线程轮训读取这个Queue，然后一个个顺序执行。
在这个设计模式下，任何并发都会变成了单线程操作，而且速度非常快。现在的node.js, 或者比较普通的ARPG服务端都是这个设计，“大循环”架构。
这样，我们原来的系统就有了2个环境：并发环境 + ”大循环“环境
并发环境就是我们传统的有锁环境，性能低下。
”大循环“环境是我们使用Disruptor开辟出来的单线程无锁环境，性能强大。
2. ”大循环“环境 中如何提升处理性能。
一旦并发转成单线程，那么其中一个线程一旦出现性能问题，必然整个处理都会放慢。所以在单线程中的任何操作绝对不能涉及到IO处理。那数据库操作怎么办？
增加缓存。这个思路很简单，直接从内存读取，必然会快。至于写、更新操作，采用类似的思路，把操作提交给一个Queue，然后单独跑一个Thread去一个个获取插库。这样保证了“大循环”中不涉及到IO操作。
问题再次出现：
如果我们的游戏只有个大循环还容易解决，因为里面提供了完美的同步无锁。
但是实际上的游戏环境是并发和“大循环”并存的，即上文的2种环境。那么无论我们怎么设计，必然会发现在缓存这块上要出现锁。
3. 并发与“大循环”如何共处，消除锁？
我们知道如果在“大循环”中要避免锁操作，那么就用“异步”，把操作交给线程处理。结合这2个特点，我稍微改下数据库架构。
原本的缓存层，必然会存在着锁，例如：
public TableCache
{
private HashMap<String, Object> caches = new ConcurrentHashMap<String, Object>();
}
这个结构是必然的了，保证了在并发的环境下能够准确的操作缓存。但是”大循环“却不能直接操作这个缓存进行修改，所以必须启动一个线程去更新缓存，例如：
private static final ExecutorService EXECUTOR = Executors.newSingleThreadExecutor();
EXECUTOR.execute(new LatencyProcessor(logs));
class LatencyProcessor implements Runnable
{
public void run()
{
// 这里可以任意的去修改内存数据。采用了异步。
}
}
OK，看起来很漂亮。但是又有个问题出现了。在高速存取的过程中，非常有可能缓存还没有被更新，就被其他请求再次获取，得到了旧的数据。
4. 如何保证并发环境下缓存数据的唯一正确？
我们知道，如果只有读操作，没有写操作，那么这个行为是不需要加锁的。
我使用这个技巧，在缓存的上层，再加一层缓存，成为”一级缓存“，原来的就自然成为”二级缓存“。有点像CPU了对不？
一级缓存只能被”大循环“修改，但是可以被并发、”大循环“同时获取，所以是不需要锁的。
当发生数据库变动，分2种情况：
1）并发环境下的数据库变动，我们是允许有锁的存在，所以直接操作二级缓存，没有问题。
2）”大循环“环境下数据库变动，首先我们把变动数据存储在一级缓存，然后交给异步修正二级缓存，修正后删除一级缓存。
这样，无论在哪个环境下读取数据，首先判断一级缓存，没有再判断二级缓存。
这个架构就保证了内存数据的绝对准确。
而且重要的是：我们有了一个高效的无锁空间，去实现我们任意的业务逻辑。
最后，还有一些小技巧提升性能。
1. 既然我们的数据库操作已经被异步处理，那么某个时间，需要插库的数据可能很多，通过对表、主键、操作类型的排序，我们可以删除一些无效操作。例如：
a）同一个表同一个主键的多次UPdate，取最后一次。
b）同一个表同一个主键，只要出现Delete，前面所有操作无效。
2. 既然我们要对操作排序，必然会存在一个根据时间排序，如何保证无锁呢？使用
private final static AtomicLong _seq = new AtomicLong(0);
即可保证无锁又全局唯一自增，作为时间序列。
当数据库数据变动，“大循环”首先更新一级缓存，然后交给异步更新二级缓存，最后删除一级缓存。
读取的时候，先读取一级缓存，如果没有再读取2级缓存。
在一个极短的时间内，当“大循环”内存修改了数据还没有来得及更新一级缓存，这个时候并发需要读取操作，自然从二级缓存获取，那就有脏数据。
这个时候有2种策略：
1. 悲观锁，从数据被获取的时候一直加锁。这个方法我不推荐，性能低下并且容易有死锁。
2. 乐观锁。当需要修改数据的时候，判断是否脏数据，如果是就抛异常。这个做法推荐，而且现在大部分的高并发都是这个做法。
