非阻塞算法思想在数据库开发中的应用

　阻塞算法介绍

　　目前，很多关于并发算法的研究都聚集在非阻塞算法（nonblocking algorithms）上，这种算法使用低层原子化的机器指令取代锁，比如compare-and-swap，从而保证数据在兵法访问下的一致性。

非阻塞算法广泛应用于操作系统和JVM的线程和进程调度、垃圾回收以及实现所和其他的并发数据结构。

　　与基于锁的方案相比，非阻塞算法的设计和实现都要复杂一些，但是它们在可伸缩性和活跃度上占有很大的优势。因为非阻塞算法可以让多个线程在竞争相同资源时不会发生阻塞，所以它能在更精化的层面上调整粒度，并能大大减少开销。进一步而言，它们对死锁和其他活跃度问题具有免疫性。基于锁的算法中，如果一个线程在持有锁的时候休眠，或者停滞不前，那么其它线程就都不能前进了，而非阻塞算法不会受到单个线程失败的影响。在Java 5.0中，使用atomic variable classes，比如AtomicInteger和AtomicReference，能够高效构建非阻赛算法。

　　非阻塞算法的关键思想就是CAS，CAS是compare and set的缩写，也常被称为lock-free或者wait-free，通过把compare和set两个操作原子化，使得不需要使用锁，但是能够解决并发中的资源争用问题。由于CAS常常是一个回退算法+外循环，所以又被称为spin-lock.由于CAS没有使用锁，线程持续执行，又称为非阻塞算法（non-blocking）。术语不统一，有细微差别，但都差不多表示同一个东西，我都列在这里，方便大家理解。

　　非阻塞算法的实现通常包括如下部分：外循环、回退、CAS操作。伪码如下：

WHILE (TRUE) // 外循环 { 准备数据 IF CAS_OP() == SUCCESS THEN BREAK; END IF }

　　非阻塞算法思想在关系数据库开发中的应用

　　有人说，非阻塞算法这种技术底层框架提供，不需要了解，其实不然，CAS思想可以应用任何地方，包括数据结构、服务接口、数据库应用等等。我这篇文章要讲的内容就是在关系数据库应用中使用CAS思想。

　　关系数据库数据库提供了"update T set FState = xx where FState = xx"，执行这样的SQL，会返回一个更新行数，在jdbc或者odbc或者ADO .NET中都可以获得更新行数。上面的SQL，如果更新行数>0，则是更新成功，否则是没有进行任何更新，这是很典型的CAS.可以说，关系数据库 原生支持CAS.

　　关系数据库中采用事务来确保并发时的原子性，事务实际上就是一种“锁”。关系数据库中通常有排他锁和共享锁的概念，这有点类似于Java中ReadWriteLock.需要更新数据时，我们通常使用到关系数据库的排他锁，在Oracle中需要使用SELECT … FOR UPDATE，在Microsoft SQL Server中，使用lock hints.

　　我们举两个例子描述CAS在关系数据开发中的应用。

　　例一 读取并更新

　　传统使用数据库事务的实现

public long transactionGetAndIncrement(Connection conn, long id) throws Exception {
　　// 为了简化，不适用try...finally的方式释放Statement和ResultSet等资源
　　conn.setAutoCommit(false);
　　Long expect = null;
　　// 读取当前值
　　String sql = "SELECT FValue FROM T_TEST_CAS T WHERE FID = ? FOR UPDATE";
　　PreparedStatement stmt = conn.prepareStatement(sql);
　　stmt.setLong(1, id);
　　ResultSet rs = stmt.executeQuery();
　　if (rs.next()) expect = rs.getLong(1);
　　rs.close();
　　stmt.close();
　　if (expect == null) {
　　conn.commit();
　　throw new Exception("id '" + id + "' invalid.");
　　}
　　// 更新加1
　　sql = "UPDATE T_TEST_CAS SET FValue = ? WHERE FID = ?";
　　stmt = conn.prepareStatement(sql);
　　stmt.setLong(1, expect.longValue() + 1);
　　stmt.setLong(2, id);
　　int updateCount = stmt.executeUpdate();
　　stmt.close();
　　if (updateCount == 0) throw new Exception("id '" + id + "' invalid.");
　　conn.commit();
　　return expect.longValue();
　　}
　　CAS方式的实现
　　// 为了简化，不适用try...finally的方式释放Statement和ResultSet等资源
　　public long casGetAndIncrement(Connection conn, long id) throws Exception {
　　for (;;) { // 外循环
　　Long expect = null;
　　String sql = "SELECT FValue FROM T_TEST_CAS T WHERE FID = ?";
　　PreparedStatement stmt = conn.prepareStatement(sql);
　　stmt.setLong(1, id);
　　ResultSet rs = stmt.executeQuery();
　　if (rs.next()) {
　　expect = rs.getLong(1);
　　}
　　rs.close();
　　stmt.close();
　　if (expect == null) throw new Exception("id '" + id + "' invalid.");
　　// 比较更新
　　sql = "UPDATE T_TEST_CAS SET FValue = ? WHERE FID = ? AND FValue = ?";
　　stmt = conn.prepareStatement(sql);
　　stmt.setLong(1, expect.longValue() + 1);
　　stmt.setLong(2, id);
　　stmt.setLong(3, expect.longValue());
　　int updateCount = stmt.executeUpdate();
　　stmt.close();
　　// 如果updateCount > 0，更新成功，返回退出循环，否则回退重来
　　if (updateCount > 0) return expect.longValue();
　　}
　　}

　　例二 使用CAS读取并且删除数据表中最小的值的一行

   public Long compareAndDelete
   (Connection conn) throws Exception {
　　for (;;) { //外循环
　　Long minValue = null;
　　// 读取最小值
　　String sql = "SELECT MIN(FVALUE) FROM T";
　　PreparedStatement stmt = conn.prepareStatement(sql);
　　ResultSet rs = stmt.executeQuery();
　　if (rs.next()) minValue = rs.getLong(1);
　　rs.close();
　　stmt.close();
　　if (minValue == null) return null;
　　// 比较删除
　　sql = "DELETE FROM T WHERE FVALUE = ?";
　　stmt = conn.prepareStatement(sql);
　　stmt.setLong(1, minValue.longValue());
　　int updateCount = stmt.executeUpdate();
　　stmt.close();
　　// 如果updateCount > 0，
   删除成功，返回退出循环，否则回退重来
　　if (updateCount > 0) return minValue;
　　}
　　}

　　在例二的场景中，使用事务还不好实现，因为Oracle中使用了MIN函数就不能使用 FOR UPDATE.

　　性能比较

　　在Oracle 10g上作测试，使用CAS的方式测试例一，在10个线程并发测试跑1000次，CAS的方式会比使用事务的方式快10~20.如果加大线程跑并发，CAS的性能逐渐下降，也符合CAS算法在激烈竞争下性能不高的场景。但是实际环境中，很少会在同一点上存在激烈竞争，所以采用CAS的方式会比使用事务的方式效率更高。

　　总结

　　1、在关系数据库开发中使用非阻塞算法，由于非阻塞算法自身保证原子性，所以不能在嵌套在事务中使用。

　　2、使用非阻塞算法不使用事务，不适用悲观的独占锁，不存在激烈竞争的情况下，性能比采用事务的方式性能更好。

　　3、非阻塞关系数据库算法，适用于分布式工作流系统、后台调度程序等场景，能够在并发和集群环境下工作良好。

　　4、非阻塞算法的思想不单可用于系统底层框架，而且适用于任何地方