郑州做网站公司,seo网站内部优化,利用php做直播网站,vs简易新闻建设网站简单的场景: 全量数据更新的情况下, 不在乎同一秒的请求都必须要成功, 只留下最新的更新请求数据
方案常用的是 1、数据库增加时间戳标识实现的乐观锁, 请求参数从源头带上微秒或者毫秒时间戳数据库存储, 然后在更新SQL语句上比较 (数据库的时间 参数传递的时间) 例如: A…简单的场景: 全量数据更新的情况下, 不在乎同一秒的请求都必须要成功, 只留下最新的更新请求数据
方案常用的是 1、数据库增加时间戳标识实现的乐观锁, 请求参数从源头带上微秒或者毫秒时间戳数据库存储, 然后在更新SQL语句上比较 (数据库的时间 参数传递的时间) 例如: ALTER TABLE mytable ADD accessTime DATETIME(6) DEFAULT CURRENT_TIMESTAMP(6) not null comment ‘请求源头时间(精度高),用于更新比较,解决并发修改’;
UPDATE mytable SET updateTime ?, accessTime? WHERE statusId ? AND (IFNULL(accessTime, DATE_SUB(NOW(), INTERVAL 2 MINUTE)) ?); 复杂场景: 比如, 更新数据时候不是全量数据更新的方式, 可能是增量更新或者是覆盖部分更新; 场景: 比如MongoDB数据库, 文档中的某个object字段下有很多key:value, [图片] 一种并发情况: 并发A、B请求的时候, 他们的请求参数分别新增加不同的object字段下的Key, 或者是覆盖key, 这种新增Key的情况下需要并发的A、B请求都要成功, {properties.label:24.700000} {properties.thermostat.localTemp:24.800000} 另外一种情况: 并发A、B请求的时候, 他们的请求参数分别相同的object字段下的Key, 这种情况下需要并发的A、B请求只要最新请求能成功, 比如是A是先请求, B后请求, 那么就不能存在数据库最终存储的数据是A的; {properties.thermostat.localTemp:24.700000} {properties.thermostat.localTemp:24.800000}
方案 基于时间戳的乐观锁方式 判断keys的hash算法, 具体如下 请求参数源码增加一个时间戳, 透传到数据库存储; 根据请求测试里面的所有的keys , 按规则排序, 后进行hash算法计算出值, 然后插入到表里面; 后面更新判断hash算法是否一致, 不一致则判断为增量更新, 不用判断时间戳让其更新成功; 如果hash算法一致则判定为一致, 需要判断数据库时间戳 传递的时间戳; 并且这个判断不能在程序中实现, 比如先查询出来然后再比较, 后更新, 这种方式不是原子性的; 但是这种方法还是存在缺陷, 比如: A线程先请求 参数是: b2 {“fanMode”: “auto1”, “speedPercent”: 0} A 由于hash不同也能更新成功, 最终b2, 但是由于是B后请求是, 其实最终数据要b1 B线程后请求 参数是: b1 {“fanMode”: “auto2”} B先执行成功; 上面方法主要是解决相邻的2个间隔短的相同key参数请求伪代码: // 并发控制, 组装请求参数的TreeSet排序的keys-1 Set propertiesKeys new TreeSet(); for (Map.EntryString, Object entry : properties.entrySet()) { if (entry.getValue() null) { continue; } // 并发控制, 组装请求参数的keys-2 propertiesKeys.add(entry.getKey()); recursiveCalculationAddKeys(entry.getValue(), propertiesKeys); } // 并发控制, 获取keys_Md5-3 String string propertiesKeys.toString(); String md5DigestAsHex DigestUtils.md5DigestAsHex(string.getBytes(StandardCharsets.UTF_8)); deviceStatus.setPropertiesKeysMd5(md5DigestAsHex); request.setCompareAccessTime(Boolean.TRUE); public static void recursiveCalculationAddKeys(Object value, Set propertiesKeys) { if (Objects.isNull(value)){ return; } String type value.getClass().getSimpleName(); if (value instanceof Map || type.endsWith(“HashMap”)) { MapString, Object valueMap (MapString, Object) value; valueMap.forEach((k, v) - { propertiesKeys.add(k); // 递归处理所有是map的值 recursiveCalculationAddKeys(v, propertiesKeys); }); }
// 处理是List的情况
if (value instanceof List || type.endsWith(ArrayList)){ListObject valueList (ListObject) value;valueList.forEach(el-{// 递归处理所有是map的值recursiveCalculationAddKeys(el, propertiesKeys);});
}} Criteria criteriaVar2 Criteria.where(“statusId”).is(oldDs.getStatusId()); Query queryVar2 new Query(criteriaVar2);
if (compareAccessTime) { // md5比较存在情况下增加查询条件走单更新方法 criteriaVar2.orOperator( Criteria.where(“propertiesKeysMd5”).is(propertiesKeysMd5).and(“accessTime”).lt(accessTime), Criteria.where(“accessTime”).is(null), Criteria.where(“propertiesKeysMd5”).is(null), Criteria.where(“propertiesKeysMd5”).ne(propertiesKeysMd5) ); // 匹配空值 queryVar2 new Query(criteriaVar2); } mongoTemplate.findAndModify(queryVar2, update, Map.class, “…”)
1
