一個在線2k的游戲，每秒鐘并發都嚇死人。傳統的hibernate直接插庫基本上是不可行的。我就一步步推導出一個無鎖的數據庫操作。 1. 并發中如何無鎖。 一個很簡單的思路，把并發轉化成為單線程。Java的Disruptor就是一個很好的例子。如果用java的concurrentCollection類去做，原理就是啟動一個線程，跑一個Queue，并發的時候，任務壓入Queue，線程輪訓讀取這個Queue，然后一個個順序執行。 在這個設計模式下，任何并發都會變成了單線程操作，而且速度非常快。現在的node.js, 或者比較普通的ARPG服務端都是這個設計，“大循環”架構。 這樣，我們原來的系統就有了2個環境：并發環境 + ”大循環“環境 并發環境就是我們傳統的有鎖環境，性能低下。 ”大循環“環境是我們使用Disruptor開辟出來的單線程無鎖環境，性能強大。 2. ”大循環“環境 中如何提升處理性能。 一旦并發轉成單線程，那么其中一個線程一旦出現性能問題，必然整個處理都會放慢。所以在單線程中的任何操作絕對不能涉及到IO處理。那數據庫操作怎么辦？ 增加緩存。這個思路很簡單，直接從內存讀取，必然會快。至于寫、更新操作，采用類似的思路，把操作提交給一個Queue，然后單獨跑一個Thread去一個個獲取插庫。這樣保證了“大循環”中不涉及到IO操作。 問題再次出現： 如果我們的游戲只有個大循環還容易解決，因為里面提供了完美的同步無鎖。 但是實際上的游戲環境是并發和“大循環”并存的，即上文的2種環境。那么無論我們怎么設計，必然會發現在緩存這塊上要出現鎖。 3. 并發與“大循環”如何共處，消除鎖？ 我們知道如果在“大循環”中要避免鎖操作，那么就用“異步”，把操作交給線程處理。結合這2個特點，我稍微改下數據庫架構。 原本的緩存層，必然會存在著鎖，例如：public TableCache
{
private HashMap<String, Object> caches = new ConcurrentHashMap<String, Object>();
}
這個結構是必然的了，保證了在并發的環境下能夠準確的操作緩存。但是”大循環“卻不能直接操作這個緩存進行修改，所以必須啟動一個線程去更新緩存，例如： private static final ExecutorService EXECUTOR = Executors.newSingleThreadExecutor();
EXECUTOR.execute(new LatencyProcessor(logs));
class LatencyProcessor implements Runnable
{
public void run()
{
// 這里可以任意的去修改內存數據。采用了異步。
}
}
OK，看起來很漂亮。但是又有個問題出現了。在高速存取的過程中，非常有可能緩存還沒有被更新，就被其他請求再次獲取，得到了舊的數據。 4. 如何保證并發環境下緩存數據的唯一正確？ 我們知道，如果只有讀操作，沒有寫操作，那么這個行為是不需要加鎖的。 我使用這個技巧，在緩存的上層，再加一層緩存，成為”一級緩存“，原來的就自然成為”二級緩存“。有點像CPU了對不？ 一級緩存只能被”大循環“修改，但是可以被并發、”大循環“同時獲取，所以是不需要鎖的。 當發生數據庫變動，分2種情況： 1）并發環境下的數據庫變動，我們是允許有鎖的存在，所以直接操作二級緩存，沒有問題。 2）”大循環“環境下數據庫變動，首先我們把變動數據存儲在一級緩存，然后交給異步修正二級緩存，修正后刪除一級緩存。 這樣，無論在哪個環境下讀取數據，首先判斷一級緩存，沒有再判斷二級緩存。 這個架構就保證了內存數據的絕對準確。 而且重要的是：我們有了一個高效的無鎖空間，去實現我們任意的業務邏輯。 最后，還有一些小技巧提升性能。 1. 既然我們的數據庫操作已經被異步處理，那么某個時間，需要插庫的數據可能很多，通過對表、主鍵、操作類型的排序，我們可以刪除一些無效操作。例如： a）同一個表同一個主鍵的多次UPdate，取最后一次。 b）同一個表同一個主鍵，只要出現Delete，前面所有操作無效。 2. 既然我們要對操作排序，必然會存在一個根據時間排序，如何保證無鎖呢？使用 private final static AtomicLong _seq = new AtomicLong(0);
即可保證無鎖又全局唯一自增，作為時間序列。