python乐观锁和悲观锁

在并发编程中，锁是一种常用的机制，用于保护共享资源的访问。乐观锁和悲观锁是两种不同的锁机制。

乐观锁：不会一开始就加锁，在更新的时候，判断一下在此期间别人是否修改了数据，若修改了不执行此操作，反之执行；优点：出现并发冲突小时，乐观锁更好，悲观锁会锁住代码块或者数据，其他线程无法访问，影响并发，而且锁的创建和释放都会消耗资源；这种锁机制适合于多读少写的场景，如缓存中的数据更新。
实例：之前在做家具网时，有人买家具，可能同时买，先判断原始存量，然后在更新的时候再查询一次，如果相同就更新数据量，不同就进入循环重新判断。

悲观锁：操作数据时，直接将锁锁住，直到操作结束：优点：出现并发冲突大的时候，悲观锁更好，乐观锁频繁失败，需要不断重试，浪费CPU资源。这种锁机制适合于多写少读的场景，如数据库中的事务处理。

实例1：flask-sqlalchemy（with_for_update方法）

organization = Organization.query.filter_by(id=organization_id).with_for_update().first()
# 上锁

organization.balance = organization.balance - 1
db.session.commit()

# 保存之后就自动解锁

因为sqlalchemy是缓存机制，此方法可能不会生效，造成行锁没有锁到的结果
所以要在上锁之前加一个将事务提交的操作

# 加上事务提交的方法
db.session.commit()
organization = Organization.query.filter_by(id=organization_id).with_for_update().first()
# 上锁

organization.balance = organization.balance - 1
db.session.commit()

# 保存之后就自动解锁

https://blog.csdn.net/qq_33763224/article/details/115018371

在Python中，可以使用线程锁来实现悲观锁，如使用threading.Lock()；也可以使用一些乐观锁的实现，如使用类似redis的分布式锁，或者使用version来实现乐观锁。

在实现并发控制时，应该根据具体的实际情况来选择使用乐观锁还是悲观锁，一般来说，如果并发请求较少且竞争不激烈，可以使用乐观锁；如果并发请求比较多并且竞争激烈，则应该使用悲观锁。