1. 当高并发遇上数据库

在电商大促的凌晨，某平台库存系统的QPS突然飙升至每秒5万次。运营人员发现，明明显示"剩余10件"的商品，多个用户同时下单后实际扣减数量出现负数。这种典型的高并发读写冲突，正是数据库一致性问题的放大镜。

在MongoDB的世界里，我们如何既保证数据的一致性，又能扛住流量洪峰？咱们先看一个真实案例：

// 错误示例：未加锁的库存扣减
async function unsafeDecreaseStock(productId, quantity) {
  const product = await db.products.findOne({_id: productId});
  if(product.stock >= quantity){
    await db.products.updateOne(
      {_id: productId},
      {$inc: {stock: -quantity}}
    );
    return true;
  }
  return false;
}

这个看似合理的操作，在高并发下会导致：

  1. 多个线程同时读取相同库存值
  2. 全部通过库存校验
  3. 重复扣减导致超卖

接下来咱们深入MongoDB的底层机制，看看如何化解这类危机。

2. MongoDB的锁机制揭秘

2.1 全局锁到精细锁的进化史

早期的MongoDB采用全局锁（3.0版本前），就像图书馆只有一个进出口。现在发展到更精细的锁机制：

  • 存储引擎层：WiredTiger的文档级锁
  • 操作类型：读写锁分离（共享锁、排他锁）
  • 锁粒度：集合级（DDL操作）、文档级（DML操作）

2.2 原子操作的锁魔法

// 正确示例：原子操作保证库存安全
db.products.findAndModify({
  query: {_id: "p123", stock: {$gte: 1}},
  update: {$inc: {stock: -1}},
  new: true
});

这个操作的锁行为分解：

  1. 获取文档排他锁
  2. 执行查询和更新
  3. 立即释放锁

整个过程在单个原子操作中完成，有效避免并发冲突。

3. 事务处理：从单文档到多文档

3.1 事务的四大护法（ACID）

MongoDB 4.0+的多文档事务支持，使得复杂操作也能保持ACID特性。看这个转账场景：

const session = client.startSession();
try {
  await session.withTransaction(async () => {
    // 扣减转出账户
    const fromResult = await accounts.updateOne(
      {_id: "A", balance: {$gte: 100}},
      {$inc: {balance: -100}},
      {session}
    );
    if(!fromResult.modifiedCount) throw new Error("余额不足");

    // 增加转入账户
    const toResult = await accounts.updateOne(
      {_id: "B"},
      {$inc: {balance: 100}},
      {session}
    );
    if(!toResult.modifiedCount) throw new Error("转入账户异常");
  });
} finally {
  session.endSession();
}

关键要点：

  • session参数贯穿事务始终
  • 自动重试机制处理暂时性错误
  • 两阶段提交保证原子性

3.2 事务的性能平衡术

事务类型与性能关系表：

事务类型 吞吐量 延迟 适用场景
单文档事务 最高 最低 简单库存扣减
多文档事务 中等 中等 金融交易
跨分片事务 最低 最高 分布式订单系统

4. 高并发读一致性的技巧

4.1 读关注（readConcern）的选择艺术

// 确保读取已提交的数据
db.orders.find().readConcern("majority");

// 实时读取最新数据（可能读到未提交）
db.logs.find().readConcern("local");

不同级别的对比：

  • local：最高性能，最低一致性
  • available：分片集群专用
  • majority：平衡选择
  • linearizable：最强一致性

4.2 写关注（writeConcern）的安全阀

// 确保数据写入多数节点
await db.payments.insertOne(
  {amount: 99.9},
  {writeConcern: {w: "majority", j: true}}
);

参数组合效果：

  • {w: 1}：快速写入
  • {w: "majority", j: true}：金融级安全
  • {w: 3}：特定副本集场景

5. 应用场景的黄金分割线

5.1 适合场景

  • 实时推荐系统（高并发读取）
  • 物联网设备日志（快速写入）
  • 社交平台动态（灵活Schema）

5.2 慎用场景

  • 复杂财务结算系统（需要跨表事务）
  • 强一致性的库存系统（需要行级锁）
  • 关系型数据分析（复杂JOIN操作）

6. 技术方案的AB面

6.1 优势亮点

  • 横向扩展能力：分片集群轻松扩容
  • 灵活数据模型：快速迭代业务需求
  • 混合事务支持：单文档与多文档兼顾

6.2 潜在风险

  • 事务超时导致锁堆积
  • 不恰当的读关注影响性能
  • 大事务引发内存溢出

7. 实战避坑指南

  1. 监控慢查询：定期分析db.currentOp()
  2. 索引优化：确保查询使用覆盖索引
  3. 事务时长：控制在5秒内
  4. 重试策略：处理暂时性网络错误
  5. 批量操作：使用bulkWrite提升吞吐量

8. 总结与展望

在高并发与一致性之间走钢丝，MongoDB提供了丰富的武器库。通过合理运用锁机制、事务控制、读写关注等级，开发者可以在保证数据可靠性的同时，充分发挥NoSQL的高性能优势。未来随着分布式事务的持续优化，MongoDB在关键业务场景的应用将更加广泛。