P2P 与分布式存储 / 系统课时
对象版本号怎样处理并发覆盖
对象版本号怎样处理并发覆盖
两个客户端读取同一对象后分别修改标题与标签,若都提交完整对象,后提交的旧快照就可能覆盖先前的修改。本课通过递增版本号和条件写入复现这一问题,再用原子版本校验与重读合并,让两次修改都能正确保留。
学习目标
- 识别两个客户端基于相同旧版本写入时产生的丢失更新。
- 使用期望版本号实现原子条件写入,阻止过期客户端覆盖新数据。
- 区分无条件覆盖与显式冲突检测,并掌握冲突后的重读、合并和重试流程。
同一旧版本为什么会产生丢失更新
假设对象 note-1 当前版本为 7,内容包含 title=draft 和空标签列表 tags=[]。客户端 A 和 B 几乎同时读取该对象,拿到完全相同的版本和内容。
随后发生两次独立修改:
- 客户端 A 将
title从draft修改为reviewed,标签保持不变。 - 客户端 B 在自己读取的旧对象中添加标签
urgent,标题仍然是draft。 - 服务端先接收 A 的完整对象,将版本更新为
8。 - 服务端再接收 B 的完整对象,将版本更新为
9。
如果这两次写入都不检查旧版本,最终对象的标题就会退回 draft。客户端 A 虽然收到写入成功的响应,其修改却被客户端 B 的旧快照覆盖。
这种情况称为丢失更新(Lost Update)。它不是数据传输失败,而是多个客户端在不同时间读取、修改同一逻辑对象时出现的并发写入问题。
这里的无条件覆盖按照同一服务端的提交顺序决定最终值。分布式系统中按照时间戳选择最终版本的 Last Write Wins(LWW)还涉及时间戳来源、时钟偏差和并发排序,不能简单认为客户端最后点击保存的一方必然获胜。
条件写入如何阻止过期版本
乐观并发控制(Optimistic Concurrency Control)的常见实现,是让每个对象携带由服务端维护的递增版本号。
读取对象时,服务端将内容和版本号一起返回。客户端修改内容后,提交原始版本作为写入前置条件,例如 expected_version=7。
服务端必须在同一个原子操作内完成版本比较和数据更新:
- 读取当前已提交版本。
- 比较当前版本与客户端提交的
expected_version。 - 相等时接受写入,并生成下一个版本号。
- 不相等时拒绝写入,返回版本冲突,不改变对象内容。
仍然使用两个客户端读取版本 7 的场景:A 首先提交成功,版本变为 8;B 随后携带期望版本 7 请求更新,服务端发现当前版本已经是 8,便拒绝这次过期写入。

版本号还必须与对象的实际内容状态绑定,由服务端负责推进。对象删除后重新创建时,也应避免复用可能与旧请求冲突的版本标识。
使用 Python 复现两个客户端的写入
下面使用 Python 3.9 及以上版本的标准库实现一个内存对象存储。实验让 A、B 都先读取版本 7,再按照固定顺序提交更新,以便稳定对比无条件覆盖和条件写入的结果。
使用 threading.Lock 保护版本比较及记录替换,使用 deepcopy 避免客户端直接修改存储中的可变对象。这个锁只用于模拟单进程内的原子性,不代表真实跨节点一致性协议。
将以下完整代码保存为 version_demo.py,使用 python version_demo.py 执行。
from copy import deepcopy
from threading import Lock
class Store:
def __init__(self):
self.lock = Lock()
self.record = {
"version": 7,
"value": {"title": "draft", "tags": []}
}
def read(self):
# 返回独立快照,避免客户端绕过写入接口修改数据
with self.lock:
return deepcopy(self.record)
def write(self, value, expected_version=None):
# 版本比较与对象替换必须位于同一临界区
with self.lock:
version = self.record["version"]
if expected_version is not None and expected_version != version:
return {"accepted": False, "version": version}
self.record = {
"version": version + 1,
"value": deepcopy(value)
}
return {"accepted": True, "version": version + 1}
def run(conditional):
store = Store()
# 两个客户端都在任何写入发生前取得 v7 快照
a = store.read()
b = store.read()
a["value"]["title"] = "reviewed"
b["value"]["tags"].append("urgent")
print("模式:", "条件写入" if conditional else "无条件覆盖")
a_expected = a["version"] if conditional else None
b_expected = b["version"] if conditional else None
print("A:", store.write(a["value"], a_expected))
b_result = store.write(b["value"], b_expected)
print("B:", b_result)
if conditional and not b_result["accepted"]:
# 冲突后只将 B 的修改意图应用到最新快照
latest = store.read()
latest["value"]["tags"].append("urgent")
print("B 重试:", store.write(latest["value"], latest["version"]))
print("最终:", store.read())
run(False)
run(True)预期输出:
模式: 无条件覆盖
A: {'accepted': True, 'version': 8}
B: {'accepted': True, 'version': 9}
最终: {'version': 9, 'value': {'title': 'draft', 'tags': ['urgent']}}
模式: 条件写入
A: {'accepted': True, 'version': 8}
B: {'accepted': False, 'version': 8}
B 重试: {'accepted': True, 'version': 9}
最终: {'version': 9, 'value': {'title': 'reviewed', 'tags': ['urgent']}}第一组中,A、B 两次写入都成功,但最终标题恢复为 draft,证明 A 的更新丢失。第二组中,A 首次提交成功,B 的第一次写入因版本过期被拒绝;B 获取最新内容并合并标签后重新提交,最终两个字段的修改都得到保留。
write 返回的 accepted 和 version 是本实验自行定义的结果字段,并非某个对象存储产品的标准 API。实际系统需要按照所使用存储接口的响应规则处理条件写入失败。
发生冲突后应该如何处理
版本冲突只表示客户端持有的基础版本已经过期,并不意味着当前修改必然无效。收到冲突后,不能直接去掉版本条件重复发送旧对象,否则仍然会覆盖其他客户端已经提交的数据。
对于本例中不同字段的修改,可以按照以下顺序处理:
- 识别版本冲突,停止提交旧快照。
- 重新读取最新对象和当前版本,例如
version=8。 - 将当前客户端的修改意图应用于最新对象,而不是用旧对象整体替换。
- 携带最新版本
expected_version=8重新提交。 - 如果再次冲突,重新读取并合并;可以将自动重试限制为最多
3次,超过后交给用户或上层业务处理。
不同字段可以合并,不代表所有冲突都能自动解决。如果 A、B 同时修改 title,必须由业务定义合并规则,例如提示用户选择保留哪一方,或者采用字段级合并策略。不能简单认为较大的版本号代表内容更正确。
还要注意,客户端在提交后发生网络超时,不等于服务端一定没有执行写入。再次提交前应先查询最新状态,必要时配合幂等请求标识,避免将已经成功的更新重复应用。
如果实际服务使用 HTTP 条件请求,可能通过 If-Match 请求头与服务端返回的 ETag 进行比较;前置条件不满足时常见响应是 412 Precondition Failed。但 ETag 并不等同于递增的整数版本号,也不一定能表示完整对象的业务版本,应以具体存储接口的文档为准。
无条件覆盖适合允许整个旧值被新值替换的场景,例如可以丢弃中间状态的缓存快照。多人编辑文档、对象元数据更新、订单状态修改等需要避免丢失更新的场景,则应使用服务端原子条件写入,并在冲突发生时按照明确的业务规则重新计算更新内容。