Node.js中如何操作原子操作？-js教程-PHP中文网

答案：Node.js实现原子操作需依赖外部机制。其单线程仅保证JavaScript执行的顺序性，但异步I/O、多进程部署及共享资源访问仍存在竞态风险，因此需借助数据库事务、原子命令、分布式锁等外部系统保障原子性，Atomics API仅适用于进程内线程间共享内存场景，不适用于常见I/O密集型业务。

node.js中如何操作原子操作？

在Node.js中，要实现原子操作，核心思路是利用外部的原子性保障机制，而不是单纯依赖Node.js自身的单线程JavaScript执行环境。这通常意味着我们会将需要原子性的操作委托给数据库、消息队列或专门的并发控制工具，因为Node.js的单线程模型虽然避免了传统多线程语言的某些竞态条件，但在涉及I/O操作或共享外部资源时，仍需谨慎处理并发问题。

解决方案

Node.js本身并不直接提供类似Java或C++中针对共享内存的低级原子操作指令（尽管有

Atomics

登录后复制

API，但其应用场景相对特殊，我们稍后会讨论）。在Node.js应用中，我们主要通过以下几种方式来实现原子操作：

数据库层面的原子性： 这是最常见也是最推荐的方式。

事务（Transactions）： 关系型数据库（如PostgreSQL, MySQL）和一些NoSQL数据库（如MongoDB 4.0+）支持事务。通过将一系列操作包裹在一个事务中，可以确保这些操作要么全部成功提交，要么全部失败回滚，从而保证数据的一致性和原子性。

// 伪代码示例：使用事务更新用户余额
async function transferMoney(fromAccountId, toAccountId, amount) {
    const session = await db.startSession(); // MongoDB 示例
    session.startTransaction();
    try {
        await db.collection('accounts').updateOne(
            { _id: fromAccountId, balance: { $gte: amount } },
            { $inc: { balance: -amount } },
            { session }
        );
        await db.collection('accounts').updateOne(
            { _id: toAccountId },
            { $inc: { balance: amount } },
            { session }
        );
        await session.commitTransaction();
        console.log('转账成功');
    } catch (error) {
        await session.abortTransaction();
        console.error('转账失败，已回滚:', error);
        throw error;
    } finally {
        session.endSession();
    }
}

登录后复制

原子命令： 许多数据库提供了原子的单个操作，例如Redis的

INCR

登录后复制

、

DECR

登录后复制

、

SETNX

登录后复制

，MongoDB的

$inc

登录后复制

、

$set

登录后复制

等更新操作符。这些命令在执行时是原子的，即使有多个客户端同时尝试修改，也能保证操作的完整性。

// Redis 示例：原子性地增加计数器
const redis = require('redis').createClient();
redis.on('error', (err) => console.log('Redis Client Error', err));

async function incrementCounter(key) {
    await redis.connect();
    const newValue = await redis.incr(key);
    await redis.disconnect();
    return newValue;
}

登录后复制

乐观锁与悲观锁： 在数据库层面，也可以通过版本号（乐观锁）或行锁（悲观锁）来控制并发，保证操作的原子性。乐观锁更常用，通过在更新时检查数据版本号是否匹配来避免冲突。

分布式锁： 当需要协调多个Node.js实例（或不同服务）对共享资源的访问时，分布式锁（如基于Redis或ZooKeeper实现的锁）是实现原子性的有效手段。它确保在任何给定时间只有一个进程能持有锁并执行临界区代码。
消息队列： 通过将任务发送到消息队列，并由单个消费者或确保幂等性的消费者处理，可以间接实现操作的原子性。例如，一个订单创建操作可能包含多个步骤，将每个步骤分解为独立的消息，并通过事务性消息队列确保消息的可靠投递和处理。

worker_threads

登录后复制

与
Atomics
登录后复制
API：这是Node.js内部实现共享内存原子操作的方式，但主要用于同一Node.js进程内的不同工作线程之间。

Atomics

登录后复制

API提供了一组静态方法，用于对

SharedArrayBuffer

登录后复制

中的数据进行原子性操作，例如

Atomics.add()

登录后复制

、

Atomics.compareExchange()

登录后复制

等。

// Worker Thread 示例：使用 Atomics
// main.js
const { Worker, isMainThread, parentPort, workerData } = require('worker_threads');

if (isMainThread) {
    const sharedBuffer = new SharedArrayBuffer(4); // 4 bytes for a 32-bit integer
    const sharedArray = new Int32Array(sharedBuffer);
    sharedArray[0] = 0; // Initial value

    console.log('Main thread: Initial value:', sharedArray[0]);

    new Worker(__filename, { workerData: sharedBuffer });
    new Worker(__filename, { workerData: sharedBuffer });

    setTimeout(() => {
        console.log('Main thread: Final value:', sharedArray[0]);
    }, 100); // Give workers some time
} else {
    const sharedArray = new Int32Array(workerData);
    // 原子性地增加值
    Atomics.add(sharedArray, 0, 1);
    // console.log(`Worker ${process.pid}: Value after add:`, sharedArray[0]); // 这行可能输出中间结果
}

登录后复制

需要强调的是，

Atomics

登录后复制

API主要解决的是CPU密集型任务中多线程间的共享内存问题，而不是Node.js服务中最常见的I/O密集型任务的原子性问题。对于跨进程的Node.js服务实例，或者涉及数据库、文件系统等外部资源的原子性，

Atomics

登录后复制

API并不适用。

为什么Node.js的单线程模型并不能天然保证原子性？

一个常见的误解是，因为Node.js是单线程的，所以它天生就能保证所有操作的原子性。但实际情况远非如此。Node.js的“单线程”主要是指其JavaScript代码的执行是单线程的，也就是在任何一个时间点，只有一段JavaScript代码在主事件循环中运行。这确实避免了传统多线程编程中常见的内存数据竞态问题，例如两个线程同时修改一个JavaScript变量的内部状态。

然而，Node.js的应用程序通常会涉及到大量的异步I/O操作，比如数据库查询、文件读写、网络请求等。这些I/O操作本身是由底层的libuv库或操作系统线程池来处理的，当I/O操作完成后，其回调函数会被放入事件队列，等待主线程空闲时执行。

问题就出在这里：

I/O操作的并发性： 即使JavaScript是单线程的，多个并发的I/O请求仍然可以同时进行。例如，两个用户同时尝试更新同一个数据库记录。数据库层面的操作是并发的，如果数据库本身不提供原子性保障（如事务），那么就可能出现数据不一致。

回调函数的交错执行： 假设我们有一个操作，它包含多个异步步骤（例如，先读取一个值，然后根据这个值进行计算，再写入新值）。在“读取”和“写入”之间，事件循环可能会去执行其他任务的回调，包括其他用户的请求。这导致了所谓的“读-改-写”竞态条件。

// 假设一个非原子性的计数器更新函数
let counter = 0;
async function incrementNonAtomic() {
    const currentValue = counter; // 读取
    await someAsyncOperation(); // 模拟异步I/O，此时事件循环可能处理其他请求
    counter = currentValue + 1; // 写入
}
// 如果两个请求同时调用 incrementNonAtomic，可能会导致 counter 只增加了 1 次而不是 2 次

登录后复制

多进程部署： 实际生产环境中，Node.js应用通常会通过PM2、Kubernetes等工具部署多个进程实例来利用多核CPU。这些独立的Node.js进程各自拥有独立的内存空间，它们之间共享的只有外部资源（如数据库、文件系统）。在这种多进程环境下，单进程的“单线程”特性更是无法保证跨进程的原子性。

所以，Node.js的单线程模型只是简化了某些并发编程的复杂性，但对于涉及共享外部资源或异步操作序列的原子性需求，我们依然需要依赖更高级别的并发控制机制。

在实际项目中，我们应该优先考虑哪些原子操作实现方案？

在大多数Node.js的后端服务场景中，处理原子操作的优先级和选择，我会这样考虑：

数据库事务和原子命令： 毫无疑问，这是首选，也是最成熟、最可靠的方案。

PPT.CN,PPTCN,PPT.CN是什么,PPT.CN官网,PPT.CN如何使用
一键操作，智能生成专业级PPT

37

查看详情
- 优点： 数据库系统在设计之初就考虑了并发控制和数据一致性，它们的事务和原子命令经过了严格测试和优化。使用这些机制，可以大大简化应用层的逻辑，降低出错的概率。例如，SQL数据库的
```
BEGIN/COMMIT
```
  登录后复制
  ，MongoDB的
```
session.startTransaction()
```
  登录后复制
  ，以及Redis的
```
INCR
```
  登录后复制
  、
```
SETNX
```
  登录后复制
  等命令，都直接提供了强大的原子性保证。
- 适用场景： 几乎所有需要操作多个数据项并确保其一致性的场景，如转账、订单创建、库存扣减等。对于单个字段的原子更新，如访问量计数，Redis的
```
INCR
```
  登录后复制
  或数据库的
```
$inc
```
  登录后复制
  操作符是完美的选择。
- 建议： 尽可能将原子性逻辑下沉到数据库层。如果你的业务逻辑可以在一个数据库事务中完成，那就用它。
Redis分布式锁或Lua脚本： 当你的业务逻辑跨越多个服务或Node.js进程，并且需要协调对某个共享资源的访问时，Redis是一个非常优秀的工具。
- 分布式锁： 利用Redis的
```
SET resource_name an_unique_value NX PX timeout_ms
```
  登录后复制
  命令可以实现一个可靠的分布式锁。它保证在任何时刻只有一个客户端能够持有锁，从而独占地访问临界区资源。
```
// 伪代码：Redis分布式锁
async function acquireLock(lockKey, requestId, ttl) {
    const result = await redis.set(lockKey, requestId, 'NX', 'PX', ttl);
    return result === 'OK'; // 返回 true 表示成功获取锁
}

async function releaseLock(lockKey, requestId) {
    // 使用Lua脚本确保原子性：只有当锁的持有者是自己时才释放
    const script = `
        if redis.call("get", KEYS[1]) == ARGV[1] then
            return redis.call("del", KEYS[1])
        else
            return 0
        end
    `;
    const result = await redis.eval(script, [lockKey], [requestId]);
    return result === 1; // 返回 1 表示成功释放锁
}
```
  登录后复制
- Lua脚本： Redis允许执行Lua脚本，这些脚本在Redis服务器上是原子性执行的。这意味着你可以将一系列Redis命令打包成一个Lua脚本，确保它们作为一个整体被执行，中间不会被其他命令打断。这对于实现复杂的原子操作（如“检查库存并扣减”）非常有用。
- 适用场景： 需要跨服务或多实例协调资源访问、限流、秒杀系统中的库存预扣减等。
消息队列与幂等性设计： 虽然消息队列本身不是原子操作的直接实现，但它是构建高并发、高可用系统中“最终一致性”和“操作幂等性”的关键。
- 原理： 将一个复杂的原子操作分解成多个幂等的、可重试的子操作，通过消息队列来解耦和异步处理。即使消息被重复消费，由于操作的幂等性，也不会导致错误结果。
- 适用场景： 订单处理流程（创建订单、扣减库存、发送通知等）、数据同步、长时间运行的后台任务。

我个人认为，对于绝大多数Node.js应用，先从数据库层面的事务和原子命令入手，它们能解决80%以上的原子性问题。如果遇到分布式场景，再考虑Redis的分布式锁或Lua脚本。至于

Atomics

登录后复制

API，它更像是一个底层工具，在Node.js服务开发中，除非你确实在处理

SharedArrayBuffer

登录后复制

进行CPU密集型计算的特定场景，否则很少会直接用到它来解决业务层面的原子性问题。

Node.js中的

worker_threads

登录后复制

和

Atomics

登录后复制

API在原子操作中的角色与局限性？

worker_threads

登录后复制

模块和

Atomics

登录后复制

API在Node.js生态系统中确实是实现并发和原子操作的重要工具，但它们的角色和适用范围与我们通常在Web服务中讨论的原子性有所不同，理解其局限性至关重要。

worker_threads

登录后复制

的角色：

worker_threads

登录后复制

模块允许Node.js应用创建真正并行的JavaScript线程。每个工作线程都有自己独立的V8实例、事件循环和内存空间。这使得Node.js能够更好地利用多核CPU，处理CPU密集型任务，而不会阻塞主事件循环。

并发执行： 工作线程可以独立运行代码，与主线程或其他工作线程并行。
通信机制： 主线程和工作线程之间通过
```
postMessage
```
登录后复制
传递消息（数据会被序列化和反序列化），或者通过
```
SharedArrayBuffer
```
登录后复制
共享内存。

Atomics

登录后复制

API的角色：

Atomics

登录后复制

API是专门为

SharedArrayBuffer

登录后复制

设计的，它提供了一组原子性的操作，用于在多个工作线程共享内存时，确保对共享数据的读写操作是不可中断的。这意味着，当一个线程正在对共享内存执行原子操作时，其他线程无法同时修改这块内存，从而避免了数据竞态。

共享内存的原子性：
```
Atomics
```
登录后复制
方法（如
```
Atomics.add
```
登录后复制
,
```
Atomics.compareExchange
```
登录后复制
,
```
Atomics.load
```
登录后复制
,
```
Atomics.store
```
登录后复制
等）保证了对
```
SharedArrayBuffer
```
登录后复制
中特定位置的数据进行操作时，这些操作是原子的。
等待/唤醒机制：
```
Atomics.wait
```
登录后复制
和
```
Atomics.notify
```
登录后复制
允许工作线程在共享内存上等待特定条件，并在条件满足时被其他线程唤醒，这对于实现更复杂的同步原语（如锁、信号量）很有用。

局限性：

仅限于进程内多线程共享内存： 这是最核心的局限。
```
Atomics
```
登录后复制
API只在同一个Node.js进程内部的多个
```
worker_threads
```
登录后复制
之间共享
```
SharedArrayBuffer
```
登录后复制
时才有效。它无法解决：
- 跨进程原子性： 如果你的Node.js应用部署了多个进程（例如通过PM2启动了4个实例），这些进程之间是独立的，无法直接共享
```
SharedArrayBuffer
```
  登录后复制
  ，因此
```
Atomics
```
  登录后复制
  API对它们之间的原子性问题无能为力。
- 外部资源原子性：
```
Atomics
```
  登录后复制
  API无法保证对数据库、文件系统、外部API等共享资源的原子操作。这些外部资源的原子性需要由它们自身（如数据库事务）或分布式协调机制（如分布式锁）来保证。
复杂性和低级抽象：
```
Atomics
```
登录后复制
API是一个非常低级的工具，它直接操作内存缓冲区。对于大多数业务逻辑而言，直接使用
```
Atomics
```
登录后复制
来管理共享状态过于复杂且容易出错。开发者需要对内存布局、并发原语有深入的理解。
适用场景有限：
```
Atomics
```
登录后复制
API最适合的场景是CPU密集型计算，例如：
- 图像处理、数据分析、科学计算等需要多个线程并行处理同一块大型数据集。
- 实现高性能的并发数据结构（如无锁队列）。
- 构建自定义的同步原语（如自旋锁）。