※ 引述《life1347 (黑人)》之銘言：
: 就問題一的部分
: 從文章中的描述看起來是需要 strong data consistency
: 面對這種狀況有種可行的做法是採用 distributed lock
: 但負面效益是會降低 throughput
: 流程大概是
: 1. user1 搶 write lock
: 2. user1 清除 cache & 更新 db
: 3. user2 發現 write lock 存在，用 watch 或 polling 方式
: 等待該 lock 消失 (設定 timeout)，若消失就 r/w cache & db
: 4. user1 步驟 2
: 成功: db, cache 更新後，撤銷 write lock
: 失敗: 撤銷 write lock 或 retry
: 由於無法假定步驟 4 一定會成功，因此要看錯誤狀況來決定處理方式
: 目前想到兩種可能作法
: 1. 撤銷 write lock，讓 user2 拿到舊資料。user1 返回錯誤看 application
: 怎麼處理。這種狀況以搶票例子來說，就是 user2 買到票而 user1 哭哭
: 2. 持續 retry 但設定 timeout，至少其他使用者不必持續等待
: 3. 若非 db 或 schema 異常，retry 直到成功為止。
: 但通常這種做法蠻糟糕的，會讓多數使用者一直等待導致不耐
: 這邊要看 business 選哪種做法對公司影響較小，沒有絕對優劣
: 但通常在微服務架構(分散式系統)通常會採用 2
: 以上是個人經驗，相信版上有其他更資深的大大有更好的觀點可以討論
user1 read
user1 下單搶座位001 and 得到訂單處理中之訊息 (通常是icon轉圈圈之類)
*user2 read
*user2 下單搶座位001 and 得到訂單處理中
user1 得到交易成功
*user2 得到交易失敗
通常不會用lock, 而是實際上整個流程都是read/write分離,做到transation like
async送出動作,callback得到結果
並且at-least-once:確保訊息有送達
量大需要scaling甚至是會有kafka之類的掛在中間
你也可以把上面event放在cache內,這樣user2 read時其實可以顯示位置正在被搶