标题格
1、如何对每秒上千场景下的分布式锁高并发优化
2、并发问题的AQS理解
1、如何对每秒上千场景下的分布式锁高并发优化
如果对一个商品不加锁，就可能出现库存超卖的情况（库存15，2个用户各买10个，没有锁的情况可能出现-5的最终库存）。所以我们可以用：4
悲观锁、乐观锁、分布式锁、队列串行化、异步队列分散、Redis原子操作等等...
现在限定了分布式锁，有个问题：如果一套请求-下单需要20毫秒，1秒就只能容许50个用户对商品的排队等候情况（分布式锁），不能做到每秒上千场景。
解决方法：首先理解Java的ConcurrentHashMap的源码和底层原理，核心就是分段加锁。所以我们可以把1000个商品分成20段库存，客户端
1000个请求进服务端的时候，随机分给20段库存，每个分段各自加锁执行...但是某个下单请求，加锁后发现分段库存不足。那么必须释放锁，换以一个分段库存，再测尝试加锁处理。
这个方法主要缺点就是太复杂。
2、并发问题的AQS理解
AQS（AbstractQueuedSynchronizer，抽象队列同步器）是Java并发包的基础类。ReentrantLock，加锁和解锁的核心组件（ReentrantLock lock = new ReentrantLock() lock.lock();加锁 lock.unlock() 解锁）。
AQS对象内部有个变量state（int类型）代表加锁对象，初始值0（加锁状态值=1）。AQS还有个关键变量，记录当前加锁的是哪个线程，初始值null。
AQS还有一个等待队列，专门放加锁失败的线程（CAS机制加锁机制）。
一句话总结：就是一个并发包的基础核心组件，实现各种锁，各种同步组件的。
参考：纯洁的微笑、石杉的架构笔记、java版web项目、架构师之路、springForAll社区等公众号。