乐观锁定用于不期望发生太多冲突的情况。进行正常操作的成本较低，但如果碰撞确实发生，您将支付更高的代价来解决它，因为交易被中止。

悲观锁定在预期发生碰撞时使用。会违反同步的事务被简单地阻塞。

为了选择合适的锁定机制，您必须估计读取和写入的量并相应地进行计划。

我还会想到另外一种情况，悲观锁定会是更好的选择。

对于乐观锁，数据修改的每个参与者都必须同意使用这种锁。但是如果有人修改数据而不考虑版本列，这将破坏乐观锁定的整个思想。

乐观锁定的一个用例是让应用程序使用数据库允许其中一个线程/主机“声明”任务。这是一个经常为我派上用场的技巧。

我能想到的最好的例子是使用数据库实现的任务队列，多个线程同时声明任务。如果一个任务有状态'Available'， 'Claimed'， 'Completed'， db查询可以这样说:Set status='Claimed' where status='Available'。如果多个线程试图以这种方式改变状态，那么除了第一个线程之外，其他线程都会因为脏数据而失败。

注意，这是一个只涉及乐观锁定的用例。因此，作为“乐观锁定用于不期望有太多冲突的情况”的替代说法，它也可以用于您期望有冲突但只希望一个事务成功的情况。

假设在一个电子商务应用程序中，用户想要下订单。这段代码将由多个线程执行。在悲观锁定中，当我们从DB中获得数据时，我们锁定它，这样其他线程就不能修改它了。我们处理数据，更新数据，然后提交数据。之后，我们释放锁。这里的锁定持续时间较长，我们从数据库记录开始锁定到提交。

In optimistic locking, we get the data and process the data without locking. So multiple threads can execute the code so far concurrently. This will speed up. While we update, we lock the data. We have to verify that no other thread updated that record. For example, If we had 100 items in inventory and we have to update it to 99 (because your code might be quantity=queantity-1) but if another thread already used 1 it should be 98. We had race condition here. In this case, we restart the thread so we execute the same code from the beginning. But this is an expensive operation, you already came to end but then restart. if we had a few race conditions, that would not be a big deal, If the race condition was high, there would be a lot of threads to restart. We might run in a loop. In the race condition is high, we should be using `pessimistic locking

更实际的一点是，在更新分布式系统时，DB中的乐观锁定可能不足以在分布式系统的所有部分之间提供所需的一致性。

例如，在AWS上构建的应用程序中，数据通常同时存在于DB(例如DynamoDB)和存储(例如S3)中。如果一个更新同时涉及DynamoDB和S3, DynamoDB中的乐观锁定仍然可能使S3中的数据不一致。在这种情况下，使用在DynamoDB中持有的悲观锁可能更安全，直到S3更新完成。事实上，AWS为此目的提供了一个锁定库。

乐观锁定用于不期望发生太多冲突的情况。进行正常操作的成本较低，但如果碰撞确实发生，您将支付更高的代价来解决它，因为交易被中止。

悲观锁定在预期发生碰撞时使用。会违反同步的事务被简单地阻塞。

为了选择合适的锁定机制，您必须估计读取和写入的量并相应地进行计划。