为了保证数据的一致完整性，任何一个数据库都存在锁定机制。
1）Mongo锁机制
读写锁
读写锁是一种特殊的自旋锁，它适合于读次数比写次数大的多的情况。读写锁有三种状态：读模式加锁，写模式加锁，不加锁。
1.写模式加锁，在这个锁被解索之前所有企图对它加锁的线程都将要阻塞。
2.读模式加锁，在这个锁被解索之前所有企图以读模式对它加锁的线程都可以获得访问权；以写模式加锁的线程将堵塞，并且堵塞随后的读模式加锁。这样可以避免读模式锁长期占用，导致等待的写模式锁请求一直得不到满足。
Mongo的读写锁
MongoDB的锁机制（读写锁）和一般关系数据库如 MySQL（InnoDB）有很大的差异，InnoDB 能提供行级粒度锁，而 MongoDB 只能提供库级粒度锁，这意味着当 MongoDB 一个写锁处于占用状态时，其它的读写操作都得干等。初看起来库级锁在大并发环境下有严重的问题，但是 MongoDB 依然能够保持大并发量和高性能，这是因为 MongoDB 的锁粒度虽然很粗放，但是在锁处理机制和关系数据库锁有很大差异，主要表现在：
MongoDB 没有完整事务支持，操作原子性只到单个 document 级别，所以通常操作粒度比较小；
MongoDB 锁实际占用时间是内存数据计算和变更时间，通常很快；
MongoDB 锁有一种临时放弃机制，当出现需要等待慢速 IO 读写数据时，可以先临时放弃，等 IO 完成之后再重新获取锁。
2) Mysql锁机制
MySQL的锁定机制：行级锁定（只有InnoDB支持），表级锁定
只有在数据库实现资源锁定的过程中，随着锁定资源颗粒度的减小，锁定相同数据量的数据所需要消耗的内存数量是越来越多的，实现算法也会越来越复杂。不过，随着锁定资源颗粒度的减小，应用程序的访问请求遇到锁等待的可能性也会随之降低，系统整体并发度也随之提升。
3）乐观锁 VS 悲观锁
悲观锁，正如其名，它指的是对数据被外界修改持保守态度，因此，在整个数据处理过程中，将数据处于锁定状态。悲观锁的实现，往往依靠数据库提供的锁机制（也只有数据库层提供的锁机制才能真正保证数据访问的排他性，否则，即使在本系统中实现了加锁机制，也无法保证外部系统不会修改数据）。
相对悲观锁而言，乐观锁机制采取了更加宽松的加锁机制。悲观锁大多数情况下依靠数据库的锁机制实现，以保证操作最大程度的独占性。但随之而来的就是数据库性能的大量开销，特别是对长事务而言，这样的开销往往无法承受。而乐观锁机制在一定程度上解决了这个问题。乐观锁，大多是基于数据版本（ Version 或时间戳）记录机制实现。何谓数据版本？即为数据增加一个版本标识，在基于数据库表的版本解决方案中，一般是通过为数据库表增加一个 “version” 字段来实现。读取出数据时，将此版本号一同读出，之后更新时，对此版本号加一。此时，将提交数据的版本数据与数据库表对应记录的当前版本信息进行比对，如果提交的数据版本号大于数据库表当前版本号，则予以更新，否则认为是过期数据。
