并发访问时程序是怎么执行的

1. 什么叫并发执行（计算机）

一组在逻辑上互相独立的程序或程序段在执行过程中，其执行时间在客观上互相重叠，即一个程序段的执行尚未结束，另一个程序段的执行已经开始的这种执行方式。程序的并发执行可进一步分为两种，第一种是多道程序系统的程序执行环境变化所引起的多道程序的并发执行；第二种并发执行是在某道程序的几个程序段中，包含着一部分可以同时执行或顺序颠倒执行的代码。例如：read（a）；read（b）；它们既可以同时执行，也可以颠倒次序执行。也就是说，对于这样的语句，同时执行不会改变顺序程序所具有的逻辑性质。因此，可以采用并发执行来充分利用系统资源以提高计算机的处理能力。^[1]在大多数计算问题中，仅要求部分操作在时间上是有序的。有些操作必须在其他操作之后执行，另外有些操作却可以并行地执行。如图3.2所示，其先后次序是：I1先于P1和I2；P1先于O1、P2和I3；O1先于O2，P3……部分有序使某些操作的并行执行成为可能，如I2和P1，I3，P2与O1等操作的执行可以在时间上互相重叠。摘自：http://ke..com/link?url=_-8kBU013BsORSX3nybpSq

2. 如何处理大量数据并发操作

处理大量数据并发操作可以采用如下几种方法:

1.使用缓存：使用程序直接保存到内存中。或者使用缓存框架: 用一个特定的类型值来保存，以区别空数据和未缓存的两种状态。

2.数据库优化：表结构优化;SQL语句优化，语法优化和处理逻辑优化;分区;分表;索引优化;使用存储过程代替直接操作。

3.分离活跃数据:可以分为活跃用户和不活跃用户。

4.批量读取和延迟修改: 高并发情况可以将多个查询请求合并到一个。高并发且频繁修改的可以暂存缓存中。

5.读写分离: 数据库服务器配置多个，配置主从数据库。写用主数据库，读用从数据库。

6.分布式数据库: 将不同的表存放到不同的数据库中，然后再放到不同的服务器中。

7.NoSql和Hadoop: NoSql，not only SQL。没有关系型数据库那么多限制，比较灵活高效。Hadoop，将一个表中的数据分层多块，保存到多个节点（分布式）。每一块数据都有多个节点保存（集群）。集群可以并行处理相同的数据，还可以保证数据的完整性。

拓展资料:

大数据（big data），指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理。大数据的5V特点（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）。

3. 程序并发执行为什么会失去顺序执行时的封闭性和可再现性

因为程序在并发执行时，是多个程序共享系统中的各种资源，就像一扇门没上锁，很多人都进进出出一样，程序的运行，它用到的资源的状态可以被其他程序随意改变，程序也自然就失去了封闭性；由于失去了封闭性，程序经过多次执行后，其计算机结果已与并发程序的执行速度有关，从而使程序的执行失去了可再现性。例如：
有两个循环程序A和B，它们共享一个变量N。程序A每执行一次时，都要做N∶=N+1操作；程序B每执行一次时， 都要执行Print(N)操作，然后再将N置成“0”。程序A和B以不同的速度运行。
(1) N∶=N+1在Print(N)和N∶=0之前，此时得到的N值分别为N +1, N +1, 0。
(2) N∶=N+1在Print(N)和N∶=0之后，此时得到的N值分别为 N, 0, 1。
(3) N∶=N+1在Print(N)和N∶=0之间，此时得到的N值分别为N, N +1, 0。
换句话说，就是程序经过多次执行后，虽然它们执行时的环境与初始条件相同，但得到的结果却各不相同。希望能帮到你。