Fan-In, Race Condition, Pessimistic Lock

March 22, 2026

TL;DR

Fan-In, Race Condition, Pessimistic Lock의 핵심 개념을 빠르게 파악할 수 있다.
배경과 이유를 통해 왜 이 주제가 필요한지 맥락을 이해할 수 있다.
실무에서 바로 참고할 수 있도록 주요 포인트를 구조화해 정리했다.

1. 개념

여러 갈래로 나뉘었던 비동기 작업이 하나로 합쳐지는 지점을 말한다.

2. 배경

해당 주제가 필요한 실무 맥락과 기존 접근의 한계를 함께 이해해야 올바른 설계 판단이 가능하다.

3. 이유

문제 재발을 줄이고 운영 안정성을 높이기 위해 개념뿐 아니라 적용 기준과 트레이드오프를 명확히 정리할 필요가 있다.

4. 특징

핵심 용어, 동작 흐름, 구현 포인트, 주의사항을 한 문서에 묶어 빠르게 참고할 수 있다.

5. 상세 내용

Fan-In, Race Condition, Pessimistic Lock

관련 이슈: cck-eng/cck#1673 - Dashboard OCR 항목이 terminal 전이 누락 시 계속 처리중으로 보이는 문제

Fan-In (팬인)

개념

여러 갈래로 나뉘었던 비동기 작업이 하나로 합쳐지는 지점을 말한다. 반대로 하나가 여러 개로 퍼지는 건 Fan-out이라 한다.

Fan-out (1 → N)              Fan-in (N → 1)

    ┌─→ Document A OCR ──┐
    │                     │
Pipeline ─┼─→ Document B OCR ──┼─→ "전부 끝났나?" → 다음 Step
    │                     │
    └─→ Document C OCR ──┘

klpark 코드에서의 Fan-In

파이프라인이 여러 문서의 OCR를 동시에 요청하고, 모든 문서의 OCR가 끝나야 다음 단계로 넘어간다.

PipelineOcrListener.kt:95-109 이 fan-in 지점이다:

// "이 파이프라인에서 아직 COMPLETED 안 된 문서가 몇 개 남았지?"
val pendingCount = ocrTrackingRepository.countByPipelineIdAndOcrStatusNot(
    tracking.pipelineId,
    OcrStatus.COMPLETED
)

// 남은 게 0이면 → 전부 끝남 → 다음 단계로!
if (pendingCount == 0L) {
    step.markDone()
    pipelineOrchestrator.onStepCompleted(...)
}

동작 흐름

[t1] Document A OCR 완료 → 이벤트 발행
     → pendingCount = 2 (B, C 아직 처리중)
     → "아직 남았으니 대기"

[t2] Document C OCR 완료 → 이벤트 발행
     → pendingCount = 1 (B 아직 처리중)
     → "아직 남았으니 대기"

[t3] Document B OCR 완료 → 이벤트 발행
     → pendingCount = 0 ← Fan-In 지점!
     → "전부 끝남! 다음 단계 진행!"

마지막으로 완료된 문서의 이벤트 핸들러가 “모두 끝났다”를 감지하고 다음 단계를 트리거하는 구조다.

Race Condition (경쟁 조건)

개념

두 개 이상의 스레드가 거의 동시에 같은 데이터를 읽고 쓸 때, 타이밍에 따라 결과가 달라지는 문제.

Fan-In에서의 Race Condition 시나리오

Document B와 C의 OCR가 거의 동시에 완료되는 경우:

Thread-1 (Doc B 완료)              Thread-2 (Doc C 완료)
━━━━━━━━━━━━━━━━━━━               ━━━━━━━━━━━━━━━━━━━

① tracking.ocrStatus = COMPLETED
② save(tracking)  ← B를 COMPLETED로 저장
                                   ③ tracking.ocrStatus = COMPLETED
                                   ④ save(tracking)  ← C를 COMPLETED로 저장

⑤ pendingCount 조회                ⑥ pendingCount 조회
   → 1 (C가 아직 안 보임!)            → 1 (B가 아직 안 보임!)

⑦ "아직 남았네, 대기"               ⑧ "아직 남았네, 대기"

결과: 둘 다 "남은 게 있다"고 판단
→ 아무도 다음 단계를 트리거 안 함
→ 파이프라인이 영원히 RUNNING (= stuck)

save와 count 사이에 다른 트랜잭션이 끼어들 수 있기 때문이다. @Transactional이 걸려 있어도 기본 격리 수준(READ_COMMITTED)에서는 다른 트랜잭션이 커밋하기 전 데이터를 읽을 수 있다.

Pessimistic Lock (비관적 잠금)

개념

낙관적(Optimistic): “충돌은 거의 안 나겠지” → 일단 작업하고, 저장할 때 충돌이면 재시도 비관적(Pessimistic): “충돌이 날 수 있으니 미리 잠그자” → 먼저 잠금을 획득하고 나서 작업

비유:

낙관적: 화장실 문 안 잠그고 들어감 → 누가 열면 “앗 사용중!” → 다시 시도
비관적: 문을 잠그고 들어감 → 다른 사람은 열릴 때까지 대기

DB에서의 Pessimistic Lock

-- 비관적 잠금: 이 행을 읽는 동안 다른 트랜잭션이 수정 못하게 잠금
SELECT * FROM pipeline_ocr_tracking
WHERE pipeline_id = 123
FOR UPDATE;   -- 이게 비관적 잠금

FOR UPDATE를 걸면:

행을 읽음과 동시에 행 잠금을 획득
다른 트랜잭션이 같은 행을 FOR UPDATE로 읽으려 하면 대기
현재 트랜잭션이 커밋/롤백하면 잠금 해제 → 대기 중이던 트랜잭션이 진행

적용 시 동작

Thread-1 (Doc B 완료)              Thread-2 (Doc C 완료)
━━━━━━━━━━━━━━━━━━━               ━━━━━━━━━━━━━━━━━━━

① tracking 행들 FOR UPDATE 잠금 획득
                                   ② 같은 행 잠금 시도 → 대기!
③ B를 COMPLETED로 저장
④ pendingCount = 1 (C 아직)
⑤ "아직 남았네, 대기"
⑥ 트랜잭션 커밋 → 잠금 해제
                                   ⑦ 잠금 획득! (이제 B의 변경 보임)
                                   ⑧ C를 COMPLETED로 저장
                                   ⑨ pendingCount = 0
                                   ⑩ "전부 끝남! 다음 단계 진행!"

두 트랜잭션이 순차 실행되므로, 정확히 마지막 문서를 처리하는 트랜잭션이 pendingCount == 0을 감지한다.

JPA/Spring 구현 예시

// Repository에 비관적 잠금 쿼리 추가
@Lock(LockModeType.PESSIMISTIC_WRITE)
@Query("SELECT t FROM PipelineOcrTracking t WHERE t.pipelineId = :pipelineId")
fun findByPipelineIdForUpdate(pipelineId: Long): List<PipelineOcrTracking>

정리

개념	한 줄 요약
Fan-In	여러 비동기 작업이 모두 끝났는지 확인하는 합류 지점
Race Condition	두 스레드가 동시에 fan-in 체크를 해서 둘 다 “아직 남음”으로 판단하는 문제
Pessimistic Lock	DB 행을 미리 잠가서 동시 접근을 순차화하여 race condition 방지

용어 사전 (Terminology Dictionary)

용어	풀네임/어원	유래
Fan-In	전자공학 logic gate 입력 수	1960년대 TTL/CMOS 회로 설계에서 유래. 부채(fan)가 접히는 모양에서 비유. 소프트웨어에는 Tony Hoare의 CSP(1978) → Rob Pike의 Go Concurrency Patterns(2012)를 거쳐 정착
Fan-Out	전자공학 logic gate 출력 수	Fan-In의 반대. 하나의 출력이 여러 입력으로 퍼지는 모양
Race Condition	경쟁 조건	1954년 David Huffman의 논문 “The Synthesis of Sequential Switching Circuits”에서 최초 사용. 비동기 순차 논리 회로에서 두 신호가 경마(race)처럼 먼저 도착하려고 경쟁하는 상황에서 유래
Pessimistic Lock	비관적 잠금	1976년 Eswaran, Gray et al.의 2PL 이론이 원형. “충돌이 날 것”이라고 비관적으로 가정하고 미리 잠금. “Pessimistic”이라는 명칭은 1981년 Kung-Robinson의 Optimistic CC 논문 이후 대비 용어로 정착
Optimistic Lock	낙관적 잠금	1981년 H.T. Kung & John Robinson의 논문 “On Optimistic Methods for Concurrency Control”에서 명명. “충돌이 드물 것”이라고 낙관적으로 가정
2PL	Two-Phase Locking	Growing Phase(잠금 획득)와 Shrinking Phase(잠금 해제) 두 단계로 구성. Serializability 보장의 수학적 기반
FOR UPDATE	SQL 행 잠금 구문	SQL-92 표준에서 DECLARE CURSOR 옵션으로 공식화. Oracle, IBM DB2가 초기부터 지원. PostgreSQL이 일반 SELECT에서도 사용 가능하도록 확장
MVCC	Multi-Version Concurrency Control	1978년 David Reed의 MIT 박사 논문에서 최초 제안. 데이터의 여러 버전을 유지하여 읽기-쓰기 충돌 제거
CSP	Communicating Sequential Processes	1978년 Tony Hoare 발표. Go 언어의 goroutine + channel 모델의 직접적 이론 기반
ACID	Atomicity, Consistency, Isolation, Durability	Jim Gray가 1981년 “The Transaction Concept” 논문에서 정립. 1998년 Turing Award 수상
SSI	Serializable Snapshot Isolation	PostgreSQL 9.1(2011)에서 도입. 잠금 없이 직렬화 가능성을 보장하는 방식

학술적 기초 (Academic Foundation)

핵심 논문들

Eswaran, Gray, Lorie, Traiger (1976)
- 논문: “The Notions of Consistency and Predicate Locks in a Database System”
- 게재: Communications of the ACM
- 의의: 2PL이 Serializability를 보장함을 수학적으로 증명. 현대 모든 RDBMS의 동시성 제어 기반.
Kung & Robinson (1981)
- 논문: “On Optimistic Methods for Concurrency Control”
- 게재: ACM Transactions on Database Systems (TODS)
- 의의: 잠금 없는 동시성 제어의 학술적 기원. Read → Validation → Write 3단계 모델 제안.
Jim Gray (1981)
- 논문: “The Transaction Concept: Virtues and Limitations”
- 게재: VLDB
- 의의: ACID 속성 정의. 트랜잭션의 공식적 정의 완성.
ANSI/ISO SQL-92 (1992)
- 의의: 4개 격리 수준 표준화 (READ UNCOMMITTED → READ COMMITTED → REPEATABLE READ → SERIALIZABLE).
Berenson, Bernstein, Gray et al. (1995)
- 논문: “A Critique of ANSI SQL Isolation Levels”
- 게재: ACM SIGMOD
- 의의: SQL-92 격리 수준 정의의 모호성과 불완전성 증명. Snapshot Isolation 최초 공식 정의. Write Skew 등 새로운 이상 현상 발견.
Tony Hoare (1978)
- 논문: “Communicating Sequential Processes”
- 게재: Communications of the ACM
- 의의: 채널 기반 동시성 모델 정립. Go 언어의 직접적 이론 기반.
David Reed (1978)
- 논문: MIT 박사 논문
- 의의: MVCC 개념 최초 제안.

연대표 (Evolution Timeline)

1954  David Huffman, Race Condition 용어 최초 사용
      └─ 논문: "The Synthesis of Sequential Switching Circuits"

1960s 전자공학 Fan-In/Fan-Out 개념 정립 (TTL/CMOS)
      └─ Logic gate 입출력 수의 물리적 제약

1965  Dijkstra, 세마포어(Semaphore) 발명
      └─ 소프트웨어 동시성 제어의 시작

1970  Codd, 관계형 모델 제안

1974  IBM System R 프로젝트 시작 (SQL의 전신)

1976  Eswaran & Gray, 2PL(Two-Phase Locking) 이론 정립
      └─ Pessimistic Locking의 수학적 기반

1978  Tony Hoare, CSP 발표 → Fan-In 패턴의 이론적 기원
      David Reed, MVCC 개념 최초 제안 (MIT 박사 논문)

1979  Oracle, 최초 상용 RDBMS 출시 (FOR UPDATE 초기 지원)

1981  Kung & Robinson, Optimistic CC 논문 발표
      Jim Gray, ACID 속성 정의
      └─ "Pessimistic" vs "Optimistic" 용어 쌍 정착

1984  VAX Rdb/ELN — 최초 상용 MVCC 데이터베이스 (DEC)

1992  ANSI SQL-92 — 4개 격리 수준 표준화

1995  Berenson et al., SQL 격리 수준 비판 + Snapshot Isolation 정의

1999  PostgreSQL MVCC 구현 (Vadim Mikheev)

2006  Google Chubby — Paxos 기반 분산 잠금 서비스

2008  Apache ZooKeeper — 오픈소스 분산 코디네이션

2011  CRDTs 공식 정의 (Shapiro et al.)
      PostgreSQL 9.1 — SSI(Serializable Snapshot Isolation) 도입

2012  Rob Pike, Go Concurrency Patterns 강연
      └─ Fan-In/Fan-Out 소프트웨어 패턴 대중화
      Calvin — 결정론적 분산 트랜잭션

2013  PostgreSQL 9.3 — FOR NO KEY UPDATE, FOR KEY SHARE 도입
      Google Spanner — TrueTime API + 글로벌 외부 일관성

2014  Java 8 — CompletableFuture.allOf() (비동기 Fan-In)

2016  Martin Kleppmann, Redlock 알고리즘 비판

2020s 분산 SERIALIZABLE 기본값 트렌드 (CockroachDB, Spanner)
      하이브리드 동시성 제어 (MVCC + 분산 잠금 + Raft)

대안 비교표 (Alternatives Comparison)

Race Condition 해결 전략

전략	정확성	성능	구현 복잡도	Deadlock 위험	분산 지원	적합한 상황
Pessimistic Lock (FOR UPDATE)	★★★	★★	낮음	있음	단일 DB	높은 충돌률, 복잡한 비즈니스 로직
Optimistic Lock (version + retry)	★★★	★★★ (저충돌)	중간	없음	좋음	낮은 충돌률, 읽기 집약적
SERIALIZABLE 격리 수준	★★★	★	낮음	낮음(SSI)	단일 DB	최강 정합성, 코드 단순화
Atomic Counter (UPDATE count-1)	★★★	★★★	매우 낮음	없음	단일 DB	단순 증감 연산 (재고, 포인트)
Advisory Lock (pg_advisory_lock)	★★★	★★★	중간	낮음	단일 DB	논리적 리소스 잠금, 배경 작업
Redis 분산 Lock (SETNX)	★★	★★★	높음	없음	좋음	다중 서비스 간 동기화
Workflow Engine (Temporal)	★★★	★★	매우 높음	없음	매우 좋음	복잡한 장기 실행 프로세스

Fan-In 패턴 구현 대안

방식	동작 원리	지연	정확성	분산 지원
Event-driven callback (현재 방식)	각 Worker 완료 시 잔여 수 확인	즉시	Race Condition 위험 → Lock 필요	단일 DB
DB Atomic Counter + RETURNING	`UPDATE SET count = count - 1 RETURNING count`	즉시	높음 (원자적)	단일 DB
Polling (주기적 확인)	별도 프로세스가 DB를 주기적으로 확인	polling 간격만큼	높음	가능
CountDownLatch/Barrier	In-memory 동기화 프리미티브	즉시	높음	불가 (단일 JVM)
Message Queue + Aggregator	완료 메시지를 queue로 발행, Aggregator가 수집	중간	높음 (idempotency 필요)	좋음
Workflow Engine (Temporal)	코드 수준에서 Fan-In 배리어 표현	중간	매우 높음	매우 좋음

상황별 최적 선택 (Best Choice by Scenario)

의사결정 플로우차트

단일 DB인가?
├── YES
│   ├── 연산이 단순 증감인가?
│   │   └── YES → Atomic Counter (UPDATE SET count = count - 1)
│   ├── 충돌률이 낮은가? (<10%)
│   │   └── YES → Optimistic Lock (@Version + retry)
│   ├── 충돌률이 높은가? (>30%)
│   │   └── YES → Pessimistic Lock (SELECT FOR UPDATE)
│   └── 여러 테이블에 걸친 복잡한 로직?
│       └── YES → SERIALIZABLE 격리 수준 (PostgreSQL SSI)
└── NO (다중 서비스/DB)
    ├── 간단한 상호 배제?
    │   └── YES → Redis 분산 Lock (SETNX)
    ├── 이벤트 기반 아키텍처?
    │   └── YES → Event Sourcing + Optimistic Lock
    └── 복잡한 장기 실행 프로세스?
        └── YES → Temporal Workflow Engine

실전 사례 분석

시스템	전략	이유
좌석 예매 (항공, 콘서트)	Pessimistic Lock + SKIP LOCKED	인기 좌석에 대한 높은 동시 경쟁. SKIP LOCKED로 잠긴 좌석 건너뛰어 처리량 극대화
재고 차감 (이커머스)	Atomic Counter	`UPDATE stock = stock - qty WHERE stock >= qty`. Lock 없이도 DB 원자성으로 안전
결제 시스템 (Uber)	Event Sourcing + Version Ordering	MSA 환경에서 DB Lock은 서비스 경계를 넘을 수 없음. Version 기반 순서 직렬화
결제 중복 방지 (Stripe)	Idempotency Key	HTTP 헤더로 UUID 전달, 동일 키에 대해 한 번만 처리
파이프라인 Fan-In (현재 이슈)	Pessimistic Lock (FOR UPDATE)	여러 OCR 완료 이벤트가 동시 도착할 때 정확히 하나만 다음 단계 트리거

베스트 프랙티스 & 안티패턴

Pessimistic Lock 베스트 프랙티스

Lock 범위 최소화

-- 올바른 예: 특정 행만 잠금 (인덱스 사용)
SELECT * FROM pipeline_ocr_tracking
WHERE pipeline_id = 123
FOR UPDATE;

-- 잘못된 예: WHERE 절 없이 전체 스캔 → Lock Escalation 위험
SELECT * FROM pipeline_ocr_tracking FOR UPDATE;

Lock Timeout 반드시 설정

-- PostgreSQL: 세션 단위
SET lock_timeout = '5s';

-- MySQL InnoDB
SET innodb_lock_wait_timeout = 5;

JPA/Spring에서:

@Lock(LockModeType.PESSIMISTIC_WRITE)
@QueryHints(QueryHint(name = "jakarta.persistence.lock.timeout", value = "5000"))
@Query("SELECT t FROM PipelineOcrTracking t WHERE t.pipelineId = :pipelineId")
fun findByPipelineIdForUpdate(pipelineId: Long): List<PipelineOcrTracking>

Lock Ordering으로 데드락 방지

-- 항상 동일한 순서로 잠금 획득 (예: ID 오름차순)
SELECT * FROM accounts WHERE id IN (50, 75, 100) ORDER BY id ASC FOR UPDATE;

데드락 원인:

Thread-1: Row A 잠금 → Row B 대기
Thread-2: Row B 잠금 → Row A 대기
→ 순환 대기 = 데드락!

해결: 항상 같은 순서(예: ID 오름차순)로 잠금을 획득하면 순환이 발생하지 않는다.

주요 안티패턴

Long Transaction + Pessimistic Lock

// 위험: Lock을 보유한 채로 외부 API 호출
@Transactional
fun processOcr(trackingId: Long) {
    val tracking = repository.findByIdForUpdate(trackingId)  // 잠금 획득
    externalOcrService.callApi(tracking)  // 수초 소요 → 다른 트랜잭션 블로킹!
    tracking.markCompleted()
}

해결: 외부 I/O는 트랜잭션 밖에서 처리하고, Lock 보유 시간을 최소화한다.

@Transactional(REQUIRES_NEW) + Connection Pool 데드락

Thread 1: Connection #1 획득 → REQUIRES_NEW로 Connection #2 요청 → Pool 대기
Thread 2: Connection #1 획득 → REQUIRES_NEW로 Connection #2 요청 → Pool 대기
...
→ 모든 Connection이 점유된 채 새 Connection을 기다림 → 애플리케이션 레벨 데드락

해결: @TransactionalEventListener(phase = AFTER_COMMIT) + @Async로 분리.

N+1 Lock 문제

// 위험: 루프 안에서 개별 lock 획득 → N번의 SELECT FOR UPDATE
for (id in trackingIds) {
    repository.findByIdForUpdate(id)  // N번 실행!
}

// 올바른 예: IN 절로 한 번에 잠금
@Lock(LockModeType.PESSIMISTIC_WRITE)
@Query("SELECT t FROM PipelineOcrTracking t WHERE t.id IN :ids ORDER BY t.id")
fun findAllByIdsForUpdate(ids: List<Long>): List<PipelineOcrTracking>

Fan-In 패턴 주의점

Exactly-Once는 At-Least-Once + Idempotency

분산 시스템에서 진정한 Exactly-Once 전달은 불가능하다. 실용적인 방법:

-- Idempotency Key로 중복 처리 방지
INSERT INTO processed_events (event_id, processed_at)
VALUES ($1, NOW())
ON CONFLICT (event_id) DO NOTHING;
-- 삽입 성공한 경우에만 비즈니스 로직 실행

Timeout 처리 필수

일부 OCR 작업이 영원히 완료되지 않을 수 있다. 반드시:

작업별 timeout 설정 (예: 5분)
timeout 초과 시 FAILED 상태로 전이
Dead Letter Queue 연동으로 재처리 가능하도록 설계
모니터링/알림 설정 (stuck 파이프라인 감지)

현재 코드의 Atomic Counter 대안

현재 코드는 Pessimistic Lock으로 해결했지만, UPDATE ... RETURNING 패턴으로도 해결 가능하다:

-- Atomic Counter 방식 (PostgreSQL)
UPDATE pipeline_ocr_tracking
SET ocr_status = 'COMPLETED'
WHERE id = :trackingId;

-- 남은 수를 원자적으로 조회
WITH remaining AS (
    SELECT COUNT(*) as cnt
    FROM pipeline_ocr_tracking
    WHERE pipeline_id = :pipelineId
      AND ocr_status != 'COMPLETED'
)
SELECT cnt FROM remaining;

그러나 현재 코드의 Pessimistic Lock 방식이 더 명확하고 안전하다:

모든 tracking 행을 한 번에 잠그므로 일관된 상태를 보장
비즈니스 로직이 복잡해져도 확장 가능
코드의 의도가 명확 (“이 행들을 잠그고 확인한다”)

MVCC와 Pessimistic Lock의 관계

PostgreSQL MVCC 동작 원리

PostgreSQL은 row의 여러 버전을 테이블 heap에 물리적으로 저장한다:

┌─────────────────────────────────────────────────┐
│  Tuple Header                                    │
│  ┌──────┐  ┌──────┐  ┌──────────┐               │
│  │ xmin │  │ xmax │  │ infomask │               │
│  │ =100 │  │ =0   │  │          │               │
│  └──────┘  └──────┘  └──────────┘               │
│                                                   │
│  xmin: 이 row를 생성한 트랜잭션 ID                  │
│  xmax: 이 row를 삭제/잠근 트랜잭션 ID (0=활성)      │
│  infomask: 잠금 상태 비트 플래그                    │
└─────────────────────────────────────────────────┘

FOR UPDATE와 MVCC의 통합

SELECT FOR UPDATE 실행 시:
① xmax에 현재 트랜잭션 XID 기록
② infomask에 HEAP_XMAX_EXCL_LOCK 플래그 설정

다른 트랜잭션이 같은 row에 접근할 때:
③ xmax 확인 → lock bit 감지 → 대기
④ 일반 SELECT (non-locking)는 MVCC 스냅샷으로 과거 버전 읽기 가능

핵심 원칙:
- 읽기는 쓰기를 차단하지 않는다 (MVCC)
- 쓰기는 읽기를 차단하지 않는다 (MVCC)
- 쓰기는 쓰기를 차단한다 (Pessimistic Lock)

MySQL InnoDB와의 차이

항목	PostgreSQL	MySQL InnoDB
이전 버전 저장	테이블 heap 내 (Dead Tuple)	별도 Undo Log
정리 방식	VACUUM 프로세스	Purge Thread (자동)
기본 격리 수준	READ COMMITTED	REPEATABLE READ
Phantom Read 방지	SERIALIZABLE에서만	REPEATABLE READ에서도 (Next-Key Lock)
Lock 세분화	FOR UPDATE / FOR NO KEY UPDATE / FOR SHARE / FOR KEY SHARE	FOR UPDATE / FOR SHARE

격리 수준과 Race Condition

현재 코드에서 Race Condition이 발생하는 이유:

기본 격리 수준: READ COMMITTED

Thread-1 (Doc B 완료)              Thread-2 (Doc C 완료)
━━━━━━━━━━━━━━━━━━━               ━━━━━━━━━━━━━━━━━━━
    @Transactional 시작                @Transactional 시작
         │                                  │
    ① B를 COMPLETED로 저장             ② C를 COMPLETED로 저장
         │                                  │
    ③ pendingCount 조회                ④ pendingCount 조회
       → READ COMMITTED이므로              → READ COMMITTED이므로
         ②의 변경이 아직 보이지 않음          ①의 변경이 아직 보이지 않음
         pendingCount = 1                   pendingCount = 1
         │                                  │
    ⑤ "아직 남음" → 대기               ⑥ "아직 남음" → 대기
         │                                  │
    ⑦ 커밋                             ⑧ 커밋
         │                                  │
         └──────── 아무도 다음 단계를 트리거하지 않음 ────────┘

왜 SERIALIZABLE로는 해결하기 어려운가:

SERIALIZABLE은 serialization failure 시 트랜잭션을 abort하고 retry를 요구
이벤트 리스너 컨텍스트에서 자동 retry 구현이 복잡
Pessimistic Lock이 이 시나리오에서 더 명확하고 예측 가능한 해결책

References

학술 논문

Eswaran, Gray, Lorie, Traiger (1976) - “The Notions of Consistency and Predicate Locks in a Database System”, CACM
Kung & Robinson (1981) - “On Optimistic Methods for Concurrency Control”, ACM TODS
Jim Gray (1981) - “The Transaction Concept: Virtues and Limitations”, VLDB
Berenson, Bernstein, Gray et al. (1995) - “A Critique of ANSI SQL Isolation Levels”, ACM SIGMOD
David Huffman (1954) - “The Synthesis of Sequential Switching Circuits”, Journal of the Franklin Institute
Tony Hoare (1978) - “Communicating Sequential Processes”, CACM
David Reed (1978) - “Concurrency Control in Distributed Database Systems”, MIT PhD Thesis
Shapiro, Preguica et al. (2011) - “Conflict-free Replicated Data Types”, SSS

공식 문서

PostgreSQL Documentation: Explicit Locking - https://www.postgresql.org/docs/current/explicit-locking.html
PostgreSQL Documentation: Transaction Isolation - https://www.postgresql.org/docs/current/transaction-iso.html
MySQL 8.4: InnoDB Multi-Versioning - https://dev.mysql.com/doc/refman/8.4/en/innodb-multi-versioning.html
Redis: Distributed Locks - https://redis.io/docs/latest/develop/clients/patterns/distributed-locks/

블로그 & 실전 자료

Martin Kleppmann - “How to do distributed locking” (2016) - https://martin.kleppmann.com/2016/02/08/how-to-do-distributed-locking.html
Uber Engineering - “Money at Scale with Strong Data Consistency” - https://www.uber.com/blog/money-scale-strong-data/
Vlad Mihalcea - JPA Pessimistic/Optimistic Locking 시리즈 - https://vladmihalcea.com
Rob Pike - “Go Concurrency Patterns” (Google I/O 2012) - https://go.dev/talks/2012/concurrency.slide
Andy Pavlo (CMU) - “The Part of PostgreSQL We Hate the Most” - https://www.cs.cmu.edu/~pavlo/blog/2023/04/the-part-of-postgresql-we-hate-the-most.html
ByteByteGo - “Pessimistic vs Optimistic Locking” - https://bytebytego.com/guides/pessimistic-vs-optimistic-locking/

m1ser4ble

1. 개념

2. 배경

3. 이유

4. 특징

5. 상세 내용

Fan-In, Race Condition, Pessimistic Lock

Fan-In (팬인)

개념

klpark 코드에서의 Fan-In

동작 흐름

Race Condition (경쟁 조건)

개념

Fan-In에서의 Race Condition 시나리오

Pessimistic Lock (비관적 잠금)

개념

DB에서의 Pessimistic Lock

적용 시 동작

JPA/Spring 구현 예시

정리

용어 사전 (Terminology Dictionary)

학술적 기초 (Academic Foundation)

핵심 논문들

연대표 (Evolution Timeline)

대안 비교표 (Alternatives Comparison)

Race Condition 해결 전략

Fan-In 패턴 구현 대안

상황별 최적 선택 (Best Choice by Scenario)

의사결정 플로우차트

실전 사례 분석

베스트 프랙티스 & 안티패턴

Pessimistic Lock 베스트 프랙티스

Lock 범위 최소화

Lock Timeout 반드시 설정

Lock Ordering으로 데드락 방지

주요 안티패턴

Long Transaction + Pessimistic Lock

@Transactional(REQUIRES_NEW) + Connection Pool 데드락

N+1 Lock 문제

Fan-In 패턴 주의점

Exactly-Once는 At-Least-Once + Idempotency

Timeout 처리 필수

현재 코드의 Atomic Counter 대안

MVCC와 Pessimistic Lock의 관계

PostgreSQL MVCC 동작 원리

FOR UPDATE와 MVCC의 통합

MySQL InnoDB와의 차이

격리 수준과 Race Condition

References

학술 논문

공식 문서

블로그 & 실전 자료