当多个用户同时更新同一数据的时候，由于更新可能导致数据的不一致性，使得程序的业务数据发生错误，这种情况可以称之为并发。在ADO
10年积累的成都网站建设、做网站经验，可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你，你也不认识我。但先网站设计后付款的网站建设流程，更有元宝山免费网站建设让你可以放心的选择与我们合作。
.NET中，并发的处理可以通过三种方式来控制：保守式并发控制、开发式并发控制以及最后更新生效方式。
—
保守式并发控制：数据从数据库取出之后，一直处于锁定的状态，其他用户不能获取该数据，直至数据更新完毕之后，用户才能取出该数据进行操作。此种控制方式对于性能和资源占用得很多，由于只能同时有一个用户对数据享用操作权，所以可能会在正常业务中，影响其他用户的处理进程。但此控制方式可以完全保证数据的完整性。该方式可以通过.NET提供的事务机制来实现，前提是数据源需要支持事务。
—
开发式并发控制：数据在更新之前都是可以被其他用户使用的，只有在更新的时候，才锁定记录。但更新的时候，会比对与查询之初的数据是否吻合，如果不一致，则不运行修改。此种控制方式也可以完全保证数据的完整性，其优点是不会占用其他用户访问该数据的权限，其缺点是由于其他用户可能已经更新了这些数据，导致本次更新可能不会完成。对于此种控制方式，多以开发人员通过程序本身的业务逻辑来实现。
—
最后更新生效方式：此种方式同上，只有在数据更新的时候，其他用户才不可使用，但更新的时候不检查是否与开始数据一致，而直接对其更新。此种方式对于更新的并发性有很大的支持，但缺点是可能引发前后数据的不一致。此种方式适合可以满足此需求的业务场景使用。
注意：数据库的并发处理并不是一成不变的，不同的业务场景对数据库的并发要求是不一样的，可以根据具体情况具体分析
其实关于多用户并发操纵的控制你没必要刻意去做，因为SQL Server数据库本身就有种锁机制（lock），专门用来控制数据并发的，在一个插入或更新进程没有操作完之前，其他用户是不能对这个表进行写入或更新操作的。
只要你那个 主键 是自增长的，不是 自己产生的，问题应该就不大。
否则，一旦发生2个用户，由于自己产生的主键相同了，在同一时刻插入相同主键的数据， 后插入的，可能不会马上返回错误， 要卡住，等前面的用户提交数据以后， 才回报 主键重复的错误。
如果主键是自增的话，基本上就不会发生上面的问题。因为30个用户，各插入一行数据，这30个用户，在没有提交事务以前，都仅仅各自锁定自己这一行的数据，对其他的用户没有太大的影响。
凡是大型的系统，必然要分库，也就是根据逻辑进行数据拆分。比如用户的数据，你可以根据用户所在的省份划分，一个省份一个数据库，只有这样才能真正的保证大数量的并发。
另外要有效的利用读写分离，读写分离用sql server 2012的话可以直接用always on，一个用来写，若干用来读。数据库自身会保证数据的一致性的，这样就不会出现查备份库数据还没同步过来的问题了。
sqlserver
本身通过不同等级的锁处理并发控制。
有记录锁、页锁、表锁。
如果多个用户同时操作一个记录，只有第一个能修改，后面的修改时处理等等状态。
但是在一般程序界面上，多个人同时打开了同一个记录要进行修改，数据库往往是保存最后一个修改的数据。可以在保存前做验证，如果发现打开的数据已改变（界面和数据库一不致了），则提示数据已改变，重新获取新数据，然后才能修改和保存。
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）。
参考资料:网页链接
