随着互联网、大数据、人工智能的发展,现代企业级的应用不仅需要支持传统高并发的OLTP业务,往往还需求高效的实时数据分析,即处理联机事务型和分析型混合的负载(Hybrid Transactions and Analytics Processing,简称HTAP),典型的HTAP负载包含单点的读写请求和范围上的扫描请求。为了支持高并发的事务访问,许多现代应用使用了运行在多核、大内存的服务器上的内存数据库,以获得高吞吐和低延迟。尽管许多大数据系统为了提高并发,使用了快照读甚至读已提交的较低隔离级别,然而在某些金融级系统中仍然需要事务的可串行化调度,以确保关键业务的正确性。目前的大多内存数据库无法在可串行化的隔离级别下良好的支持HTAP请求,为了检测事务之间的冲突,并发控制策略在处理范围扫描请求上花费了较多的代价。因此,本文设计实现了一种高效可扩展的基于逻辑范围验证的乐观并发控制策略(ROCC),通过划分逻辑区间,在范围级别上进行事务验证,减少了事务验证的代价,在保证可串行化隔离级别的基础上提升了整体性能。在工程实现上,ROCC使用了一种优化的数据结构—无锁的循环数组—来高效的追踪修改每个逻辑分区内的事务、进行读写冲突检测以及回收事务内存。实验表明,在HTAP负载下,ROCC能够有效的减少验证代价,相比于其它方法拥有更好性能和可扩展性。此外,本文还介绍了将ROCC应用于一个开源分布式的系统CEDAR的具体实现方法。并通过实验证明了,使用了基于范围验证的CEDAR不仅可以实现可串行化的隔离级别,而且能够高效的支持HTAP负载。