数据库 并发控制

news2024/10/7 16:19:07

多用户数据库系统:允许多个用户同时使用同一个数据库的数据库系统

交叉并发方式:在单处理机系统中,事务的并行执行实际上是这些并行事务的并行操作轮流交叉运行

同时并发方式:在多处理机系统中,每个处理机可以运行一个事务,多个处理机可以同时运行多个事务,实现多个事务真正的并行运行

并发控制机制是衡量一个数据库管理系统性能的重要标志之一

事务是并发控制的基本单位

并发控制的主要技术有封锁、时间戳、乐观控制法和多版本并发控制……

数据的不一致性

并发操作带来的数据不一致性包括丢失修改、不可重复读和读”脏“数据

丢失修改

两个事务 T1 和 T2 读入同一数据并修改,T2 提交的结果破坏了 T1 提交的结果,导致 T1 的修改被丢失

不可重复读

指事务 T1 读取数据后,事务 T2 执行更新数据,使 T1 无法再现前一次读取结果

一个事务先后两次读数据

具体情况

  1. 事务 T1 读取某一数据后,事务 T2 对其进行了修改,当事务 T1 再次读该数据时,得到与前一次不同的值
  2. 事务 T1 按一定条件从数据库中读取了某些数据记录后,事务 T2 删除了其中部分记录,当 T1 再次按相同条件读取数据时,发现某些记录神秘地消失了
  3. 事务 T1 按一定条件从数据库中读取某些数据记录后,事务 T2 插入了一些记录,当 T1 再次按相同条件读取数据时,发现多了一些记录

2、3 有时称为幻影现象

读“脏”数据

指事务 T1 修改某一数据并将其写回磁盘,事务 T2 读取同一数据后,T1 由于某种原因被撤销,这时被 T1 修改过地数据恢复原值,T2 读到的数据与数据库中的数据不一致,则 T2 读到的数据为“脏”数据,即不正确的数据

产生上述三类数据不一致性的主要原因是并发操作破坏了事务的隔离性

并发控制机制是用正确的方式调度并发操作,使一个用户事务的执行不受其他事务的干扰,从而避免造成数据的不一致性

封锁

封锁是实现并发控制的一个非常重要的技术

封锁是事务 T 在对某个数据对象操作之前,先向系统发出请求,对其加锁。加锁后事务 T 对该数据对象有了一定的控制,在事务 T 释放它的锁之前,其他事务不能更新此项数据对象

确切的控制由封锁的类型决定,基本的封锁类型有:排他锁(X 锁)和共享锁(S 锁)

封锁类型

  • 排他锁,又称写锁,X 锁,若事务 T 对数据对象 A 加上 X 锁,则只允许 T 读取和修改 A,其他任何事务不能再对 A 加任何类型的锁,直到 T 释放 A 上的锁为止,保证了其他事务在 T 释放 A 上的锁之前不能再读取和修改 A
  • 共享锁,又称读锁,S 锁,若事务 T 对数据对象 A 加上 S 锁,则事务 T 可以读 A 但不能修改 A,其他事务只能再对 A 加 S 锁,而不能加 X 锁,直到 T 释放 A 上的 S 锁为止,保证了其他事务可以读 A,但在 T 释放 A 上的 S 锁之前不能对 A 做任何修改

封锁协议

一级封锁协议

内容:事务 T 在修改数据 R 之前必须对其加 X 锁,直到事务结束才释放

作用:防止丢失修改,保证事务 T 是可恢复的

二级封锁协议

内容:在一级封锁协议基础上增加,事务 T 在读取数据 R 之前必须先对其加 S 锁,读完后即可释放 S 锁

作用:防止丢失修改、防止读“脏”数据

三级封锁协议

内容:在一级封锁协议的基础上增加,事务 T 在读取数据 R 之前必须先对其家 S 锁,直到事务结束才释放

作用:防止丢失修改、防止读“脏”数据、防止不可重复读

三级协议的区别

三级协议的主要区别在于什么操作需要申请封锁,何时释放锁(即持锁时间)

封锁协议的级别越高,一致性程度越高

活锁

一直等待解锁

解决方法

避免活锁的简单方法是采用先来先服务的策略

死锁

相互等待对方解锁

解决方法

  1. 采取一定措施预防死锁的发生
  2. 允许发生死锁,采用一定手段定期诊断系统中有无死锁,若有则解除之
死锁预防
一次封锁法

实施:要求每个事务必须一次将所有要使用的数据全部加锁,否则就不能继续执行

存在的问题:

  • 一次将以后要用到的全部数据加锁,扩大封锁的范围,降低系统的并发度
  • 数据库中数据不断变化,原来不要求封锁的数据在执行过程中可能变成封锁对象,很难事先精确地确定每个事务所要封锁地数据对象,故只能扩大封锁范围,将事务在执行过程中可能要封锁地数据对象全部加锁,进一步降低并发度
顺序封锁法

实施:预先对数据对象规定一个封锁顺序,所有事务都按这个顺序实施封锁

存在的问题:

  • 数据库系统中封锁的数据对象极多,且随数据的插入、删除等操作不断变化,维护这样的资源封锁顺序非常困难,成本很高
  • 事务的封锁请求可以随着事务的执行而动态决定,很难事先确定每一个事务要封锁哪些对象,很难按规定的顺序施加封锁
死锁的诊断与解除

数据库系统中,诊断死锁的方法和操作系统类似,一般使用超时法或事务等待图法

死锁的诊断
超时法

实施:如果一个事务的等待时间超过了规定的时限,就认为发生了死锁

存在的问题:

  • 有可能误判死锁
  • 时限若设置太长,死锁发生后不能及时发生
等待图法

由事务等待图可知,死锁的情况可以多种多样

死锁的解除

两段锁协议

遵守两段锁协议的一定是一个可串行化调度

不遵守两段锁协议的可能是可串行化调度,也可能不是

内容

所有事务必须分两个阶段对数据项加锁和解锁

  • 在对任何数据进行读、写操作之前,首先要申请并获得对该数据的封锁
  • 在释放一个封锁之后,事务不再申请和获得其他封锁

含义

事务分为两个阶段,第一阶段是获得封锁,也称为扩展阶段,在这个阶段,事务可以申请获得任何数据项上的任何类型的锁,但不能释放任何锁;第二阶段是释放锁,也称为收缩阶段,在这个阶段,事务可以释放任何数据项上的任何类型的锁,但不能再申请任何锁

事务遵守两段锁协议是可串行化调度的充分条件,而不是必要条件

封锁的粒度

定义:封锁对象的大小

封锁对象:

  • 逻辑单元:属性值、属性值的集合、元组、关系、索引项、整个索引直至整个数据库
  • 物理单元:页(数据页或索引页)、物理记录……

封锁粒度与系统的并发度和并发控制的开销密切相关

封锁的粒度越大,数据库所能够封锁的数据单元就少,并发度就越小,系统开销越小;反之,封锁的粒度越小,并发度较高,系统开销越大

多粒度封锁:在一个系统中同时支持多种封锁粒度供不同的事务选择

选择封锁粒度时应同时考虑封锁开销和并发度两个因素,适当选择封锁粒度以求得最优的效果

多粒度封锁

定义多粒度树

多粒度树的根结点是整个数据库,表示最大的数据粒度,叶结点表示最小的数据粒度

多粒度封锁协议

内容:允许多粒度树中的每个结点被独立地加锁,对一个结点加锁意味着这个结点的所有后裔结点也被加以同样类型的锁

多粒度封锁中一个数据对象可能以两种方式封锁,显式封锁和隐式封锁

  • 显式封锁:应事务的要求直接加到数据对象上的锁
  • 隐式封锁:该数据对象没有被独立加锁,是由于其上级结点加锁而使该数据对象加上了锁

多粒度封锁方法中,显式封锁和隐式封锁的效果一样,系统检查封锁冲突时不仅要检查显式加锁还要检查隐式封锁

对某个数据对象加锁,系统要检查该数据对象上有无显式封锁与之冲突;再检查其所有上级结点,看本事务的显式封锁是否与该数据对象上的隐式封锁(由于上级结点已加的封锁造成的)冲突;还要检查其所有下级结点,看它们的显式封锁是否与本事务的隐式(将加到下级结点的封锁)封锁冲突

意向锁

作用:数据库管理系统不需要逐个检查下一级结点的显式锁

含义:如果对一个结点加意向锁,则说明该结点的下层结点正在被加锁;对任一结点加锁时,必须先对它的上层结点加意向锁

种类:意向共享锁(IS 锁),意向排他锁(IX 锁),共享意向排他锁(SIX 锁)

IS 锁

如果对一个数据对象加 IS 锁,表示它的后裔结点拟(意向)加 S 锁

IX 锁

如果对一个数据对象加 IX 锁,表示它的后裔结点拟(意向)加 X 锁

SIX 锁

如果对一个数据对象加 SIX 锁,表示对它加 S 锁,再加 IX 锁,即 SIX=S+IX

例子:对某个表加 SIX 锁,则表示该事务要读整个表(故对该表加 S 锁),同时会更新个别元组(故对该表加 IX 锁)

具有意向锁的多粒度封锁方法提高了系统的并发度,减少了加锁和解锁的开销

并发调度的可串行性

可串行化调度

定义:多个事务的并发执行是正确的,当且仅当其结果与按某一次序串行地执行这些事务时的结果相同

可串行性是并发事务正确调度的准则

冲突可串行化调度

冲突操作:指不同的事务对同一个数,据的读写操作和写写操作

不同事务的冲突操作和同一事务的两个操作是不能交换的

定义:一个调度 Sc 在保证冲突操作的次序不变的情况下,通过交换两个事务不冲突操作的次序得到另外一个调度 Sc' ,如果 Sc' 是串行的,称调度 Sc 为冲突可串行化的调度

若一个调度是冲突可串行化,则一定是可串行化的调度

冲突可串行化调度是可串行化调度的充分条件,不是必要条件

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1206097.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

手机厂商参与“百模大战”,vivo发布蓝心大模型

在2023 vivo开发者大会上,vivo发布自研通用大模型矩阵——蓝心大模型,其中包含十亿、百亿、千亿三个参数量级的5款自研大模型,其中,10亿量级模型是主要面向端侧场景打造的专业文本大模型,具备本地化的文本总结、摘要等…

PostgreSQL 机器学习插件 MADlib 安装与使用

MADlib 一个可以在数据库上运行的开源机器学习库,支持 PostgreSQL 和 Greenplum 等数据库;并提供了丰富的分析模型,包括回归分析,决策树,随机森林,贝叶斯分类,向量机,风险模型&#…

JVM如何运行,揭秘Java虚拟机运行时数据区

目录 一、概述 二、程序计数器 三、虚拟机栈 四、本地方法栈 五、本地方法接口 六、堆 (一)概述 (二)堆空间细分 七、方法区 一、概述 不同的JVM对于内存的划分方式和管理机制存在部分差异,后续针对HotSpot虚…

【教学类-17-03】20231105《世界杯随机参考图七巧板 3份一页》(大班)

效果展示: 单页效果 多页效果 预设样式: 背景需求: 2022年11月24日,大1班随机抽取的9位幼儿制作了9张拼图,发现以下三个问题: 1、粉红色辅助纸选择量多——9份作业有4位幼儿的七巧板人物是粉红色的 2、…

【2021集创赛】Risc-v杯三等奖:基于E203 ShuffleNet的图像识别SoC

本作品参与极术社区组织的有奖征集|秀出你的集创赛作品风采,免费电子产品等你拿~活动。 团队介绍 参赛单位:中国科学技术大学 队伍名称:Supernova 总决赛奖项:三等奖 1.项目简介 本设计以E203处理器为核心,添加协处理器、神经网…

高频SQL50题(基础题)-5

文章目录 主要内容一.SQL练习题1.602-好友申请:谁有最多的好友代码如下(示例): 2.585-2016年的投资代码如下(示例): 3.185-部门工资前三高的所有员工代码如下(示例): 4.1667-修复表中的名字代码…

设计模式之工厂模式 ( Factory Pattern )(1)

其他设计模式也会后续更新… 设计模式其实需要有一定开发经验才好理解,对代码有一定的设计要求,工作中融入才是最好的 工厂模式 ( Factory Pattern ) 工厂模式(Factory Pattern)提供了一种创建对象的最佳方式 工厂模式在创建对…

工业控制(ICS)学习笔记

目标:工业互联网安全的比赛 工控CTF之协议分析1——Modbus_ctf modbus-CSDN博客 常见的工控协议有:Modbus、MMS、IEC60870、MQTT、CoAP、COTP、IEC104、IEC61850、S7comm、OMRON等 不用看了,没太多技术含量,做了一会发现全得看答案…

【工程实践】Docker使用记录

前言 服务上线经常需要将服务搬到指定的服务器上,经常需要用到docker,记录工作中使用过dcoker指令。 1.写Dockerfile 1.1 全新镜像 FROM nvidia/cuda:11.7.1-devel-ubuntu22.04ENV WORKDIR/data/Qwen-14B-Chat WORKDIR $WORKDIR ADD . $WORKDIR/RUN ap…

Python 邮件发送(163为例)

代码 import smtplib import socket from email.mime.text import MIMEText from email.header import Headerdef send_mail():# 设置发件人、收件人、主题、内容from_address 18847097110163.comto_address 963268595qq.comsubject test emailbody hahahhahaha# SMTP邮件…

向量数据库的分类概况

保存和检索矢量数据的五种方法: 像 Pinecone 这样的纯矢量数据库 全文搜索数据库,例如 ElasticSearch 矢量库,如 Faiss、Annoy 和 Hnswlib 支持矢量的NoSQL 数据库,例如 MongoDB、Cosmos DB 和 Cassandra 支持矢量的SQL 数据库&am…

农业水土环境建模流程、DEM数据制备、土地利用数据制备、土壤数据制备、气象数据制备、农业措施数据制备、参数率定与结果验证、农业面源污染分析

目录 一、农业水土环境建模概述 二、ArcGIS入门 三、农业水土环境建模流程 四、DEM数据制备流程 五、土地利用数据制备流程 六、土壤数据制备流程 七、气象数据制备流程 八、农业措施数据制备流程 九、参数率定与结果验证 十、模型结果分析及地图制作 十一、农业土壤…

MT8788核心板主要参数介绍_联发科MTK安卓核心板智能模块

MT8788核心板是一款功能强大的4G全网通安卓智能模块,具有超高性能和低功耗特点。该模块采用联发科AIOT芯片平台。 MT8788核心板搭载了12nm制程的四个Cortex-A73和四个Cortex-A53处理器,最高主频可达2.0GHZ。它还配备了4GB64GB(2GB16GB、3GB32GB)的内存&a…

4004 DC音频转换器原理

4004是一款低噪声、固定频率360KHz的电荷泵型DC DC转换器,在输入电压2.8V到5V的情况下,恒定输出5V电压,电压精度为:3%,输出电流达到300mA。4004外部零件少,非常适合小型的电池供电应用。4004优化后的电荷泵…

2023亚太杯数学建模A题思路解析

文章目录 0 赛题思路1 竞赛信息2 竞赛时间3 建模常见问题类型3.1 分类问题3.2 优化问题3.3 预测问题3.4 评价问题 4 建模资料5 最后 0 赛题思路 (赛题出来以后第一时间在CSDN分享) https://blog.csdn.net/dc_sinor?typeblog 1 竞赛信息 2023年第十三…

2023亚太杯数学建模思路 - 复盘:校园消费行为分析

文章目录 0 赛题思路1 赛题背景2 分析目标3 数据说明4 数据预处理5 数据分析5.1 食堂就餐行为分析5.2 学生消费行为分析 建模资料 0 赛题思路 (赛题出来以后第一时间在CSDN分享) https://blog.csdn.net/dc_sinor?typeblog 1 赛题背景 校园一卡通是集…

python 路径变更后 pip 运行报错

python 路径变更后 pip 运行报错 Fatal error in launcher: Unable to create process using "d:\python-3.6.6\python .exe" "D:\python-3........出现这种原因是因为生产 Scripts\pip.exe中存在绝对路径,因此当python变更过路径后所有 Scripts目…

YOLOv8 营业执照提取 统一社会信用代码、企业名称

目录 背景 尝试一:整图OCR识别,然后正则匹配 尝试二:利用显著特征,直接传统方法定位,切出来识别 尝试三:yolov8训练一个统一社会信用代码、企业名称位置检测 ​编辑 效果 模型信息 项目 ​编辑 代…

终端训练模型日志重定向

在终端中要执行模型的训练时,我们有时候既需要把模型执行的日志输出到终端展示,又想把训练日志保存到日志文件中: 假设执行的代码时trian.py python -u train.py | tee -a ./train.log-u:这是 Python 解释器的一个选项,用于强制标…

DRAM和SRAM

特点 Static Random Access Memory:速度快、存储一位需要元器件更多、功耗较大、集成度低、更贵 Dynamic Random Access Memory:容量大、需刷新、附属电路更复杂、功耗较小、集成度高 存储位元 SRAM DRAM 逻辑结构 SRAM 典型的SRAM芯片有6116&am…