Mysql原理与调优-事务与MVCC

news2024/11/14 13:49:50

目录

1.事务

1.1 什么是事务

1.2 事务隔离级别

1.2.1 事务并发执行可能出现的问题

1.2.2 隔离级别

1.2.3 如何查看和设置事务的隔离级别

1.2.3 快照读和当前读

2.MVCC

2.1 版本链机制

2.2 Read View

2.2.1 Read View读取事务的原则

2.4 Read Committed级别查询

2.5 Repeatable Read级别查询

2.6 MVCC是否能解决幻读问题


1.事务

1.1 什么是事务

事务其实就是对Mysql的一系列操作,它要求满足4个性质,分别是A(原子性)、C(一致性)、I(隔离性)、D(持久性)。接下来我们来分别介绍一下这4个性质的含义。

  • 原子性

        原子性,表示对于事务里面的操作是一个整体,要么同时成功,要么同时失败。比如A给B转账,A减少50,B加50,这一操作是一个整体。由redo log和undo log共同保证。

  • 持久性

        持久性,表示的事务一旦提交,便会持久化到磁盘中。这一操作由redo log保证。

  • 隔离性

        隔离性,表示不同的事务之间是不相互影响的。快照读和写操作的隔离性由MVCC保证,当前读和的写操作,写操作和写操作的隔离性由Mysql的锁机制保证。

  • 一致性

        一致性,一致性分为数据一致性和约束一致性。我的立即其实就是符合客观事实,比如A给B转账,A减少50,B加50,但是总的金额是未改变的,这是否符合客观事实的。只有满足原子性、持久、隔离性才能保证一致性。

1.2 事务隔离级别

1.2.1 事务并发执行可能出现的问题

假设的现在有两个事务,事务A和事务B并发操作。

  • 脏写

        脏写,事务A更改了事务B的还未提交的数据。

  • 脏读

        脏读,事务A读取到事务B还未提交的数据。

  • 不可重复读

        不可重复读,在同一个事务A里面,同时读取某行数据,前后值不一样。原因是,在此过程中,事务B对该行数据进行修改,并且提交。

  • 幻读

        幻读,在同一个事务A里面,同时读取某个范围的数据,前后行数不一样。原因是,在此过程中,事务B插入了记录,并且提交。

1.2.2 隔离级别

 Mysql的隔离级别,分为4个,读未提交(READ UNCOMMITTED)、读已提交(READ COMMITTED),可重复读(REPEATABLE READ)、串行化(SERIALIZABLE)。

注意:对于Mysql而言,RR级别,也可以解决,快照读的幻读问题。

1.2.3 如何查看和设置事务的隔离级别

 SHOW VARIABLES LIKE 'transaction_isolation'; //查看事务隔离级别
 SET TRANSACTION ISOLATION LEVEL SERIALIZABLE; //设置事务个几把
 SET SESSION TRANSACTION ISOLATION LEVEL SERIALIZABLE;//设置当前会话的事务隔离级别

1.2.3 快照读和当前读

前面说过,事务的隔离性,主要是通过,MVCC和加锁来保证的。那什么时候是采用MVCC机制,设么时候采用加锁呢?就需要了解快照度和当前读的概念。

当前读:要求读取到的一定是当前数据库里面最新的内容,如果结合CAP理论来看,其实就是保证一致性。在Mysql里面,通过select * from table lock in share mode 或者 select * from table  for update这两种查询为当前读。

快照读: 读取的是读请求时的快照数据,在读操作者一过程中,其他事务可能对改数据进行修改,所以读取到的可能是老数据,如果结合CAP理论来看,其实就是保证可用性。在Mysql里面,通过普通的select就是快照读。

快照读在mysql中的对于隔离级别的处理,其实是相当于DML操作的。所以快照读和DML操作采用MVCC来保证隔离性。当前读和DML采用加锁来保证隔离性。

2.MVCC

2.1 版本链机制

前面讲Mysql行记录的时候,曾经说过,每条记录的会有三个隐藏列,分别是row_id,tx_id,roll_pointer。每次更新,都会在undo log里面放一条旧的数据,通过roll_pointer连接成一个版本链。其中tx_id是一个递增的。

2.2 Read View

MVCC主要是保证快照读和DML语句的隔离性。它每次读取主要读取到的其实是发送select命令时的快照。所以MVCC在每次读取的时候,会生成一个Read View,里面主要包含3个部分:

字段说明
m_ids所有活跃的事务id
min_trx_id活跃的事务最小id
max_trx_id活跃的事务最大id加1
creator_trx_id创建的当前快照的事务id

2.2.1 Read View读取事务的原则

假设当前需要被读取事务的tx_id为data_tx_id。

1.如果data_tx_id小于Read view的活跃事务最小id,表示修改这条记录的事务已经提交,可以读取。

2.如果data_tx_id等于Read view的creator_trx_id,表示这条数据是生成Read View的事务创建的,能够读取,所以在同一个事务里面,后面的select能够读取到该事务前面创建的数据。

3.如果data_tx_id大于等于活跃的事务最大id加1,表示在创建这个Read View的时候,该事务还未到达,所以不能提交。

4.如果data_tx_id在该Read View的m_ids里面,便表示生产该Read View的时候,修改data的事务还未提交,不能被访问。

综上,通过Read View机制,每个事务只能读取到当前事务修改的数据或者在当前select请求到达前并且事务已经提交的修改的数据。

2.4 Read Committed级别查询

原则:Read Committed每次查询都会生成一个Read View。因为,通过Read View每个事务只能读取到当前事务修改的数据或者在当前select请求到达前并且事务已经提交的修改的数据。所以的Read View一定读取到的是已经提交过后的事务,满足读已提交。

但是,因为在这个隔离级别下,每次读取会生成一个Read View,比如上面这个例子。

1.事务A在第一次select的时候,此时事务B还为提交,所以当前活跃事务id为[8,9],所以select到的内容为A。

2.在中间事务B更新数据为B并且提交。

3.事务A再次select,会为此生成一个新的Read View,里面m_ids为[8],表示只有A事务还在活跃,此时就能读取的内容为B。

可以看出,这种情况下,读取到的永远是已经提交的事务修改的数据,但是可能会出现不可重复读的问题。

2.5 Repeatable Read级别查询

原则:Read Committed只有在第一次查询的时候会生产一个Read View,后面都会共用这个Read View。所以在查询过程中,不管中途是否有其他事务修改数据并且修改,只要事务id比生产Read View的事务id大,便不能读取。

对于上面这个例子:

1.事务A在第一次select的时候,此时事务B还为提交,所以当前活跃事务id为[8,9],所以select到的内容为A。

2.在中间事务B更新数据为B并且提交。

3.事务A再次select,Read View不变,里面m_ids为[8,9],此时就能读取的内容为A。

可以看出,在这种情况下,只会共用一次Read View。所以在Repeatable Read级别下,只能读取事务id小于等于生成Read View的事务id的事务修改或者插入的数据。能够解决不可重复读问题。

2.6 MVCC是否能解决幻读问题

在Repeatable Read情况下,MVCC在多次查询,会共用一个Read View,所以在此情况下,MVCC只能读取到事务id等于生成Read View的事务id的事务修改或者插入的数据。由此可以看出,MVCC也能解决幻读问题,但是有种特殊情况。

可以看出,在事务A读取的过程中,事务B插入一条数据后提交,事务A刚好去更新了这条数据,会更改修改该条数据的事务id为事务A的id,所以事务A再次读取能够读取到该数据,会出现幻读问题。这种情况,可以通过后面的加锁来解决。

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/2051858.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

ACM MM 2024,复旦腾讯优图等提出MDT-A2G,可根据说话语音同步生成手势

复旦&腾讯优图等提出MDT-A2G,这是一个专门用来生成与语音同步手势的先进模型。想象一下,当我们说话时,身体自然会做出手势。这个模型的目的是让计算机也能像人类一样,根据说话的内容来生成合适的手势。它的运作方式像是一个人…

python的多线程实现高速下载PDB数据集

多线程下载数据 最近在某个网站上写了个shell脚本来下载数据集,内容量不大,但是下载的特别的慢,于是想到用多线程下载,发现快了很多。本文主要让大家清楚python中的几个模块区别和关于程序加速的一些方法,以及多线程下…

YOLOv8_det/seg/pose/obb推理流程

本章将介绍目标检测、实例分割、关键点检测和旋转目标检测的推理原理,基于onnx模型推理,那么首先就需要了解onnx模型的输入和输出,对输入的图片需要进行预处理的操作,对输出的结果需要进行后处理的操作,这部分内容在我的另一个专栏《YOLOv8深度剖析》中也有介绍,如果对YO…

【数学建模备赛】Ep06:多元线性回归分析

文章目录 一、前言🚀🚀🚀二、多元线性回归分析:☀️☀️☀️1. 回归分析的介绍和分类1.1相关性1.2 相关性≠因果性1.3 因变量Y1.4 自变量X 2. 回归分析的三条使命3. 数据的分类以及数据的来源 后序还在更新中~~~三、总结&#xff…

通用定时器 输出pwm原理

这个是 输出pwm 判断条件,比较cnt和arr的值,来判断当前是否输出有效电平 这个是判断pwm的输出条件排列模式,可以选pwm1或者pwm2模式,然后每个模式有递增计数还是递减计数,例如:根据设置的是pwm1模式的 递增…

基于django的双选宠物托管服务平台/python宠物托管系统

摘 要 伴随着社会以及科学技术的发展,互联网已经渗透在人们的身边,网络慢慢的变成了人们的生活必不可少的一部分,紧接着网络飞速的发展,系统管理这一名词已不陌生,越来越多的双选宠物托管服务等机构都会定制一款属于…

生成式人工智能在无人机群中的应用、挑战和机遇

人工智能咨询培训老师叶梓 转载标明出处 无人机群在执行人类难以或危险任务方面有巨大潜力,但在复杂动态环境中学习和协调大量无人机的移动和行动,对传统AI方法来说是重大挑战。生成式人工智能(Generative AI, GAI),凭…

尚品汇-前端面包屑平台属性、排序处理(三十三)

目录: (1)面包屑处理平台属性 (2)排序处理 (2)单点登录业务介绍 (1)面包屑处理平台属性 前端显示:面包屑显示效果 搜list搜索方法继续添加返回的平台属性…

el-table表格可编辑

需求&#xff1a;使用elementui的表格组件&#xff0c;实现某些列可以输入或者下拉选择修改行数据 //tabClickLabel 只是作为区分是否可以修改列的条件 <el-tableref"table":data"tableData":header-cell-style"{ background: #F5F7FA, height: 3…

理解Java中的for-each循环:为什么有时候不能修改数组元素?

前言&#xff1a; 刚开始学习编程的时候&#xff0c;我们都会老老实实用 for-i循环&#xff0c;后面接触到for-each的时候&#xff0c;发现竟然还可以再省一点代码&#xff0c;慢慢也会开始学会用for-each。但其实&#xff0c;在有些即使是需要从头遍历的场景&#xff0c;for-e…

uva455 输入格式说的不明白多加空格

提要&#xff1a;题目你看原题有输出格式的坑&#xff0c;本来已经写好代码 结果被这**格式整半天才好&#xff01;&#xff01; 那个xuhanx是我错了那么多次主打一个锲而不舍笑死我了。简单讲一下核心代码就一行 x[j] ! pattern[j % i] 这个是原理比较好理解吧。 建议就是…

SpringBoot和Redis的交互数据操作 以及 Redis的持久化/删除策略和缓存问题

一、SpringBoot和Redis/MySQL的数据交互 说明&#xff1a; 在 SpringBoot2.x 之后&#xff0c;原来使用的jedis 被替换为了 lettuce SpringBoot/Spring和Redis之间的交互简称为Spring-data-redis,有两种方式提供选择&#xff1a; jedis &#xff1a;采用的直连&#xff0c;多个…

一个专门用于Java服务端图片合成的工具,支持图片、文本、矩形等多种素材的合成,功能丰富强大(附源码)

前言 在数字化营销的当下&#xff0c;企业对于图片处理的需求日益增长。然而&#xff0c;传统的图片处理方式往往需要复杂的操作和专业的技术&#xff0c;这不仅增加了工作量&#xff0c;也提高了时间成本。 为了处理这一问题&#xff0c;一款能够简化图片合成流程的软件应运…

《书生大模型实战营第3期》进阶岛 第4关: InternVL 多模态模型部署微调实践

文章大纲 写在前面&#xff08;什么是InternVL&#xff09;InternVL 模型总览Dynamic High ResolutionPixel ShuffleInternVL 部署微调实践准备InternVL模型准备环境准备微调数据集InternVL 推理部署攻略使用pipeline进行推理推理后 InternVL 微调攻略准备数据集配置微调参数开…

中年程序员从西安出发到日照、青岛低成本吃喝万里行,暑假遛娃自由行:连云港-日照-青岛 6天5 晚自由行

文章大纲 暑假出行总体方案Day1 西安-连云港&#xff1a;连岛Day2 连云港-日照&#xff1a;海鲜蒸汽锅Day3 日照 &#xff1a;海洋馆Day4 日照-青岛&#xff1a;再游金沙滩Day5 青岛&#xff1a;山涧溪谷Day6 青岛-连云港-西安 暑假出行总体方案 今年出去玩的地方不算少&#…

Java中VM options与Program arguments区别与作用

Java中VM options与Program arguments区别与作用 VM options 我们在程序中需要的运行时环境变量&#xff0c;它需要以-D或-X或-XX开头&#xff0c;每个参数使用空格分隔 使用最多的就是-Dkeyvalue设定系统属性值&#xff0c;比如-Dserver.port8088 application.yml server:…

深度优先搜索:如何在二叉树中找出“好节点”【迭代法、状态管理技巧、DFS】

一、题目分析 题目要求&#xff1a; 给定一棵二叉树&#xff0c;定义一个“好节点”为&#xff1a;从根节点到该节点路径上&#xff0c;没有任何节点的值比该节点的值大。要求我们返回二叉树中好节点的数量。 示例&#xff1a; 示例 1: 输入: [3,1,4,3,null,1,5] 输出: 4解…

Open3D 遍历八叉树

目录 一、概述 1.1原理 1.2实现步骤 二、代码实现 2.1关键函数 2.2完整代码 三、实现效果 3.1原始点云 3.2数据显示 Open3D点云算法汇总及实战案例汇总的目录地址&#xff1a; Open3D点云算法与点云深度学习案例汇总&#xff08;长期更新&#xff09;-CSDN博客 一、概…

Git安装包及怎么再windows上运行

第一步&#xff1a;下载git。 国内 Git for Windows. 国内镜像 感谢GitHub - waylau/git-for-win: Git for Windows. 国内直接从官网下载比较困难&#xff0c;需要翻墙。这里提供一个国内的下载站&#xff0c;方便网友下载 安装步骤&#xff1a; Git for Windows安装和基本…

VTK—vtkCutter截取平面数据

&#xff0c; 本例 vtkCutter可以配合隐式函数截取数据使用vtkPlane隐式函数配合vtkWidget截取任意平面。 1.读入数据 Create(vtkMultiBlockPLOT3DReader, reader);reader->SetXYZFileName("G:/Temp/vtkTest/combxyz.bin");reader->SetQFileName("G:/Tem…