目录

前言

“快照”在 MVCC 里是怎么工作的？

更新逻辑

---

• 前言

• 讲事务隔离级别的时候提到过，如果是可重复读隔离级别，事务 T 启动的时候会创建一个视图 read-view
• 之后事务 T 执行期间，即使有其他事务修改了数据，事务 T 看到的仍然跟在启动时看到的一样
• 也就是说，一个在可重复读隔离级别下执行的事务，好像与世无争，不受外界影响
• 但是在上一篇文章中，和你分享行锁的时候又提到，一个事务要更新一行，如果刚好有另外一个事务拥有这一行的行锁，它又不能这么超然了，会被锁住，进入等待状态
• 问题是，既然进入了等待状态，那么等到这个事务自己获取到行锁要更新数据的时候，它读到的值又是什么呢？
• 举一个例子，下面是一个只有两行的表的初始化语句

  

• 
• 这里需要注意的是事务的启动时机
• begin/start transaction 命令并不是一个事务的起点，在执行到它们之后的第一个操作 InnoDB 表的语句，事务才真正启动
• 如果你想要马上启动一个事务，可以使用 start transaction with consistent snapshot 这个命令
  • 第一种启动方式，一致性视图是在执行第一个快照读语句时创建的；
  • 第二种启动方式，一致性视图是在执行 start transaction with consistent snapshot 时创建的
• 还需要注意的是，例子中如果没有特别说明，都是默认autocommit=1
• 在这个例子中，事务 C 没有显式地使用 begin/commit，表示这个 update 语句本身就是一个事务，语句完成的时候会自动提交
• 事务 B 在更新了行之后查询 ; 事务 A 在一个只读事务中查询，并且时间顺序上是在事务 B 的查询之后
• 这时如果我告诉你事务 B 查到的 k 的值是 3，而事务 A 查到的 k 的值是 1，你是不是感觉有点晕呢？
• 在 MySQL 里，有两个“视图”的概念：
  • 一个是 view
  • 它是一个用查询语句定义的虚拟表，在调用的时候执行查询语句并生成结果
  • 创建视图的语法是 create view … ，而它的查询方法与表一样
  • 另一个是 InnoDB 在实现 MVCC 时用到的一致性读视图，即 consistent read view，用于支持 RC（Read Committed，读提交）和 RR（Repeatable Read，可重复读）隔离级别的实现
• 它没有物理结构，作用是事务执行期间用来定义“我能看到什么数据”

• “快照”在 MVCC 里是怎么工作的？

• 在可重复读隔离级别下，事务在启动的时候就“拍了个快照”
• 注意，这个快照是基于整库的
• 这时，你会说这看上去不太现实啊
• 如果一个库有 100G，那么我启动一个事务，MySQL 就要拷贝 100G 的数据出来，这个过程得多慢啊
• 可是平时的事务执行起来很快啊
• 实际上并不需要拷贝出这 100G 的数据
• 先来看看这个快照是怎么实现的
• InnoDB 里面每个事务有一个唯一的事务 ID，叫作 transaction id
• 它是在事务开始的时候向 InnoDB 的事务系统申请的，是按申请顺序严格递增的
• 而每行数据也都是有多个版本的
• 每次事务更新数据的时候，都会生成一个新的数据版本，并且把 transaction id 赋值给这个数据版本的事务 ID，记为 row trx_id
• 同时，旧的数据版本要保留，并且在新的数据版本中，能够有信息可以直接拿到它
• 也就是说，数据表中的一行记录，其实可能有多个版本 (row)，每个版本有自己的 row trx_id
• 如图 2 所示，就是一个记录被多个事务连续更新后的状态

  

• 图中虚线框里是同一行数据的 4 个版本
• 当前最新版本是 V4，k 的值是 22，它是被transaction id 为 25 的事务更新的，因此它的 row trx_id 也是 25
• 你可能会问，前面的文章不是说，语句更新会生成 undo log（回滚日志）吗？那么，undo log 在哪呢？
• 实际上，图 2 中的三个虚线箭头，就是 undo log
• 而 V1、V2、V3 并不是物理上真实存在的，而是每次需要的时候根据当前版本和 undo log 计算出来的
• 比如，需要 V2 的时候，就是通过 V4 依次执行 U3、U2 算出来
• 明白了多版本和 row trx_id 的概念后，再来想一下，InnoDB 是怎么定义那个“100G”的快照的
• 按照可重复读的定义，一个事务启动的时候，能够看到所有已经提交的事务结果
• 但是之后，这个事务执行期间，其他事务的更新对它不可见
• 因此，一个事务只需要在启动的时候声明说，“以我启动的时刻为准，如果一个数据版本是在我启动之前生成的，就认
• 如果是我启动以后才生成的，我就不认，我必须要找到它的上一个版本”
• 当然，如果“上一个版本”也不可见，那就得继续往前找
• 还有，如果是这个事务自己更新的数据，它自己还是要认的
• 在实现上， InnoDB 为每个事务构造了一个数组，用来保存这个事务启动瞬间，当前正在“活跃”的所有事务 ID
• “活跃”指的就是，启动了但还没提交
• 数组里面事务 ID 的最小值记为低水位，当前系统里面已经创建过的事务 ID 的最大值加 1 记为高水位
• 这个视图数组和高水位，就组成了当前事务的一致性视图（read-view）
• 而数据版本的可见性规则，就是基于数据的 row trx_id 和这个一致性视图的对比结果得到的
• 这个视图数组把所有的 row trx_id 分成了几种不同的情况

  

• 这样，对于当前事务的启动瞬间来说，一个数据版本的 row trx_id，有以下几种可能：
  • 1.如果落在绿色部分，表示这个版本是已提交的事务或者是当前事务自己生成的，这个数据是可见的
  • 2.如果落在红色部分，表示这个版本是由将来启动的事务生成的，是肯定不可见的
  • 3.如果落在黄色部分，那就包括两种情况
    • a.若 row trx_id 在数组中，表示这个版本是由还没提交的事务生成的，不可见
    • b.若 row trx_id 不在数组中，表示这个版本是已经提交了的事务生成的，可见
• 比如，对于图 2 中的数据来说，如果有一个事务，它的低水位是 18，那么当它访问这一行数据时，就会从 V4 通过 U3 计算出 V3，所以在它看来，这一行的值是 11
• 有了这个声明后，系统里面随后发生的更新，是不是就跟这个事务看到的内容无关了呢？
• 因为之后的更新，生成的版本一定属于上面所述的情况，而对它来说，这些新的数据版本是不存在的，所以这个事务的快照，就是“静态”的了
• 所以你现在知道了，InnoDB 利用了“所有数据都有多个版本”的这个特性，实现了“秒级创建快照”的能力
• 接下来，继续看一下前言中的三个事务，分析下事务 A 的语句返回的结果，为什么是k=1
• 这里不妨做如下假设：
• 1.事务 A 开始前，系统里面只有一个活跃事务 ID 是 99
• 2.事务 A、B、C 的版本号分别是 100、101、102，且当前系统里只有这四个事务
• 3.三个事务开始前，(1,1）这一行数据的 row trx_id 是 90
• 这样，事务 A 的视图数组就是[99,100], 事务 B 的视图数组是[99,100,101], 事务 C 的视图数组是[99,100,101,102]
• 为了简化分析，先把其他干扰语句去掉，只画出跟事务 A 查询逻辑有关的操作

  

• 从图中可以看到，第一个有效更新是事务 C，把数据从 (1,1) 改成了 (1,2)
• 这时候，这个数据的最新版本的 row trx_id 是 102，而 90 这个版本已经成为了历史版本
• 第二个有效更新是事务 B，把数据从 (1,2) 改成了 (1,3)
• 这时候，这个数据的最新版本（即row trx_id）是 101，而 102 又成为了历史版本
• 你可能注意到了，在事务 A 查询的时候，其实事务 B 还没有提交，但是它生成的 (1,3) 这个版本已经变成当前版本了
• 但这个版本对事务 A 必须是不可见的，否则就变成脏读了
• 好，现在事务 A 要来读数据了，它的视图数组是[99,100]
• 当然了，读数据都是从当前版本读起的
• 所以，事务 A 查询语句的读数据流程是这样的：
  • 找到 (1,3) 的时候，判断出 row trx_id=101，比高水位大，处于红色区域，不可见
  • 接着，找到上一个历史版本，一看 row trx_id=102，比高水位大，处于红色区域，不可见
  • 再往前找，终于找到了（1,1)，它的 row trx_id=90，比低水位小，处于绿色区域，可见
• 现在用这个规则来判断图 4 中的查询结果，事务 A 的查询语句的视图数组是在事务 A 启动的时候生成的，这时候：
  • (1,3) 还没提交，属于情况 1，不可见
  • (1,2) 虽然提交了，但是是在视图数组创建之后提交的，属于情况 2，不可见
  • (1,1) 是在视图数组创建之前提交的，可见
• 去掉数字对比后，只用时间先后顺序来判断，分析起来是不是轻松多了
• 所以，后面就都用这个规则来分析

• 更新逻辑

• 事务 B 的 update 语句，如果按照一致性读，好像结果不对哦？
• 看图 5 中，事务 B 的视图数组是先生成的，之后事务 C 才提交，不是应该看不见 (1,2)吗，怎么能算出 (1,3) 来？

  

• 是的，如果事务 B 在更新之前查询一次数据，这个查询返回的 k 的值确实是1
• 但是，当它要去更新数据的时候，就不能再在历史版本上更新了，否则事务 C 的更新就丢失了
• 因此，事务 B 此时的 set k=k+1 是在（1,2）的基础上进行的操作
• 所以这里就用到了这样一条规则：更新数据都是先读后写的，而这个读，只能读当前的值，称为“当前读”（current read）
• 因此，在更新的时候，当前读拿到的数据是 (1,2)，更新后生成了新版本的数据 (1,3)，这个新版本的 row trx_id 是 101
• 所以，在执行事务 B 查询语句的时候，一看自己的版本号是 101，最新数据的版本号也是101，是自己的更新，可以直接使用，所以查询得到的 k 的值是 3
• 这里提到了一个概念，叫作当前读
• 其实，除了 update 语句外，select 语句如果加锁，也是当前读
• 所以，如果把事务 A 的查询语句 select * from t where id=1 修改一下，加上 lock in share mode 或 for update，也都可以读到版本号是 101 的数据，返回的 k 的值是 3
• 下面这两个 select 语句，就是分别加了读锁（S 锁，共享锁）和写锁（X 锁，排他锁）

  

• 再往前一步，假设事务 C 不是马上提交的，而是变成了下面的事务 C’，会怎么样呢？

  

• 事务 C’的不同是，更新后并没有马上提交，在它提交前，事务 B 的更新语句先发起了
• 前面说过了，虽然事务 C’还没提交，但是 (1,2) 这个版本也已经生成了，并且是当前的最新版本
• 那么，事务 B 的更新语句会怎么处理呢？
• 这时候，在上一篇文章中提到的“两阶段锁协议”就要上场了
• 事务 C’没提交，也就是说 (1,2) 这个版本上的写锁还没释放
• 而事务 B 是当前读，必须要读最新版本，而且必须加锁，因此就被锁住了，必须等到事务 C’释放这个锁，才能继续它的当前读

  

• 到这里，把一致性读、当前读和行锁就串起来了
• 现在再回到文章开头的问题：事务的可重复读的能力是怎么实现的？
• 可重复读的核心就是一致性读（consistent read）
• 而事务更新数据的时候，只能用当前读
• 如果当前的记录的行锁被其他事务占用的话，就需要进入锁等待
• 而读提交的逻辑和可重复读的逻辑类似，它们最主要的区别是：
  • 在可重复读隔离级别下，只需要在事务开始的时候创建一致性视图，之后事务里的其他查询都共用这个一致性视图
  • 在读提交隔离级别下，每一个语句执行前都会重新算出一个新的视图
• 那么再看一下，在读提交隔离级别下，事务 A 和事务 B 的查询语句查到的 k，分别应该是多少呢？
• 这里需要说明一下，“start transaction with consistent snapshot; ”的意思是从这个语句开始，创建一个持续整个事务的一致性快照
• 所以，在读提交隔离级别下，这个用法就没意义了，等效于普通的 start transaction
• 下面是读提交时的状态图，可以看到这两个查询语句的创建视图数组的时机发生了变化，就是图中的 read view 框（注意：这里，用的还是事务 C 的逻辑直接提交，而不是事务C’）

  

• 这时，事务 A 的查询语句的视图数组是在执行这个语句的时候创建的
• 时序上 (1,2)、(1,3) 的生成时间都在创建这个视图数组的时刻之前
• 但是，在这个时刻：
  • (1,3) 还没提交，属于情况 1，不可见
  • (1,2) 提交了，属于情况 3，可见
• 所以这时候事务 A 查询语句返回的是 k=2
• 显然地，事务 B 查询结果 k=3