面试官:谈一谈你对MySQL中的事物和MVCC的理解?

我:吧啦吧啦说了下面一堆,不过看面试官的脸色应该是被惊喜到了。

为什么要有事务

说到事务,不得不提到转账的事情,几乎所有的关于事务的文章都会提到这个老掉牙的案例,我也不例外。

转账在数据库层面可以简单的抽象成两个部分:

  • 从自己的账户中扣除转账金额;
  • 往对方账户中增加转账金额。

如果先从自己的账户中扣除转账金额,再往对方账户中增加转账金额,扣除执行成功,增加执行失败,那自己的账户白白少了100块,欲哭无泪。

如果先往对方账户中增加转账金额,再从自己的账户中扣除转账金额,增加执行成功,扣除执行失败,那对方账户白白增加了100块,自己的账户也没有扣钱,喜大普奔。

不管是让你欲哭无泪,还是喜大普奔,银行都不会容忍这样的事情发生,他们会引入事务来解决这类问题。

 

 

事务的特性

  1. 原子性(Atomicity):事务包含的所有操作要么全部成功(提交),要么全部失败(回滚)。
  2. 一致性(Consistency):事务的执行的前后数据的完整性保持一致。
  3. 隔离性(Isolation):一个事务执行的过程中,不应该受到其他事务的干扰。
  4. 持久性(Durability):事务一旦结束,数据就持久到数据库,即使提交后,数据库发生崩溃,也不会丢失提交的数据。

四种特性,简称ACID,其中最不好理解的就是一致性,有不少人认为原子性、隔离性、持久性就是为了保证一致性,我们也不搞学术研究,一致性到底该怎么解释,到底怎么定义一致性,就看各位看官的了。

事务的隔离级别

从某个角度来说,我们可以控制的、或者说需要研究的只有隔离性这一个特性,而要控制隔离性,几乎只有调整隔离级别这一个手段,下面我们就来看看事务的隔离级别。

数据库是一个客户端/服务器架构的软件,每个客户端与服务器连接后,就会产生一个session(会话),客户端和服务器的交互就是在session中进行的,理论上来说,如果服务器同时只能处理一个事务,其他的事务都排队等待,当该事务提交后,服务器才处理下一个事务,这样才真正具有“隔离性”,什么问题都没有了,但是如果是这样,性能就太差了,在性能和隔离性之间,只能做一些平衡,所以数据库提供了好几个隔离级别供我们选择。

在讲隔离级别之前,我们先来看看事务并发执行会遇到什么问题。

为了保证下面的叙述可以顺利进行,我们要先建一张表:

CREATE TABLE `student` (
  `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
  `name` varchar(50) DEFAULT NULL COMMENT '姓名',
  `age` int(11) DEFAULT NULL COMMENT '年龄',
  `grade` int(11) DEFAULT NULL COMMENT '年级',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB AUTO_INCREMENT=3 DEFAULT CHARSET=utf8mb4;

脏写

 

 

  1. sessionA和sessionB开启了一个事务;
  2. sessionB把id=2的name修改成了“地底王”;
  3. sessionA把id=2的name修改成了“梦境地底王”;
  4. sessionB回滚了事务;
  5. sessionA提交了事务。

如果sessionB在回滚事务的时候把sessionA的修改也给回滚了,导致sessionA的提交丢失了,这种现象就被称为“脏写”。sessionA会一脸懵逼,我明明修改了数据,也提交了数据,为什么数据没有变化呢。

脏读

 

 

  1. sessionA和sessionB开启了一个事务;
  2. sessionB把id=2的name修改成了“地底王”,此时还未提交;
  3. sessionA查询了id=2的数据,如果读出来的数据的name是“地底王”,也就是读到了sessionB还没有提交的数据,就被称为“脏读”。

不可重复读

 

 

  1. sessionA和sessionB开启了一个事务;
  2. sessionA查询id=2的数据,假如name是“地底王”,
  3. sessionB把id=2的name修改成了“梦境地底王”,随后提交了事务;
  4. sessionA再一次查询了id=2的数据,如果name是“梦境地底王”,说明在同一个事务中,sessionA前后读到的数据不一致,就被称为“不可重复读”。

幻读

 

  1. sessionA和sessionB开启了一个事务;
  2. sessionA查询name=“地底王”的数据,假设此时读到了一条记录;
  3. sessionB又插入一条name=“地底王”的数据,随后提交;
  4. seesionA再一次查询name=“地底王”的数据,如果此时读到了两条记录,第二次查询读到了第一次查询未查询出来的数据,就被称为“幻读”。

四种隔离级别

我们知道了在并发执行事务的时候,会遇到什么问题,有些问题比较严重,有些问题比较轻微,一般来说,我们认为按照严重性排序是这样的:

脏写>脏读>不可重复读>幻读

在SQL标准定义中,设定了四种隔离级别,来解决上述的问题:

  • 未提交读(READ UNCOMMITTED): 最低的隔离级别,会有“脏读”、“不可重复读”,“幻读”三个问题。
  • 读已提交(READ COMMITTED): SQLServer默认隔离级别,可以避免“脏读”,会有“不可重复读”,“幻读”两个问题。
  • 可重复读(REPEATABLE READ): 可以避免“脏读”,“不可重复读”两个问题,会有“幻读”问题。 MySQL默认隔离级别,但是在MySQL中,此隔离级别解决了“幻读”问题。
  • 串行化(SERIALIZABLE): 所有的问题都不会发生。

因为脏写的问题实在太严重了,在任何隔离级别下,都不会有脏写的问题。

MVCC

前面说的都是开胃菜,相信大部分小伙伴对于上述内容都是手到擒来,所以我连如何修改事务隔离级别都没有介绍,各种实验也都没有做,就是要把大量的时间、文字投入到这一部分内容中来。

MVCC,全称是Mutil-Version Concurrency Control,翻译成中文是多版本并发控制,MySQL就利用了MVCC来判断在一个事务中,哪个数据可以被读出来,哪个数据不能被读出来。

多版本

在看MVCC之前,我们有必要知道另外一个知识点,数据库存储一行行数据,是分为两个部分来存储的,一个是数据行的额外信息(本篇博客不涉及),一个是真实的数据记录,MySQL会为每一行真实数据记录添加两三个隐藏的字段:

  • row_id 非必须,如果表中有自定义的主键或者有Unique键,就不会添加row_id字段,如果两者都没有,MySQL会“自作主张”添加row_id字段。
  • transaction_id 必须,事务Id,代表这一行数据是由哪个事务id创建的。
  • roll_pointer 必须,回滚指针,指向这行数据的上一个版本。

如下图所示:

 

在这里需要着重说明下事务id,当我们开启一个事务,并不会马上获得事务id,哪怕我们在事务中执行select语句,也是没有事务id的(事务id为0),只有执行insert/update/delete语句才能获得事务id,这一点尤为重要。

其中和MVCC紧密相关的是transaction_id和roll_pointer两个字段,在开发过程中,我们无需关心,但是要研究MVCC,我们必须关心。

如果有类似这样的一行数据:

 

代表这行数据是由transaction_id为9的事务创建出来的,roll_pointer是空的,因为这是一条新纪录。

 

实际上,roll_pointer并不是空的,如果真要解释,需要绕一大圈,理解成空的,问题也不大。

当我们开启事务,对这条数据进行修改,会变成这样:

 

有点感觉了吧,这就像一个单向链表,称之为“版本链”,最上面的数据是这个数据的最新版本,roll_pointer指向这个数据的旧版本,给人的感觉就是一行数据有多个版本,是不是符合“多版本并发控制”中的“多版本”这个概念, 那么“并发控制”又是怎么做到的呢,别急,继续往下看。

ReadView

哎,下面又要引出一个新的概念:ReadView。

对于READ UNCOMMITTED来说,可以读取到其他事务还没有提交的数据,所以直接把这个数据的最新版本读出来就可以了,对于SERIALIZABLE来说,是用加锁的方式来访问记录。

剩下的就是READ COMMITTED和REPEATABLE READ,这两个事务隔离级别都要保证读到的数据是其他事务已经提交的,也就是不能无脑把一行数据的最新版本给读出来了,但是这两个还是有一定的区别,最核心的问题就在于“我到底可以读取这个数据的哪个版本”。

为了解决这个问题,ReadView的概念就出现了,ReadView包含四个比较重要的内容:

  • m_ids:表示在生成ReadView时,系统中活跃的事务id集合。
  • min_trx_id:表示在生成ReadView时,系统中活跃的最小事务id,也就是 m_ids中的最小值。
  • max_trx_id:表示在生成ReadView时,系统应该分配给下一个事务的id。
  • creator_trx_id:表示生成该ReadView的事务id。

有了这个ReadView,只要按照下面的判断方式就可以解决“我到底可以读取这个数据的哪个版本”这个千古难题了:

  • 如果被访问的版本的trx_id和ReadView中的creator_trx_id相同,就意味着当前版本就是由你“造成”的,可以读出来。
  • 如果被访问的版本的trx_id小于ReadView中的min_trx_id,表示生成该版本的事务在创建ReadView的时候,已经提交了,所以该版本可以读出来。
  • 如果被访问版本的trx_id大于或等于ReadView中的max_trx_id值,说明生成该版本的事务在当前事务生成ReadView后才开启,所以该版本不可以被读出来。
  • 如果生成被访问版本的trx_id在min_trx_id和max_trx_id之间,那就需要判断下trx_id在不在m_ids中:如果在,说明创建ReadView的时候,生成该版本的事务还是活跃的(没有被提交),该版本不可以被读出来;如果不在,说明创建ReadView的时候,生成该版本的事务已经被提交了,该版本可以被读出来。

如果某个数据的最新版本不可以被读出来,就顺着roll_pointer找到该数据的上一个版本,继续做如上的判断,以此类推,如果第一个版本也不可见的话,代表该数据对当前事务完全不可见,查询结果就不包含这条记录了。

看完上面的描述,是不是觉得“云里雾里”,“不知所云”,甚至“脑阔疼,整个人都不好了”。

我们换个方法来解释,看会不会更容易理解点:

 

在事务启动的一瞬间,会创建出ReadView,对于一个数据版本的trx_id来说,有以下三种情况:

  • 如果落在低水位,表示生成这个版本的事务已经提交了,或者是当前事务自己生成的,这个版本可见。
  • 如果落在高水位,表示生成这个版本的事务是未来才创建的,这个版本不可见。
  • 如果落在中间水位,包含两种情况: a. 如果当前版本的trx_id在活跃事务列表中,代表这个版本是由还没有提交的事务生成的,这个版本不可见; b. 如果当前版本的trx_id不在活跃事务列表中,代表这个版本是由已经提交的事务生成的,这个版本可见。

上面我比较简单的解释了下ReadView,用了两种方式来说明如何判断当前数据版本是否可见,不知道各位看官是不是有了一个比较模糊的概念,有了ReadView的基本概念,我们就可以具体看下READ COMMITTED、REPEATABLE READ这两个事务隔离级别为什么读到的数据是不同的,以及上述规则是如何应用的。

READ COMMITTED——每次读取数据都会创建ReadView

假设,现在系统只有一个活跃的事务T,事务id是100,事务中修改了数据,但是还没有提交,形成的版本链是这样的:

 

现在A事务启动,并且执行了select语句,此时会创建出一个ReadView,m_ids是【100】,min_trx_id是100, max_trx_id是101,creator_trx_id是0。

为什么m_ids只有一个,为什么creator_trx_id是0?这里再次强调下,只有在事务中执行insert/update/delete语句才能获得事务id。

那么A事务执行的select语句会读到什么数据呢?

  1. 判断最新的数据版本,name是“梦境地底王”,对应的trx_id是100,trx_id在m_ids里面,说明当前事务是活跃事务,这个数据版本是由还没有提交的事务创建的,所以这个版本不可见。
  2. 顺着roll_pointer找到这个数据的上一个版本,name是“地底王”,对应的trx_id是99,而ReadView中的min_trx_id是100,trx_id<min_trx_id,代表当前数据版本是由已经提交的事务创建的,该版本可见。

所以读到的数据的name是“地底王”。

我们把事务T提交了,事务A再次执行select语句,此时,事务A再次创建出ReadView,m_ids是【】,min_trx_id是0, max_trx_id是101,creator_trx_id是0。

因为事务T已经提交了,所以没有活跃的事务。

那么事务A第二次执行select语句又会读到什么数据呢?

  1. 判断最新的数据版本,name是“梦境地底王”,对应的trx_id是100,不在m_ids里面,说明这个数据版本是由已经提交的事务创建的,该版本可见。

所以读到的数据的name是“梦境地底王”。

REPEATABLE READ ——首次读取数据会创建ReadView

假设,现在系统只有一个活跃的事务T,事务id是100,事务中修改了数据,但是还没有提交,形成的版本链是这样的:

 

现在A事务启动,并且执行了select语句,此时会创建出一个ReadView,m_ids是【100】,min_trx_id是100, max_trx_id是101,creator_trx_id是0。

那么A事务执行的select语句会读到什么数据呢?

  1. 判断最新的数据版本,name是“梦境地底王”,对应的trx_id是100,trx_id在m_ids里面,说明当前事务是活跃事务,这个数据版本是由还没有提交的事务创建的,所以这个版本不可见。
  2. 顺着roll_ponit找到这个数据的上一个版本,name是“地底王”,对应的trx_id是99,而ReadView中的min_trx_id是100,trx_id<min_trx_id,代表当前数据版本是由已经提交的事务创建的,该版本可见。

所以读到的数据的name是“地底王”。

细心的你,一定发现了,这里我就是复制粘贴,因为在REPEATABLE READ事务隔离级别下,事务A首次执行select语句创建出来的ReadView和在READ COMMITTED事务隔离级别下,事务A首次执行select语句创建出来的ReadView是一样的,所以判断流程也是一样的,所以我就偷懒了,copy走起。

随后,事务T提交了事务,由于REPEATABLE READ是首次读取数据才会创建ReadView,所以事务A再次执行select语句,不会再创建ReadView,用的还是上一次的ReadView,所以判断流程和上面也是一样的,所以读到的name还是“地底王”。