事务隔离级别，看这一篇就够了

** 作者：旺德 / 孟勃荣

谈到事务隔离级别，开发同学都能说个八九不离十。脏读、不可重复读、RC、RR...这些常见术语也大概知道是什么意思。但是做技术，严谨和细致很重要。如果对事务隔离级别的认识，仅仅停留在大概知道的程度，数据库内核研发者可能开发出令用户费解的隔离级别表现，业务研发者可能从数据库中查出与预期不符的结果。

那么如何判断自己是不是对事务隔离级别有了较为深入的理解了呢？开发同学可以问自己这样两个问题：（1）事务隔离级别分为几类？分别能解决什么问题？是否有明确定义？这样的定义是否准确？（2）当前主流数据库（Oracle/MySQL...）的隔离级别表现和实现是怎样的？是否与“官方”定义一致？

如果能清楚明白的回答这两个问题，恭喜，你对事务隔离级别认识已经非常深刻了。如果不能，也没有关系，读完本文你就有答案了。

1.事务隔离级别

事务隔离级别，主要保障关系数据库ACID特性的I（Isolation），既针对存在冲突的并发事务，提供一定程度的安全保证。ANSI(American National Standards Institute) SQL 92标准（http://www.contrib.andrew.cmu.edu/~shadow/sql/sql1992.txt） 首先定义了3种并发事务可能导致的不一致异象：

**Dirty read: **SQL-transaction T1 modifies a row. SQL- transaction T2 then reads that row before T1 performs a COMMIT. If T1 then performs a ROLLBACK, T2 will have read a row that was never committed and that may thus be considered to have never existed.
Non-repeatable read: SQL-transaction T1 reads a row. SQL- transaction T2 then modifies or deletes that row and performs a COMMIT. If T1 then attempts to reread the row, it may receive the modified value or discover that the row has been deleted.
Phantom: SQL-transaction T1 reads the set of rows N that satisfy some . SQL-transaction T2 then executes SQL-statements that generate one or more rows that satisfy the used by SQL-transaction T1. If SQL-transaction T1 then repeats the initial read with the same , it obtains a different collection of rows.

嫌弃以上定义冗长，可以直接看以下形式化描述：

A1 Dirty Read：w1[x] ... r2[x] ... (a1 and c2 in any order)
A2 Fuzzy Read：r1[x] ... w2[x] ... c2 ... r1[x] ... c1
A3 Phantom Read：r1[P] ... w2[y in P] ... c2 ... r1[P] ... c1

其中w1[x]表示事务1写入记录x，r1表示事务1读取记录x，c1表示事务1提交，a1表示事务1回滚，r1[P]表示事务1按照谓词P的条件读取若干条记录，w1[y in P]表示事务1写入记录y满足谓词P的条件。

据此，ANSI定义了四种隔离级别，分别解决以上三种异常：

根据上述几种异常现象定义隔离级别，可谓十分不严谨，Jim Gray大名鼎鼎的论文A Critique of ANSI SQL Isolation Levels（后文简称Critique）就对此做了批判。

不严谨之一：禁止了P1/P2/P3的事务，即满足了Serializable级别。但是在ANSI标准中又明确描述Serializable级别为“多个并发事务执行的效果与某种串行化执行的效果等价”。显然这两者是矛盾的，禁止P1/P2/P3的事务，不一定能满足“等价于某种串行执行”。所以Critique将ANSI定义的禁止了P1/P2/P3的隔离级别称为Anomaly Serializable。

不严谨之二：异常现象定义不准确，如下例并未被A1囊括，却仍然出现了Dirty Read（Txn2读到x+y！=100）。同样，A2/A3也能举出这样的例子，感兴趣的同学可以自己尝试列举，这里不再详述。

究其原因，ANSI对异象的定义太为严格，如果除去对事务提交、回滚和数据查询范围的要求，仅保留关键的并发事务之间读写操作的顺序，更为宽松且准确的异象定义如下：

P1 Dirty Read: w1[x]...r2[x]...(c1 or a1)
P2 Fuzzy Read: r1[x]...w2[x]...(c1 or a1)
P3 Phantom: r1[P]...w2[y in P]...(c1 or a1)

不严谨之三：三种异象仅针对S(ingle) V(alue)系统，不足以定义M(ulti)V(ersion)系统的隔离性。很多商业数据库所实现的SI，未违反P1、P2和P3，但又可能出现Constraint violation，不可串行化。除了P1/P2/P3，还可能出现哪些异常呢？

P4 Lost Update：r1[x]...w2[x]...w1[x]...c1
A5A Read Skew：r1[x]…w2[x]... w2[y]…c2…r1[y] …(c1 or a1)
A5B Write Skew：r1[x]…r2[y]…w1[y]…w2[x]…(c1 and c2 occur)
A5B2 Write Skew2：r1[P]... r2[P]…w1[y in P]…w2[x in P]...(c1 and c2 occur)

对这四种情况，分别举一个例子：

r1[x=50] r2[x=50] w2[x=60] c2 w1[x=70] c1

Lost Update:事务1和事务2同时向同一个账户x分别充20和10块，事务1后提交，将70块写入数据库，事务2提交结果60块被覆盖。正确的情况下，事务1和2提交成功，账户里应该有80块。

(x+y=100) r1[x=50] w2[x=10] w2[y=90] c2 r1[y=90] c1

Read Skew: x和y账户分别有50块钱，加起来共100块。事务1读x（50块）后，事务2将x账户的40块转到y账户，事务2提交后，事务1读y（90块）。在事务1看来，x+y=140，出现了不一致。

(x+y>=60) r1[x=50] r2[y=50] w1[y=10] c1 w2[x=10] c2

Write Skew：x和y账户分别有50块钱，加起来共100块。假设存在某种约束，x和y账户的钱加起来不得少于60块。事务1和事务2在自认为不破坏约束的情况下（分别读了x账户和y账户），再分别从y账户和x账户取走40。但事实上，这两个事务完成后，x+y=20，约束条件被破坏。

(count(P)<=4):r1[count(P)=3],r2[count(P)=3],insert1[x in P],insert2[y in P],c1,c2,

Write Skew2：将Write Skew的条件改为范围。

2.隔离级别实现

上一节介绍了ANSI定义的3种异象，及根据禁止异象的个数而定义的事务隔离级别。因为不存在严格、严谨的“官方”定义，各主流数据库隔离级别的表现也略有不同，一些现象甚至让用户感到困惑。我认为相较于纠结隔离级别的准确定义，认识各数据库隔离级别的表现和实现，在生产环境中正确的使用它们才是更应该关注的事情。本节将以大篇幅具体的例子为切入点，介绍几种主流数据库隔离级别的表现，及内部对应的实现。

2.1 Lock-based 隔离级别实现

在展示Lock-based隔离级别实现前，先介绍几个与锁相关的概念：

Item Lock：对访问行加锁，可以防止dirty/fuzzy read。
Predicate Lock（gap lock）：对search的范围加锁，全表扫描直接对整张表加锁，可防止phantom read。
Short duration：语句结束后释放锁。
Long duration：事务提交或回滚后释放锁。

上述锁操作组合，便可实现不同级别的事务隔离标准，如下表所示。

其中S lock代表共享锁，X lock代表排它锁。

首先所有写操作加X locks时，都会选择Long duration，否则short duration锁被释放后，在事务提交前该条更改可能被其它事务写操作覆盖，造成脏写（dirty write）。

其次对于读操作：

Short duration Item S lock 禁止了 P1发生，读操作如果遇到正在修改的行（写事务加了X Lock），阻塞在S Lock，直到写事务提交。

**Long duration Item S lock **禁止了P2发生，写操作遇到读事务（S Lock），阻塞在X Lock上直到读事务提交或回滚。

**Long duration Predicate/Table S Lock **禁止了P3发生，(范围)写操作遇到范围读操作(加Predicate S Lock)，会被阻塞，直到读事务提交或回滚。

基于锁实现的三种隔离级别分别能禁止的异象如下表所示：

然而当今数据库基于性能等多方面考虑，很少有完全基于锁实现隔离级别的，MVCC+Lock的方式，可以满足读请求不加锁，是主流的实现方式。

2.2 Oracle隔离级别的实现

Oracle仅支持两种隔离级别：Read Committed与Serializable。尽管官方这样描述，Oracle的Serializable实际是基于MVCC+Lock based的SI（Snapshot Isolation）隔离级别。

为实现快照读，内部维护了全局变量SCN（System Commit/Change Number），在事务提交时递增。读请求获取Snapshot便是获取当前最新的SCN。Oracle实现MVCC的方式是将block分为两类：（1）Current blocks为当前最新的页面，与持久化态数据保持一致。（2）Consistent Read blocks，根据snapshot SCN生成相应的一致性版本页面。

以下两个具体的例子展示了：不同隔离级别下，读写语句在数据库内部发生了什么。

Oracle在read committed隔离级别下，每条语句都会获取最新的snapshot，读请求全部是snapshot读。写请求在更新行之前，需要加行锁。由于写操作不会因为有其它事务更新了同一行，而停止更新（除非不满足更新的谓词条件了），因此Lost Update有可能发生。

Oracle在serializable隔离级别下，事务开始便获取snapshot。读请求全部是snapshot读，而写请求在更新行之前，需要加行锁。写操作在加锁后，首先检查该行，如果发现：最近修改过这行的事务的SCN大于本事务的SCN，说明它已经被修改且无法被本事务看到，会做报错处理，避免了Lost Update。这种写冲突的实现，显然是first committer wins。

下表展示了Oracle的两种隔离级别，分别能够避免哪些异象：

2.3 MySQL（InnoDB）隔离级别实现

InnoDB同样以MVCC+Lock的方式实现隔离级别。其中普通select语句均是snapshot read。而delete/update/select for update等语句是加锁实现的current read，如下表所示（注：该表为Pecona 5.6版本的代码实现）。

InnoDB的RC隔离级别的表现与Oracle相似。而相较于Oracle的SI，InnoDB RR隔离级别依旧不能避免Lost Update（例如下例）。究其原因，InnoDB在RR隔离级别下，不会在事务提交时判断是否有其它事务修改过该行。这避免了了SI更新冲突带来的回滚代价，带来了可能发生Lost Update的风险。

由于update等操作均是加锁的当前读，因此Phantom Read的现象也是存在的（如下表所示）。但是如果将Txn1的update语句替换为select语句，Phantom Read现象则可以禁止，因为整个事务select语句使用的是同一个snapshot。

Innodb RR的实现方式虽然并非并未严格排除Lost Update和Repeatable Read，但其充分利用MVCC读不加锁的并发能力，同时current read避免了SI在更新冲突剧增时过多的回滚代价。

InnoDB还实现了Lock Based Serializable（详见2.1），禁止了所有异象。

3.MySQL (X-Engine) 隔离级别实现

X-Engine 隔离级别实现同样采用MVCC+Lock的方式，支持RC和SI，表现与Oracle的RC，Serializable一致。具体实现层面，X-Engine 实现了行级MVCC，每条记录的key都附有一个 Sequence 代表自己的版本。所有的读操作均是快照读（包括加锁读），读请求所需要的snapshot也是一个Sequence 。写写冲突处理依靠两阶段锁，并遵循First committer wins。

按照惯例，以下面两个例子分析，说明我们的实现原理：

与Oracle类似，X-Engine SI隔离级别，可以避免Lost Update：

4.总结

前文介绍了多种数据库隔离级别的表现，对比如上表所示。其种MySQL比较特殊，如前文所述，其RR级别可以禁止部分幻读现象。开发人员在使用数据库时，需要注意：尽管不同数据库隔离级别名称相同，但是表现却可能存在差异。