架构设计与重构java半栈工程师

数据库事务、隔离级别和锁

2018-02-23  本文已影响1615人  大宽宽

这是个令大多数后端同学头疼的问题。部分是因为不同的文章、文档充斥着不相容的概念。高层抽象和底层实现混到一起令人傻傻的分不清楚。此外还有一部分是SQL标准和实现压根就不一致。本文期望在众多文献中找到一条容易理解知识线，帮助大家在实际工作中更加容易明白到底怎么使用数据库的事务、隔离级别和锁。

ACID的真实含义

一般都会用ACID来表达事务的特性。A、C、I、D分别代表“原子性”，“一致性”，“隔离性”和“持久性“。这是1983年（恰好是我出生的年份）ACM的一篇期刊文章Principles of Transaction-Oriented Database Recovery给出的。这四条特性指导了30多年来数据库的模型、设计和开发。ACID很重要，基本上每篇关于数据库的事务的书、文章都要把他们拿出来重新解释一遍。但是，似乎很多人看了很多遍这种文章还是不明白（包括我在内）。因为简单列举，解释这4个概念和现实中数据库的实现不那么容易接起来。

我是这样理解这几个概念的：

所以这么整理起来。实际上事务性数据库实现的是

这四条中一、二、四不是本文要讨论的内容，不再赘述。后面主要来谈一下第三条——隔离性规则，即隔离级别的实现。

隔离级别和并发控制

SQL92标准定义了四种隔离级别——Read Uncommitted，Read Committed，Repeatable Read和Serializable。定义这4种隔离级别时，制定者主要围绕着基于锁的并发控制来说的。但是后来出现了MVCC，之后主流数据库都开始支持MVCC。有的数据库采用比较纯粹的MVCC实现，比如PostgreSQL；有的则是混杂的，比如MySQL InnoDB。这就会造成数据库的实现和标准的描述有很多出入。

其实我们并不在意标准怎么说。标准只是一个参考，引导我们理解我们能够接触的实际数据库系统的工作原理。我们先从最简单情况谈起。

最不严格的隔离级别

理论上，最不严格的隔离级别应该是不隔离。

不隔离很容易理解，不同的事务可以对同一数据并发的随便改：A事务改了一半的结果B能看到；B改了一半的结果A也能看到；如果A和B反复修改同一个数据，那么彼此的修改可以覆盖。数据系统在没有做隔离防护时，就一定会是这个样子。这样也就无所谓事务了。

这里数据访问冲突可以分为两种：

其实脏读在某些场景下还是可以接受的，比如完全不需要“读取-计算-修改”逻辑的事务。这种事务完全不在意别的事物是怎么修改的，就是自己改自己的；要不就是业务上“就算是基于一个错误的前提进行了数据修改，结果也可以接受”的场景。

而脏写是无法被接受的，因为他会让事务原子性无法实现。试想以下A和B两个事务的行为（假设x的值一开始是0）：

事务A 事务B
set x = 1
set x = 2
get x （得到2）
rollback
commit

事务B将事务A的修改覆盖了，将x改为2，然后回滚。但是事务A却commit了。此时x应该是多少呢？从事务A的角度可能应该是1，但是从事务B的角度应该是0。这种情况无论如何都不能自洽。因此，任何支持事务的数据库都有一个基本原则：不论隔离级别是什么，脏写都是不允许的！！

如何避免脏写呢？答案很简单——使用锁。实际上，一般数据库都会使用排他锁来标记要修改的数据（update，delete，select … for update)。锁的存在可以保证——写要block写。这个规则永远生效。

在MySQL InnoDB中，这种锁被称为“X锁”。它的特性是，只要有一个事务获取了一条数据的X锁，其他事物如果也想获取这个锁，就必须等待，直到第一个事务提交/回滚后释放锁，或者等到超时自动回滚。例如上面的例子的第二行事务B尝试进行set x = 2就会被排他锁卡住。有很多教程会提示一些数据库的某些隔离级别是使用MVCC而不是锁的方案来实现的，说的好像用了MVCC就完全不需要锁。这是非常容易引起误解的。事务数据库对于写操作永远需要锁来避免脏写，即使是基于MVCC的数据库。所谓某个隔离级别使用MVCC不需要锁，仅仅是指在读取的时候是否需要锁。

所以，最不严格的隔离级别的隔离级别是允许脏读，但不允许脏写。这种隔离级别被称为Read Uncommitted。这种隔离级别一般不建议使用。事务应该是数据被修改的最小单位，而Read Uncommitted丧失了“事务”这个词本身存在的意义。虽然该隔离级别可以带来一些性能上的优势，但因为其容易造成数据由于并发操作带来的问题，所以应该用在不不太在意数据正确性的场景。但如果你的业务需要性能上的优势，就说明请求量很高，而请求量很高的业务一般很重要，不太可能不需要数据正确性。如果访问请求量不高，直接用默认的隔离级别（有的数据库是Read Committed，有的是Repeatable Read）就是了，没有必要去折腾数据库配置。

如果是高性能的简单数据操作（比如根据数据ID直接修改数据行），用Read Uncommitted是可行的。但既然这样，为什么不用一个正儿八经的NoSQL数据库（比如RocksDB），从而得到高的多写入性能？

Read Uncommitted在SQL92里被定义为最低级别的隔离。但在PostgreSQL中，Read Uncommitted压根就没有实现，设置Read Uncommitted等价于设置Read Committed。

简单来说，对于事务性数据库，Read Uncommitted是鸡肋一般的存在。诸位可以无视之。

Read Committed和Repeatable Read

把这俩种隔离级别放一起说是因为它们的基本原则是一样的：读不block读和写，写不block读。只不过是发生了并行读写的隔离效果不太一样。此外，它们两个对OLTP业务代码的编写的影响差不多——它们都无法解决“写前提困境“。在深入讨论之前，这里先复述一遍这俩隔离级别的意思。

Read Committed是指一个事务能看到另外一个事务对一条数据记录已经提交的修改。例如下面的操作序列（假设变量x的值一开始是0）：

事务A 事务B
get x (得到0)
set x = 1
commit
get x (得到1)
commit

这里可以看到事务A对x的两次读取，因为发生在事务B对x修改的前后，得到了不同的结果。事务A可以看到事务B已经提交的修改。

Repeatable Read是指一个事务一旦开始，反复读取一条数据记录，都会得到相同的结果。或者说，假如有两个事务A和B，A在B之前开始，那么B对数据的修改对于事务A总是不可见的。例如下面的操作序列（假设变量x的值一开始是0）：

事务A 事务B
get x (得到0)
set x = 1
commit
get x (得到0)
commit

Repeatable Read的直观感觉仿佛是给事务做一个整个数据库做了一个快照，所以很多时候这种隔离级别又被称为Snapshot Isolation。"快照"的功能在一些场景下非常重要，如：

在基于MVCC的数据库中，一般认为只实现了Read Committed和Repeatable Read两隔离级别。PostgreSQL在9.1以前，Serializable和Repeatable Read是一样的（PostgreSQL 9.1以后的Serializable增强了数据依赖性的检查）。

此外值得一提的是幻读的问题。在SQL92标准中提到了Repeatable Read中是可以出现幻读的——即一个事务尽管不能读取到后续其他事务对现有数据的修改，但是能够读取到插入的新数据。但是，基于MVCC的实现，Repeatable Read可以完全避免幻读（这岂不是更好）。无论MySQL还是PostgreSQL在Repeatable Read隔离级别都不会出现幻读。

MVCC

MVCC是"Multi-Version Concurrency Control"的缩写。名字看上去很吓唬人，有点不明觉厉，但是可以这样简单理解——对数据库的任何修改的提交都不会直接覆盖之前的数据，而是产生一个新的版本与老版本共存，使得读取时可以完全不加锁。这个版本一般用进行数据操作的事务ID(单调递增）来定义。MVCC大致可以这么实现：

每个数据记录携带两个额外的数据created_by_txn_id和deleted_by_txn_id。

在另一个事务进行读取时，由隔离级别来控制到底取哪个版本。同时，在读取过程中，完全不加锁（除非用SELECT … FOR UPDATE强行加锁）。这样可以极大降低数据读取时因为冲突被Block的机会。

那么那些多出来的无用数据怎么被最终被清理呢？支持MVCC的数据库一般会有一个背景任务来定时清理那些肯定没用的数据。只要一个数据记录的deleted_by_txn_id不为空，并且比当前还没结束的事务ID中最小的一个还要小，该数据记录就可以被清理掉。在PostgreSQL中，这个背景任务叫做“VACUUM”进程；而在MySQL InnoDB中，叫做“purge“。

在PostgreSQL的实现中，MVCC产生的所有版本的节点都生成存储数据表的B+树的节点。新的节点和老的节点并存，只是上边的标记不同。这个实现的好处是选择读取哪个版本非常方便，可以和B+树的搜索算法合并到一起，还能兼顾SSI检测（下文会提到）。坏处是清理废弃数据相对麻烦。

MySQL采用Undo Log的实现。这种实现下，用于存储数据表的B+树节点总是只保留最新的数据，而老版本的数据被放在Undo Log里，并且以指针的形式关联起来，形成一个链表。这样，在查找老的版本时，需要按链表顺序查找，直到找到created_by_txn_id <= 当前事务ID的最新那条记录即可。这种实现的优缺点和PostgreSQL正相反，查询时会在B+树查找后多引入一个链表查询；但是清理废弃数据时会更简单，只要把Undo Log找到一个合适的位置一刀切了即可。

有了MVCC，Read Committed和Repeatable Read就的实现就很直观了：

有趣的是，隔离级别可以是一个Session级别的配置。即每一个Session可以在运行时选择自己希望使用什么隔离级别，也可以随时修改（只要当前没有尚未结束的事务）。每个Session的隔离级别和其他Session是什么隔离级别完全无关。Session只要根据自己的隔离级别，选择用MVCC提供的合适的版本即可。

MySQL InnoDB、PostgreSQL、Oracle （从版本4开始）、MS SQL Server（从版本2005开始）都实现了MVCC。值得一提的是MySQL InnoDB尽管一开始就实现了MVCC，但是之前很多人还在使用MyISAM存储引擎，而MyISAM根本就不支持事务，更不要提MVCC。直到MySQL 5.5.5，InnoDB才成为MySQL默认的搜索引擎。因此如果有想用MySQL做隔离级别实验的读者最好先弄清自己用的MySQL版本和存储引擎。

写前提困境

尽管在MVCC的加持下Read Committed和Repeatable Read都可以得到很好的实现。但是对于某些业务代码来讲，在当前事务中看到/看不到其他的事务已经提交的修改的意义不是很大。这种业务代码一般是这样的：

  1. 先读取一段现有的数据
  2. 在这个数据的基础上做逻辑判断或者计算；
  3. 将计算的结果写回数据库。

这样第三步的写入就会依赖第一步的读取。但是在1和3之间，不管业务代码离得有多近，都无法避免其他事务的并发修改。换句话说，步骤1的数据正确是步骤3能够在业务上正确的前提。

在Repeatable Read下是解决不了这个问题的，因为在步骤3时，当前事务根本就无法看到另外一个事务对数据的修改。这个问题一般被称为Lost Updates。看这个例子，假设用Repeatable Read隔离级别实现一个计数器：

事务A 事务B
get counter (counter = 1)
get counter (counter = 1)
counter = counter + 1 (counter = 2)
set counter = 2
commit
counter = counter + 1 (counter = 2)
set counter = 2
commit

这时，事务A结束后，就会丢掉一次counter的计数。

而Read Commited尽管能够看到其他事务已经提交的修改，问题在于，在Read Commited，你必须重复写一句select语句才能拿到。而不管你反复读取多少次，不管这个select离得与下面的update有多近，理论上都无法避免丢失其他事务的修改。

简单来说，这个问题就是在修改的事务在提交时，无法确保这个修改的前提是否还可靠。这种问题我称之为写前提困境。

解决这类问题有3种办法：

在事务性数据库中，第一种被称为Actual Serial Execution，第二种是加锁（手工或者自动）；第三种被称为Serializable Snapshot Isolation, SSI。

Actual Serial Execution

Actual Serial Execution是一种执行的效果，即一段代码在数据库服务器端执行时不会受到其他并发控制的干扰。但要达成这个效果并不简单。

最简单的实现方案是让整个数据库只能单线程跑。这样什么并发隔离保护的机制都可以不要，所有的数据不会有任何并发修改的问题。一些NoSQL的存储，如Redis、VoltDB都是这么实现的。但是他们这么实现是有原因的，因为他们都是基于内存的存储，其数据操作的延迟相对于网络IO几乎可以忽略不计。所以即使是单线程，配合nonblocking IO，他们的并发性能也可以非常高。但这个假设对事务性数据库并不成立，因为事务性数据库要操作磁盘/SSD。即便是SSD的写入速度，也会在数量级上低于内存。所以事务性数据库如果强行改成单线程，就会极大的损害并发性能。

此外，单线程存储因为只能使用单线程，所以一个实例只能使用一个CPU核心。在多核心机器上就会浪费资源。所以往往要单机启用多个实例。而一旦启用多个实例就意味着要提前对数据进行Partition，分配给多个实例。但是Partition会造成单Partion查询方便，跨越多个Partition的查询麻烦的问题。所以简单的说，这条路子可以走，但是有比较大的局限性，比较适合为特定业务做定制存储。

另外一种办法是用存储过程将业务逻辑包起来丢给数据库执行。但这样做其实不现实，因为存储过程本身并不具备原子性和隔离性。为了让存储过程中执行是排他的，依然需要在存储过程里声明一个事务。如果必要，可以声明当前的事务隔离级别为Serializable以避免写前提困境。例如Mysql InnoDB可以这样写。

CREATE PROCEDURE foo_proc(  
IN param_1 INT,  
IN param_2 VARCHAR(100)  
)  
BEGIN
  SET TRANSACTION ISOLATION_LEVEL SERIALIZABLE; -- 可以设定下一个事务用Serializable隔离级别
  START TRANSACTION;
  -- 一系列操作代码……
  COMMIT;
END;

这种做法其实等价于下面要讲的Serializable隔离级别。

顺便提一下，存储过程存在一系列使用上的问题，如不好开发，不好调试，不好版本管理，一旦写错可能会拖垮整个数据库服务器等。所以真的用起来先要仔细权衡是否值得使用它。

最后还有一个招数是用单SQL语句的事务。比如上面的计数器可以这样写：

UPDATE counter_tbl SET counter = counter + 1 where id = xxx;

这样写的确能保证排他性执行，因为这条语句自身可以成为一个事务，并且因为是UPDATE语句，所以必然会抢占X锁。锁的存在可以确保不会出现写前提困境。但这么做的前提是有办法把一个业务逻辑用一句修改类SQL表达。一个计数器的逻辑可以，但是复杂一些的业务就不行；或者在语法层面可行，但是写出来几百行的SQL，根本无法调试和维护。

加锁和基于锁的Serializable

通过加锁可以有效的排除所有可能的竞争问题。在MySQL InnoDB中，Serializable隔离级别是依靠MVCC + 加更多的锁。以下摘自MySQL的文档

  • SERIALIZABLE

This level is like REPEATABLE READ, but InnoDB implicitly converts all plain SELECT statements to SELECT ... LOCK IN SHARE MODE if autocommit is disabled.

简单来讲就是所有的读取要加上共享锁。与MySQL不同，在PostgreSQL中，Serializable使用SSI实现，见下文的SSI的介绍。

数据库中经典的加锁的过程被称为两阶段加锁 (2 Phases Locking, 2PL)。注意这个词和两阶段提交（2PC）很像，但他们是截然不同的两个意思。所谓两阶段加锁是指：

基于锁的Serializable的实现准则是：读要block写，写也要block读，读不block读。

还是考虑上面计数器的例子，在MySQL InnoDB Serializable隔离级别下的过程。

事务A 事务B
get counter (counter = 1, 获取共享锁）
counter = counter + 1 (counter = 2)
set counter = 2 (获取排他锁，成功)
get counter (counter = 1，获取共享锁，会被锁住)
commit（释放所有事务A的锁） get counter返回，得到counter = 2; 同时获得了counter的共享锁。
counter = counter + 1 (counter = 3)
set counter = 3 (获取排他锁)
commit

上面的例子解释了counter这条记录上的锁如何避免了counter的竞争问题。

实际上MySQL的Serializable除了锁记录，还会锁记录的间隙，避免意外的插入。这种锁概念上被称为区间锁(Range Lock)。MySQL InnoDB中的叫法是Gap Lock和Next-key Lock。

上文中有提到基于MVCC的Repeatable Read可以避免幻读。在基于锁的Serializable中做的更强硬，它会直接锁定以避免插入。

考虑下面的例子(假设age列没有索引）：

事务A 事务B
SELECT * FROM user WHERE age >= 20 and age <= 30; (获取区间锁)
INSERT INTO user(id, name, age) VALUES(200, 'Jonh', 28); 被区间锁锁住
commit （释放掉锁） INSERT获取锁定，并成功插入
commit

在MySQL中，不同的隔离级别内部实现使用不同的MVCC读取策略+不同种类的锁来完成。这就好像你春节在饭馆吃饭，得点套餐一样。那么如果这些隔离级别没有一个满足心意，或者希望根据业务逻辑实现一些定制优化，是不是可以不可以DIY一下呢？是可以的：

SELECT ... LOCK IN SHARE MODE -- 尝试将查询符合条件的记录加上共享锁，如果锁已经被占了就等待
SELECT ... FOR UPDATE -- 尝试将符合查询条件的记录加上与等价UPDATE语句一样的锁，包括排他锁和区间锁

这些语句可以无视当前的隔离级别，完全按照你的心意来加锁。举个例子，假设有一个user数据表有id和name两列。id=3的name数据初始为"tom"。事务A和B都使用隔离级别Repeatable Read。

事务A 事务B
select name from user where id = 3; (得到"tom")
update user set name = 'jack' where id = 3;
select name from user where id = 3; (得到“tom", 因为Repeatable Read的缘故)
select name from user where id = 3 for update; (会锁住，因为事务B已经获取了锁)
在MySQL中，上一句返回，并且会看到'jack'！ commit;

在MySQL中SELECT … FOR UPDATE会打破当前的Repeatable Read隔离级别，拿到另外一个事务提交的最新的数据；同样的行为在PostgreSQL执行的结果不同，PostgreSQL会检测出并发的数据修改而直接回滚事务。

基于锁的Serializable隔离级别，或者手工加锁，是可以根除任何并发冲突的，但是这是有代价的——大大的增加了锁的数量，同时也就增加了等待锁的时间以及死锁的机会。下面我们再看看SSI。

SSI和基于SSI实现的Serializable

相对于悲观锁的方案，相对应的乐观锁的方式就是SSI——Serialized Snopshot Isolation。它的大致意思是：本质上，整个事务还是Snapshot Isolation，但事务在进行过程中，除了对数据进行操作外，还要对整个事务的“写前提”——所有修改操作的依赖数据做追踪。当事务被commit时，当前事务会检查这个“写前提”是否被其他事务修改过，如果是，则回滚掉当前事务。PostgreSQL的Serializable基于SSI实现。

例如下面的是一个SSI隔离级别的例子。

事务A 事务B
get x (得到0)
set x = 1
get x (得到0) commit
set x = x + 3
commit (会失败，因为侦测到另外一个事务已经提交过修改后的x)

那么问题在于如何侦测到这个修改已经发生了？基本的办法有：

SSI并非绝对优于锁的方案。悲观锁方案和乐观锁方案的权衡点在于，冲突是否足够多。如果冲突太多，SSI会造成大量的资源浪费（做了很多计算，但是就是commit不了）；如果冲突不是很多，加锁方案带来锁等待和死锁的负面效果更显著。所以在选取方案之前，先对业务造成的并发修改冲突量有一个估计。

MySQL和PostgreSQL对比

通篇看下来你会发现MySQL和PostgreSQL对于并发控制的路子不太一样。这里稍微总结一下：

隔离级别 MySQL PostgreSQL
Read Uncommitted 支持 不支持，等价于Read Committed
Read Committed 支持，基于MVCC实现 支持，基于MVCC实现
Repeatable Read 支持，基于MVCC实现了Snapshot Isolation，可避免幻读 支持，基于MVCC实现了Snapshot Isolation，可避免幻读
Serializable 支持，Repeatable Read + 共享锁 支持，基于MVCC实现了Serialized Snapshot Isolation
默认级别 Repeatable Read Read Committed
MVCC实现 基于Undo Log 基于B+树直接记录多个版本

在MySQL中，很多开发者倾向于自己在默认隔离级别之外手工加锁。而PostgreSQL则建议尽量避免直接加锁，因为其Repeatable Read和Serializable的实现已经相当完善，开发者没必要自找麻烦。

如何写代码

说了这么多，其实还是要把关注点收回来——在基于事务性数据库进行业务开发时，应该如何进行开发。比如

我这里给出我的一般性开发原则。

大部分时候不要操这份心

因为很多互联网业务其实不需要特别在意并发时的正确性。比如一个社交网站大家发博客。一个用户自己管理自己的博客，几乎不太可能出并发性的问题。考虑如下的schema：

create table blog (
    blog_id int primary key auto_increment,
    author_id int not null,
    title varchar(40) not null,
    content longtext not null default ''
    created_at datetime default current_timestamp,
    updated_at datetime default current_timestamp on update current_timestam,
);

如果发生了并发的问题，就意味着用户同时在多个设备上编辑自己的博客，并几乎同时点击“保存”。这在现实中发生的几率非常少。即便发生了，数据会以稍后commit的事务为准。在业务上这种级别的正确性完全是可以接受的。本质上，这种场景天然的让数据发生了partition（本例子中author_id可以作为partition key），不同的事务只是修改自己那份partition而已，不会相互影响。

所以此时只需要使用数据库默认的隔离级别就可以了。基于MVCC的实现基本上免除了大部分的锁等待问题。

为特定的业务场景做优化

那么什么时候会遇到并发修改问题？比如：

具有全局数据需要增减。例如的库存数量/垫资额度要扣减。此时应该选择Serializable隔离级别或者手工SELECT … FOR UPDATE加锁。但是要特别留意，因为这样做会增加死锁等待/并发修改造成事务失败的问题发生的几率，所以尽量保证事务的粒度尽可能的小。避免一个巨大的事务长时间执行。

20～30年前对数据改动的业务逻辑的主流实现方法是，将全部业务逻辑实现在一个巨大的存储过程里，然后配合适当的隔离级别。现在的基于Web/App的业务流程早已转变成以交互为核心，所以业务逻辑会被拆解到若干个细小的事务里。其中一些业务流程（如第三方支付）不可避免的必须从事务中分离出来，做成分布式的事务。

需要读取大量数据。例如业务清算时需要读取一段时间所有的交易记录和资金流水。这种场景不属于OLTP，应该选择Repeatable Read隔离级别得到一个“快照”，并标记事务为只读SET TRANSACTION READ ONLY。这样会让数据库对事务的执行做优化，尽量避免冲突的发生。

海量数据插入到OLTP数据库。比如交易系统把每天用户的资产和收益计算后更新到OLTP数据库让用户访问。此时应该实现一个“业务事务”的概念。即不要依靠数据库的业务，而是依靠一个标记。当一个用户的数据正在更新时，应该避免用户看到部分被更新的数据。只有当数据全部更新完了，最后更新一下标记，让数据对用户可见。同时，对数据的更新应该拆解一个个小的事务，避免一个巨大的事务一次性完成更新。

简单的数据读取-更新场景。比如计数器。可以用单行UPDATE SQL的方式实现。前文中有提到。

特种业务的并发修改。比如共享文档编辑。这种情况下，无法只依靠数据库的并发控制，还必须引入业务级别的冲突检测，自动和手动的Resolve Conflict流程。这类问题找一个专题可以专门讨论一下。

避免纠结于Repeatable Read和Read Committed的区别

上文已经提到了，这两个隔离级别都无法解决“写前提困境”。所以除非你是做数据库并发控制的开发者，或者是作为兴趣研究，不要去纠结于这些细节，也不要根据这些细节来有针对性的编写业务代码。业务的发展是完全不可控的，也许今天Read Committed可以，下次稍微改动一点点代码就必须要Repeatable Read。在常规开发中，因为一点点细节的改动就要造成整个并发控制方法发生更改，是需要尽量避免的情况。

对并发冲突或者死锁尝试进行重试

在基于锁的实现中，可能会出现锁等待超时回滚；而在基于SSI的实现中，事务提交时可能会检测到并发修改，进而强行回滚事务。无论哪一种，都需要重试。需要编写代码来处理这种重试，并且需要根据业务需求确定重试的驱动者是谁——到底是后端代码，前端代码还是用户需要介入重试。

对于MySQL考虑乐观锁

因为MySQL的隔离级别不支持SSI，所以可以考虑手工实现乐观锁。即自己在数据表里增加一个version列，并且在更新数据总是将修改之前的version放在UPDATE语句的where条件里。关于手工实现乐观锁的文章有很多，有些工具比如RoR可以半自动的产生乐观锁代码，这里就不赘述了。

但是很可惜，乐观锁的实现是有前提的，即修改的数据和修改的前提是同一份数据。如果这个前提不满足就无法实现。比如这个例子: 一组值班的客服可以打卡下班，但是要保证至少有5个客服在岗。假设有一个客服工作状态的表。

create table supportor_work_status (
    supportor_id int primary key
    active bit not null default b'0'
);

需要始终这种表里active为1的行数必须高于5个。那么可能的代码为

int activeCnt = db.query("select count(*) as cnt from supportor_work_status where active = 1");
if (activeCnt > 5) {
    db.execute("update supportor_work_status set active = 0 where supportor_id = ?, selfId);
}

该事务在Repeatable Read下有机会造成少于5个人在岗。

此时，可以考虑“物化冲突”（Materialize Conflict）。即把这个冲突点变成一行数据，让数据库可以根据这行数据检测到冲突。比如上面的例子中，可以增加一个表supportor_active_count记录当前的在岗人数。并且对这条记录增加乐观锁即可。

注意监控数据库的事务执行情况

一般监控都能做到监控数据库的CPU、磁盘、IO等资源的占用情况。除此之外，应当注意对事务的执行时间和数量做监控。数据库系统本身一般并不限制事务的执行时间（但是限制事务等待一个锁的时间）。一个执行数小时甚至数天的事务极大概率是有问题的，会带来如死锁增加，MVCC垃圾得不到清理等问题。

本文来自大宽宽的碎碎念。如果觉得本文有戳到你，请关注/点赞哦。

另外欢迎加入大宽宽的面试经验交流群参加更多讨论。


image.png
上一篇下一篇

猜你喜欢

热点阅读