mysql事务原理及MVCC

时间:2020-03-25 sx_wuyj 人气:2

mysql事务原理及MVCC

事务是数据库最为重要的机制之一，凡是使用过数据库的人，都了解数据库的事务机制，也对ACID四个
基本特性如数家珍。但是聊起事务或者ACID的底层实现原理，往往言之不详，不明所以。在MySQL中
的事务是由存储引擎实现的，而且支持事务的存储引擎不多，我们主要讲解InnoDB存储引擎中的事
务。所以，今天我们就一起来分析和探讨InnoDB的事务机制，希望能建立起对事务底层实现原理的具
体了解。

事务的特性

原子性:事务最小工作单元,事务开始要不全部成功,要不全部失败.
一致性:事务的开始和结束后,数据库的完整性不会被破坏
隔离性:不同事务之间互不影响，四种隔离级别为RU（读未提交）、RC（读已提
交）、RR（可重复读）、SERIALIZABLE （串行化）。
持久性:事务提交后，对数据的修改是永久性的，即使系统故障也不会丢失。

隔离级别

有一张表,结构如下:

未提交读(RU)
- 一个事务读取到另一个事务尚未提交的数据,称之为脏读
发生时间编号 session A session B

1 begin;

2 begin;

3 update t set c="关羽" where id = 1;

4 select * from t where id = 1;

时间编号为4时,AB两个session均未提交事务,select语句读取到的值为关羽,读取到了B尚未提交的事务,此为脏读,这种隔离级别是最不安全的一种.

已提交读(RC)
- 一个事务读取到另一个事务已提交的数据,导致对同一条记录读取两次以上的结果不一致,称之为不可重复读
发生时间编号 session A session B

1 begin;

2 begin;

3 update t set c="关羽" where id = 1;

4 select * from t where id = 1;

5 commit;

6 select * from t where id = 1;

时间编号为4时,B尚未提交,此时读取到的数据依然是刘备,时间编号为5,B事务提交,时间编号为6时再次读取到的数据变成了关羽.这种情况是可以被理解的,因为B事务已经提交了.

可重复读(RR)
- 一个事务读取到另一个事务已经提交的delete或者insert数据,导致对同一张表读取两次以上结果不一致,称之为幻读
- 幻读可以通过串行化或者间隙锁来解决
发生时间编号 session A session B

1 begin;

2 begin;

3 update t set c="关羽" where id = 1;

4 select * from t where id = 1;

5 commit;

6 select * from t where id = 1;

时间编号为4时,B尚未提交,此时读取到的数据依然是刘备,时间编号为5,B事务提交,时间编号为6时再次读取到的数据依然是刘备.同一个事务中读取到的数据永远是一致的.

串行化

简单来说就是加锁,这种隔离级别是最安全的,可以解决其他隔离级别所产生的问题,但是效率较低.

发生时间编号	session A	session B
1	begin;
2		begin;
3		update t set c="关羽" where id = 1;
4	select * from t where id = 1;
5		commit;
6	select * from t where id = 1;

时间编号为4时,B尚未提交,此时读取时,将会被阻塞,处于等待中直到B事务提交释放锁,时间编号为5,B事务提交释放锁,时间编号为6时再次读取到的数据是关羽.

丢失更新,两个事务同时对一条数据进行修改时,会存在丢失更新问题.

时间	取款事务A	取款事务B
1	开始事务
2		开始事务
3	查询余额为1000元
4		查询余额为1000元
5		汇入100元,余额变为1100
6		提交事务
7	取出100元,余额变为900元
8	回滚事务
9	余额恢复为1000元,丢失更新

mysql的默认隔离级别为RR

数据库的事务并发问题需要使用并发控制机制去解决，数据库的并发控制机制有很多，最为常见
的就是锁机制。锁机制一般会给竞争资源加锁，阻塞读或者写操作来解决事务之间的竞争条件，
最终保证事务的可串行化。

而MVCC则引入了另外一种并发控制，它让读写操作互不阻塞，每一个写操作都会创建一个新版
本的数据，读操作会从有限多个版本的数据中挑选一个最合适的结果直接返回，由此解决了事务
的竞争条件。

MVCC

mvcc也是多版本并发控制,mysql中引入了这种并发机制.我们接下来就聊聊mvcc

版本链

回滚段/undo log

insert undo log
1. 是在 insert 操作中产生的 undo log。
2. 因为 insert 操作的记录只对事务本身可见，对于其它事务此记录是不可见的，所以 insert undo
  log 可以在事务提交后直接删除而不需要进行 purge 操作。
update undo log
1. 是 update 或 delete 操作中产生的 undo log
2. 因为会对已经存在的记录产生影响，为了提供 MVCC机制，因此 update undo log 不能在事务提交时就进行删除，而是将事务提交时放到入 history list 上，等待 purge 线程进行最后的删除操作

为了保证事务并发操作时，在写各自的undo log时不产生冲突，InnoDB采用回滚段的方式来维护undo
log的并发写入和持久化。回滚段实际上是一种 Undo 文件组织方式。

InnoDB行记录有三个隐藏字段：分别对应该行的rowid、事务号db_trx_id和回滚指针db_roll_ptr，其
中db_trx_id表示最近修改的事务的id，db_roll_ptr指向回滚段中的undo log。

对于使用 InnoDB 存储引擎的表来说，它的聚簇索引记录中都包含两个必要的隐藏列（ row_id 并不是
必要的，我们创建的表中有主键或者非NULL唯一键时都不会包含 row_id 列）：

trx_id ：每次对某条聚簇索引记录进行改动时，都会把对应的事务id赋值给 trx_id 隐藏列。
roll_pointer ：每次对某条聚簇索引记录进行改动时，都会把旧的版本写入到 undo日志中，然
后这个隐藏列就相当于一个指针，可以通过它来找到该记录修改前的信息。
我们有一张表

create table user(
    id int,
    name varchar,
    primary key (id)
)

insert into user values(1,'张三');

我们此时插入这条数据,假设事务id为80.

ps:咳咳~~理解意思就好,捂脸.jpg

每次对记录进行改动，都会记录一条 undo日志，每条 undo日志也都有一个 roll_pointer 属性
（ INSERT 操作对应的 undo日志没有该属性，因为该记录并没有更早的版本），可以将这些 undo日志
都连起来，串成一个链表，所以现在的情况就像下图一样：

对该记录每次更新后，都会将旧值放到一条 undo日志中，就算是该记录的一个旧版本，随着更新次数
的增多，所有的版本都会被 roll_pointer 属性连接成一个链表，我们把这个链表称之为版本链，版本
链的头节点就是当前记录最新的值。另外，每个版本中还包含生成该版本时对应的事务id，这个信息很
重要，我们稍后就会用到。

如下图所示(初始状态):

当事务2使用UPDATE语句修改该行数据时，会首先使用排他锁锁定改行，将该行当前的值复制到undo
log中，然后再真正地修改当前行的值，最后填写事务ID，使用回滚指针指向undo log中修改前的行。
如下图所示（第一次修改）：

当事务3进行修改与事务2的处理过程类似，如下图所示（第二次修改）:

REPEATABLE READ隔离级别下事务开始后使用MVCC机制进行读取时，会将当时活动的事务id记录下
来，记录到Read View中。READ COMMITTED隔离级别下则是每次读取时都创建一个新的Read View。

ReadView

对于使用 READ UNCOMMITTED 隔离级别的事务来说，直接读取记录的最新版本就好了，对于使用
SERIALIZABLE 隔离级别的事务来说，使用加锁的方式来访问记录。对于使用 READ COMMITTED 和
REPEATABLE READ 隔离级别的事务来说，就需要用到我们上边所说的版本链了，核心问题就是：需要
判断一下版本链中的哪个版本是当前事务可见的。所以设计 InnoDB 的大叔提出了一个 ReadView 的概
念，这个 ReadView 中主要包含当前系统中还有哪些活跃的读写事务，把它们的事务id放到一个列表
中，我们把这个列表命名为为 m_ids 。这样在访问某条记录时，只需要按照下边的步骤判断记录的某个
版本是否可见：

如果被访问版本的 trx_id 属性值小于 m_ids 列表中最小的事务id，表明生成该版本的事务在生成
ReadView 前已经提交，所以该版本可以被当前事务访问。
如果被访问版本的 trx_id 属性值大于 m_ids 列表中最大的事务id，表明生成该版本的事务在生成
ReadView 后才生成，所以该版本不可以被当前事务访问。
如果被访问版本的 trx_id 属性值在 m_ids 列表中最大的事务id和最小事务id之间，那就需要判断
一下 trx_id 属性值是不是在 m_ids 列表中，如果在，说明创建 ReadView 时生成该版本的事务还
是活跃的，该版本不可以被访问；如果不在，说明创建 ReadView 时生成该版本的事务已经被提
交，该版本可以被访问。

如果某个版本的数据对当前事务不可见的话，那就顺着版本链找到下一个版本的数据，继续按照上边的
步骤判断可见性，依此类推，直到版本链中的最后一个版本，如果最后一个版本也不可见的话，那么就
意味着该条记录对该事务不可见，查询结果就不包含该记录。

在 MySQL 中， READ COMMITTED 和 REPEATABLE READ 隔离级别的的一个非常大的区别就是它们生成
ReadView 的时机不同，我们来看一下。

RC隔离级别和RR隔离级别区别

每次读取数据前都生成一个ReadView

比方说现在系统里有两个 id 分别为 100 、 200 的事务在执行：
```
# Transaction 100
BEGIN;
UPDATE user SET name = '张三' WHERE id = 1;
UPDATE user SET name = '李四' WHERE id = 1;
复制代码
# Transaction 200
BEGIN;
# 更新了一些别的表的记录
...
```
假设现在有一个使用 READ COMMITTED 隔离级别的事务开始执行：
```
# 使用READ COMMITTED隔离级别的事务
BEGIN;
# SELECT1：Transaction 100、200未提交
SELECT * FROM user WHERE id = 1; # 得到的列name的值为'王五'
```
这个 SELECT1 的执行过程如下：
- 在执行 SELECT 语句时会先生成一个 ReadView ， ReadView 的 m_ids 列表的内容就是 [100,
  200] 。
- 然后从版本链中挑选可见的记录，最新版本的列name 的内容是 '张三' ，该版本的trx_id 值为 100 ，在 m_ids 列表内，所以不符合可见性要求，根据 roll_pointer 跳到下一个版本。
- 下一个版本的列 name 的内容是 '李四' ，该版本的 trx_id 值也为 100 ，也在 m_ids 列表内，所以也不符合要求，继续跳到下一个版本。
- 下一个版本的列 name 的内容是 '王五' ，该版本的 trx_id 值为 80 ，小于 m_ids 列表中最小的事务id 100 ，所以这个版本是符合要求的，最后返回给用户的版本就是这条列 name 为 '王五' 的记录。
之后，我们把事务id为 100 的事务提交一下，就像这样：
```
# Transaction 100
BEGIN;
UPDATE user SET name = '关羽' WHERE id = 1;
UPDATE user SET name = '张飞' WHERE id = 1;
COMMIT;
```
然后再到事务id为 200 的事务中更新一下表 user 中 id 为1的记录：
```
# Transaction 200
BEGIN;
# 更新了一些别的表的记录
...
UPDATE user SET name = '云六' WHERE id = 1;
UPDATE user SET name = '王麻子' WHERE id = 1;
```
然后再到刚才使用 READ COMMITTED 隔离级别的事务中继续查找这个id为 1 的记录，如下：
```
# 使用READ COMMITTED隔离级别的事务
BEGIN;
# SELECT1：Transaction 100、200均未提交
SELECT * FROM user WHERE id = 1; # 得到的列name的值为'李四'
# SELECT2：Transaction 100提交，Transaction 200未提交
SELECT * FROM user WHERE id = 1; # 得到的列name的值为'张三'
```
这个 SELECT2 的执行过程如下：
- 在执行 SELECT 语句时会先生成一个 ReadView ， ReadView 的 m_ids 列表的内容就是 [200] （事务id为 100 的那个事务已经提交了，所以生成快照时就没有它了）。
- 然后从版本链中挑选可见的记录，最新版本的列 name 的内容是 '王麻子' ，该版本的 trx_id 值为 200 ，在 m_ids 列表内，所以不符合可见性要求，根据 roll_pointer 跳到下一个版本。
- 下一个版本的列 name 的内容是 '云六' ，该版本的 trx_id 值为 200 ，也在 m_ids 列表内，所以也不符合要求，继续跳到下一个版本。
- 下一个版本的列 name 的内容是 '张三' ，该版本的 trx_id 值为 100 ，比 m_ids 列表中最小的事务
  id 200 还要小，所以这个版本是符合要求的，最后返回给用户的版本就是这条列name 为 '张三' 的记录。
以此类推，如果之后事务id为 200 的记录也提交了，再此在使用 READ COMMITTED 隔离级别的事务中查询表user 中 id 值为 1 的记录时，得到的结果就是 '王麻子' 了，具体流程我们就不分析了。总结一下就
是：使用READ COMMITTED隔离级别的事务在每次查询开始时都会生成一个独立的ReadView。
只在第一次读取数据生成一个ReadView

对于使用 REPEATABLE READ 隔离级别的事务来说，只会在第一次执行查询语句时生成一个
ReadView ，之后的查询就不会重复生成了。我们还是用例子看一下是什么效果。

比方说现在系统里有两个 id 分别为 100 、 200 的事务在执行:
```
# Transaction 100
BEGIN;
UPDATE user SET name = '张三' WHERE id = 1;
UPDATE user SET name = '李四' WHERE id = 1;
复制代码
# Transaction 200
BEGIN;
# 更新了一些别的表的记录
...
```
假设现在有一个使用 REPEATABLE READ 隔离级别的事务开始执行:
```
# 使用REPEATABLE READ隔离级别的事务
BEGIN;
# SELECT1：Transaction 100、200未提交
SELECT * FROM user WHERE id = 1; # 得到的列name的值为'王五'
```
这个 SELECT1 的执行过程如下：
- 在执行 SELECT 语句时会先生成一个 ReadView ， ReadView 的 m_ids 列表的内容就是 [100,
  200] 。
- 然后从版本链中挑选可见的记录，最新版本的列 name 的内容是 '张三' ，该版本的trx_id 值为 100 ，在 m_ids 列表内，所以不符合可见性要求，根据 roll_pointer 跳到下一个版
  本。
- 下一个版本的列name 的内容是 '李四' ，该版本的 trx_id 值也为 100 ，也在 m_ids 列表内，所以也不符合要求，继续跳到下一个版本。
- 下一个版本的列name 的内容是 '王五' ，该版本的 trx_id 值为 80 ，小于 m_ids 列表中最小的事务id 100 ，所以这个版本是符合要求的，最后返回给用户的版本就是这条列 name 为 '王五' 的记录。
之后，我们把事务id为 100 的事务提交一下，就像这样：
```
# Transaction 100
BEGIN;
UPDATE user SET name = '李四' WHERE id = 1;
UPDATE user SET name = '张三' WHERE id = 1;
COMMIT;
```
然后再到事务id为 200 的事务中更新一下表user 中 id 为1的记录:
```
# Transaction 200
BEGIN;
# 更新了一些别的表的记录
...
UPDATE user SET name = '云六' WHERE id = 1;
UPDATE user SET name = '王麻子' WHERE id = 1;
```
然后再到刚才使用 REPEATABLE READ 隔离级别的事务中继续查找这个id为 1 的记录，如下:
```
# 使用REPEATABLE READ隔离级别的事务
BEGIN;
# SELECT1：Transaction 100、200均未提交
SELECT * FROM user WHERE id = 1; # 得到的列name的值为'李四'
# SELECT2：Transaction 100提交，Transaction 200未提交
SELECT * FROM user WHERE id = 1; # 得到的列name的值仍为'李四'
```
这个 SELECT2 的执行过程如下：
- 因为之前已经生成过 ReadView 了，所以此时直接复用之前的 ReadView ，之前的 ReadView 中的
  m_ids 列表就是 [100, 200] 。
- 然后从版本链中挑选可见的记录，最新版本的列 name 的内容是 '王麻子' ，该版本的 trx_id 值为 200 ，在 m_ids 列表内，所以不符合可见性要求，根据 roll_pointer 跳到下一个版本。
- 下一个版本的列 name的内容是 '云六' ，该版本的 trx_id 值为 200 ，也在 m_ids 列表内，所以也不符合要求，继续跳到下一个版本。
- 下一个版本的列 name 的内容是 '张三' ，该版本的 trx_id 值为 100 ，而 m_ids 列表中是包含值为
  100 的事务id的，所以该版本也不符合要求，同理下一个列 name的内容是 '关羽' 的版本也不符合要求。继续跳到下一个版本。
- 下一个版本的列 name 的内容是 '李四' ，该版本的 trx_id 值为 80 ， 80 小于 m_ids 列表中最小的事务id 100 ，所以这个版本是符合要求的，最后返回给用户的版本就是这条列 name 为 '李四' 的记录。
也就是说两次 SELECT 查询得到的结果是重复的，记录的列 name 值都是 '李四' ，这就是可重复读的含义。如果我们之后再把事务id为 200 的记录提交了，之后再到刚才使用 REPEATABLE READ 隔离级别的事务中继续查找这个id为 1 的记录，得到的结果还是 '李四' ，具体执行过程大家可以自己分析一下。

InnoDB的MVCC实现

我们首先来看一下wiki上对MVCC的定义:

Multiversion concurrency control (MCC or MVCC), is a concurrency control
method commonly used by database management systems to provide
concurrent access to the database and in programming languages to
implement transactional memory.

由定义可知，MVCC是用于数据库提供并发访问控制的并发控制技术。与MVCC相对的，是基于锁的并
发控制， Lock-Based Concurrency Control 。MVCC最大的好处，相信也是耳熟能详：读不加锁，读
写不冲突。在读多写少的OLTP应用中，读写不冲突是非常重要的，极大的增加了系统的并发性能，这
也是为什么现阶段，几乎所有的RDBMS，都支持了MVCC。

多版本并发控制仅仅是一种技术概念，并没有统一的实现标准，其核心理念就是数据快照，不同的事务
访问不同版本的数据快照，从而实现不同的事务隔离级别。虽然字面上是说具有多个版本的数据快照，
但这并不意味着数据库必须拷贝数据，保存多份数据文件，这样会浪费大量的存储空间。InnoDB通过
事务的undo日志巧妙地实现了多版本的数据快照。

数据库的事务有时需要进行回滚操作，这时就需要对之前的操作进行undo。因此，在对数据进行修改
时，InnoDB会产生undo log。当事务需要进行回滚时，InnoDB可以利用这些undo log将数据回滚到修
改之前的样子。

以上就是本篇博客分享的内容,欢迎提出问题,讨论交流.

联系方式:sx_wuyj@163.com

加载全部内容