关于脏读,幻读,可重复读的学习

  1. mysql 可以查询当前事务隔离级别

默认是RR
repeatable-read

  1. 如果要测脏读 要配成未提交读 RU

读到了未提交的数据。

3.演示不可重复读
要改成提交读 RC

这个是指事务还未结束,其他事务修改了值。导致我两次读的不一样。

4.RR–可以解决不可重复读

小总结:
RU-》有脏读-》为了解决脏读来一个RC,读已提交-》有不可重复读的问题-》为了解决不可重复读的问题来一个RR。-》有幻读-》

5.在RR隔离级别下,快照读的数据范围是:
✅ ​事务首次SELECT时已提交的数据​ + ​当前事务自身的修改

6.当前读 vs 快照读​
​快照读​(普通SELECT)→ 依赖Read View,​不包含未提交数据​

​当前读​(SELECT FOR UPDATE)→ 读取最新数据(含未提交),通过锁机制实现

7.​事务开始 ≠ 快照生成​
RR下快照在第一个SELECT时生成,而非BEGIN执行时
。例如:
sql
复制
BEGIN; – 事务开始,但未生成Read View
SELECT …; – 生成Read View并记录快照

8.innodb 的MVCC+间隙锁,让RR级别就解决了幻读。

9.MVCC

mutiversion concurrency control
多版本并发控制器

事务隔离级别的无锁的实现方式,提高事务的并发性能。

是事务隔离级别的一种底层实现方式。

并不是所有的隔离级别都用到MVCC。

4级别

读未提交–>脏读
读已提交—>不可重复读
可重复读----》幻读
串行化 Serializable S SER 锁表。

然后幻读–》事务1对整个表进行汇总
如对某字段求和。 但是另外一个事务插入了一条数据。

幻读与不可重复读看起来像,但是幻读往往针对整张表,而不可重复读是针对某一条或者几条数据。

MVCC–3个隐藏列
1.事务ID
2.DB_ROLL_PTR
如果回滚可以链到之前的数据。
3.无主键时有一个row id。这个不重要

历史数据存储于 undo log。

若读已提交,从undo log中找历史数据。

若RC。每次查询,创建一个ReadView

定位到undolog。。。

当前事务 正在并发的事务 未开始的

进行中的事务—》还未提交的有个最小的
最大的 可能还未开始。

自己写的可以。
快照之前已提交的可以。

如果是快照瞬间,活跃事务做的。
读已提交是不行的。

最小最大中—只有它自己的OK。

小于最小的 一直OK

大于最大的 一直不OK.

徐庶讲的是读已提交下的MVCC。

另外的也讲了:
读未提交,不需加锁,也不需MVCC

串行化—表锁 无需MVCC

可重复读—》只有在第一次查询建快照。

所以RC RR MVCC机制大体相似,只是是否每次查询建快照的区别。

简单理解就是一次RC里面做了多次RR。没什么意义的评论。

10.关于徐庶说RR无法解决幻读的争议。
字节面试官说MVCC+间隙锁解决了幻读
刚刚看的视频,UP演示的也是RR能解决幻读。

总结:
数据库的隔离级别分四种:
读未提交 RU
读已递交 RC
可重复读 RR
序列化读 S

其中读未提交 RU有脏读问题。意思是当前事务能够读到其他事务未提交的数据,若发生回滚,导致脏读。

读已提交模式下,存在在同一个事务中读取一个查询两次结果不同的问题。这个是由于事务进行期间,其他事务提交修改了数据。如果不想这种事情发生,可以设置可重复读,RR隔离级别。

mysql 的默认RR隔离级别已经很强,不仅解决了不可重复度的问题,甚至能够通过MVCC+间隙锁解决大部分幻读。

幻读与不可重复度在表现上类似,但是幻读一般是一些基于全表的统计案例。而不可重复度是针对单条或者少量的数据的查询。

间隙锁的原理是不仅一行一行的把数据锁住,还锁住数据与数据之间的间隙。

MVCC全称是Multiversion concurrency control。它是mysql数据库关于隔离级别读已提交和可重复读的一种无锁实现方式,提升性能。

具体的原理是:
首先mysql有三个隐藏列,一个是当前事务ID,一个是若发生回滚,指向旧数据UndoLog的指针。另外一个是rownum与本主题无关。

对于可重复读隔离级别,在事务第一次select时,生成readView。记录当前未完成的事务ID最小值,以及最大值。

源码进行了四次判断,较复杂,我对它进行了逻辑简化如下:
快照抓取到一个事务ID范围。严格在这个范围之前的,代表快照时已经提交。所以能查到。在这个范围之后的,代表是快照后新启的事务,应该看不到。而在这个事务当中,只有当前事务它自己做的数据修改或者创建能看到,其他事务ID的数据不可见。

后续同一个事务的其他读,依然基于此快照实现。

以上是可重复读基于MVCC的实现。

读已提交的底层实现与可重复读类似,都使用了MVCC。只是读已提交每次查询都建立一个ReadView,这样就能达成每次都查询已提交的数据。

对于读未提交,直接读最新数据即可,既不需要上锁,也不需要使用MVCC。
对于序列化读,会使把所有数据都加Next-Key Lock
也就是行锁(Record Lock )加间隙锁(Gap Lock)。影响性能,一般只在严格要求绝对安全的金融、银行等企业使用。

纠正字节面试官的一个点 mysql 的 innoDb 使用MVCC + Next-Key Lock解决幻读。而不是MVCC+间隙锁。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.pswp.cn/diannao/86207.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

华为云Astro中服务编排、自定义模型,页面表格之间有什么关系?如何连接起来?如何操作?

目录 一、核心关系解析 二、连接方式与操作步骤 (一)服务编排与自定义模型的连接 (二)自定义模型与页面表格的连接 (三)服务编排与页面表格的连接 三、操作示例:构建数据处理闭环 场景:用户在页面表格中修改设备信息,触发服务编排校验数据并更新数据库。 四、…

Docker镜像无法拉取问题解决办法

最近再学习RabbitMQ,需要从Docker镜像中拉取rabbitMQ,但是下拉失败 总的来说就是无法和docker镜像远程仓库建立连接 我又去尝试ping docker.io发现根本没有反应,还是无法连接找了许多办法还是没有办法解决,最后才发现是镜像问题&a…

向 AI Search 迈进,腾讯云 ES 自研 v-pack 向量增强插件揭秘

作者:来自腾讯云刘忠奇 2025 年 1 月,腾讯云 ES 团队上线了 Elasticsearch 8.16.1 AI 搜索增强版,此发布版本重点提升了向量搜索、混合搜索的能力,为 RAG 类的 AI Search 场景保驾护航。除了紧跟 ES 官方在向量搜索上的大幅优化动…

electron-vite串口通信

一、构建项目后,安装“串口通信库” npm install serialport二、设置 npm install --save-dev electron-rebuild ./node_modules/.bin/electron-rebuild 注意:如果执行报错以下问题 1、未配置python变量 2、没有Microsoft Visual Studio BuildTools 3…

Cisco IOS XE WLC 任意文件上传漏洞复现(CVE-2025-20188)

免责申明: 本文所描述的漏洞及其复现步骤仅供网络安全研究与教育目的使用。任何人不得将本文提供的信息用于非法目的或未经授权的系统测试。作者不对任何由于使用本文信息而导致的直接或间接损害承担责任。如涉及侵权,请及时与我们联系,我们将尽快处理并删除相关内容。 前…

从 iPhone 备份照片: 保存iPhone图片的5种方法

随着智能手机越来越融入我们的生活,我们的照片已成为我们设备上最有价值的数据形式之一。然而,iPhone内部存储空间仍然有限,因此我们需要将iPhone中的照片备份到另一个地方,以释放空间并确保珍贵的图像记忆的安全。阅读本指南&…

Ubuntu崩溃修复方案

当Ubuntu系统崩溃时,可依据崩溃类型(启动失败、运行时崩溃、完全无响应)选择以下修复方案。以下方法综合了官方推荐和社区实践,按操作风险由低到高排序: 一、恢复模式(Recovery Mode) 适用场景​​:系统启动卡顿、登录后黑屏、软件包损坏等。 ​​操作步骤​​: ​…

免费批量文件重命名工具

免费批量文件重命名工具 🌐 网站: 免费批量文件重命名工具 📌 工具简介 一款功能强大的批量文件重命名工具,支持多种重命名方式,操作简单,完全免费! 🚀 主要功能 功能描述自定义重命名直接输…

VR博物馆推动现代数字化科技博物馆

VR博物馆:推动现代数字化科博馆新篇章 随着科技的飞速发展,虚拟现实(Virtual Reality, VR)技术已经逐渐渗透到我们生活的方方面面,其中,VR博物馆作为现代数字化科博馆的重要形式之一,以独特的优…

COMSOL与MATLAB联合仿真人工智能的电学层析成像系统

关键词:MATLAB,电学层析成像,人工智能,图像重建,深度学习 一、引言 基于人工智能的电学层析成像系统是一种创新的检测技术,结合了电学层析成像技术与人工智能算法的优势。电学层析成像技术,简…

【Latex】Windows/Ubuntu 绘制 eps 矢量图通用方法(drawio),支持插入 Latex 数学公式

一直感觉 Visio 或者 PPT 中 Mathtype 对 latex 公式渲染效果不好,且在 Ubuntu 下的支持不好,最近重新调研发现一个好用的工具 drawio。 在线使用 https://app.diagrams.net/?srcabout 也有桌面版的应用,Windows 就下载 exe 安装器&#x…

selenium自动化测试学习心得1

1. 关于测试用例的顺序 首先在你测试的主类上面写TestMethodOrder(MethodOrderer.OrderAnnotation.class) 然后在测试用例上面, 写Order(),里面的数字越小,测试的优先级越大 2. 关于getText()和getAttribute("innerText") getText() 是 Selenium 方法,…

Spring AI 结合DeepSeek使用教程

Spring AI 结合DeepSeek使用教程 一、环境搭建与项目初始化 创建Spring Boot项目 使用IDEA或Spring Initializr创建项目,选择JDK 17或更高版本(推荐21)。勾选依赖项:Spring Web、Lombok,Maven或Gradle作为构建工具。添…

Android 布局优化:掌握 <include> 与 <merge> 的实战技巧

引言 在 Android 开发中&#xff0c;布局文件是 UI 设计的核心载体&#xff0c;但随着项目复杂度增加&#xff0c;布局冗余、嵌套层级过深等问题会导致性能下降。本文将通过 代码级实战示例&#xff0c;详细解析如何利用 <include> 和 <merge> 标签优化布局&#…

【storage】

文章目录 1、RAM and ROM2、DRAM and SRAM2、Flash Memory&#xff08;闪存&#xff09;4、DDR and SPI NOR Flash5、eMMC6、SPI NOR vs SPI NAND vs eMMC vs SD附录——prototype and demo board附录——U盘、SD卡、TF卡、SSD参考 1、RAM and ROM RAM&#xff08;Random Acce…

Python异步编程-协程

1、引言 在使用多个爬虫脚本进行数据爬取和调用大语言模型返回结果的场景中&#xff0c;涉及到大量的网络IO操作。协程能够让网络IO操作并发执行&#xff0c;极大地提升程序的运行效率。在智能体相关的开源项目中&#xff0c;我们也可以经常看到协程的身影。 2、协程 协程&a…

大语言模型提示词(LLM Prompt)工程系统性学习指南:从理论基础到实战应用的完整体系

文章目录 前言&#xff1a;为什么提示词工程成为AI时代的核心技能一、提示词的本质探源&#xff1a;认知科学与逻辑学的理论基础1.1 认知科学视角下的提示词本质信息处理理论的深层机制图式理论的实际应用认知负荷理论的优化策略 1.2 逻辑学框架下的提示词架构形式逻辑的三段论…

Android音频开发:Speex固定帧与变长帧编解码深度解析

引言 在Android音频开发领域&#xff0c;Speex作为一种开源的语音编解码器&#xff0c;因其优秀的窄带语音压缩能力被广泛应用。在实际开发中&#xff0c;帧处理策略的选择直接影响着音频传输质量、带宽占用和系统资源消耗。本文将深入探讨Speex编解码中固定帧与变长帧的实现差…

Docke启动Ktransformers部署Qwen3MOE模型实战与性能测试

docker运行Ktransformers部署Qwen3MOE模型实战及 性能测试 最开始拉取ktransformers:v0.3.1-AVX512版本&#xff0c;发现无论如何都启动不了大模型&#xff0c;后来发现是cpu不支持avx512指令集。 由于本地cpu不支持amx指令集&#xff0c;因此下载avx2版本镜像&#xff1a; …

算术操作符与类型转换:从基础到精通

目录 前言&#xff1a;从基础到实践——探索运算符与类型转换的奥秘 算术操作符超级详解 算术操作符&#xff1a;、-、*、/、% 赋值操作符&#xff1a;和复合赋值 单⽬操作符&#xff1a;、--、、- 前言&#xff1a;从基础到实践——探索运算符与类型转换的奥秘 在先前的文…