当前位置: 首页 > news >正文

大厂面试题-innoDB如何解决幻读

从三个方面来回答:

1Mysql的事务隔离级别

Mysql有四种事务隔离级别,这四种隔离级别代表当存在多个事务并发冲突时,可能出现的脏读、不可重复读、幻读的问题。

其中InnoDBRR的隔离级别下,解决了幻读的问题。

2、什么是幻读?

幻读是指在同一个事务中,前后两次查询相同的范围时,得到的结果不一致

    1、第一个事务里面我们执行了一个范围查询,这个时候满足条件的数据只有一条

    2、第二个事务里面,它插入了一行数据,并且提交了

    3、接着第一个事务再去查询的时候,得到的结果比第一查询的结果多出来了一条数据。

所以,幻读会带来数据一致性问题。

3、InnoDB如何解决幻读的问题

InnoDB引入了间隙锁和next-key Lock机制来解决幻读问题,为了更清晰的说明这两锁,举一个例子:

假设现在存在这样(图片)这样一个B+Tree的索引结构,这个结构中有四个索引元分别是:1、4、7、10。

当我们通过主键索引查询一条记录,并且对这条记录通过for update加锁,

这个时候,会产生一个记录锁,也就是行锁,锁定id=1这个索引,

被锁的记录在锁释放之前,其他事务无法对这条记录做任何操作。

前面我说过对幻读的定义:幻读是指在同一个事务中,前后两次查询相同的范围时,得到的结果不一致!

注意,这里强调的是范围查询,也就是说,InnoDB引擎要解决幻读问题,必须要保证一个点,就是如果一个事务通过这样一条语句(如图)进行锁定时。

另外一个事务再执行这样一条(显示图片)insert语句,需要被阻塞,直到前面获得锁的事务释放

所以,在InnoDB中设计了一种间隙锁,它的主要功能是锁定一段范围内的索引记录

当对查询范围id>4 and id<7加锁的时候,会针对B+树中(4,7)这个开区间范围的索引加间隙锁。

意味着在这种情况下,其他事务对这个区间的数据进行插入、更新、删除都会被锁住。

但是还有另外一种情况,比如像这样

这条查询语句是针对id>4这个条件加锁,那么它需要锁定多个索引区间,所以在这种情况下InnoDB引入了next-key Lock机制。

next-key Lock相当于间隙锁和记录锁的合集,记录锁锁定存在的记录行,间隙锁锁住记录行之间间隙,而next-key Lock锁住的是两者之和。

每个数据行上的非唯一索引列上都会存在一把next-key lock,当某个事务持有该数据行的next-key lock时,锁住一段左开右闭区间的数据。

因此当通过id>4这样一种范围查询加锁时,会加next-key Lock,锁定的区间范围是:(4,7],(7,10],(10,+∞]

间隙锁和next-key Lock的区别在于加的范围,间隙锁只锁定两个索引之间的引用间隙,而next-key Lock会锁定多个索引区间,它包含记录锁和间隙锁。

当我们使用了范围查询,不仅仅命中了Record记录,还包含了Gap间隙,在这种情况下我们使用的就是临键锁,它是MySQL里面默认的行锁算法。

4、总结

虽然InnoDB中通过间隙锁的方式解决了幻读问题,但是加锁之后一定会影响到并发性能,因此,如果对性能要求较高的业务场景中,可以把隔离级别设置成RC,这个级别中不存在间隙锁。

http://www.lryc.cn/news/220180.html

相关文章:

  • 深度学习之基于Tensorflow人脸面部表情识别系统
  • centos7安装oxidized备份软件
  • 技术分享 | App测试时常用的adb命令你都掌握了哪些呢?
  • JMeter的使用——傻瓜式学习【下】
  • 嵌入式中利用VS Code 远程开发原理
  • 【多媒体文件格式】MP4、MPG、TS、3GP、3G2、3GPA
  • 学习Opencv(蝴蝶书/C++)相关——1. 前言 和 第1章.概述
  • 【数据分享】8个城市的共享单车数据(数据量约10亿条\免费获取)
  • 软件测试进阶篇----移动端测试
  • 偏序关系用分治优化建图:ARC165F
  • StripedFly恶意软件:悄无声息运行5年,感染百万设备
  • Flink SQL DataGen Connector 示例
  • 【监控指标】监控系统-prometheus、grafana。容器化部署。go语言 gin框架、gRPC框架的集成
  • 时序分解 | Matlab实现PSO-VMD粒子群算法优化变分模态分解时间序列信号分解
  • leetcode 684. 冗余连接
  • yolov8模型训练、目标跟踪
  • Flink SQL Regular Join 、Interval Join、Temporal Join、Lookup Join 详解
  • 如何在搜索引擎中应用AI大语言模型,提高企业生产力?
  • 实验七 组合器模式的应用
  • Springboot实现人脸识别与WebSocket长连接的实现
  • 智能安全帽功能-EIS智能防抖摄像头4G定位视频语音气体检测
  • TEMU跨境平台珠宝首饰RSL报告如何办理?
  • 51单片机的篮球计分器液晶LCD1602显示( proteus仿真+程序+原理图+PCB+设计报告+讲解视频)
  • 【NI-DAQmx入门】NI-DAQmx之Python
  • YoloV8目标检测与实例分割——目标检测onnx模型推理
  • pcigo图床插件的简单开发
  • Find My手机保护壳|苹果Find My与手机保护壳结合,智能防丢,全球定位
  • encode和decode的区别
  • 建设项目管理中的 5 大预算挑战
  • vue2 集成 - 超图-SuperMap iClient3D for WebGL