当前位置: 首页 > news >正文

MVCC:数据库事务隔离的 “时空魔法”

目录

一、引入

二、概念

2.1 MVCC 是什么?

2.2 什么是版本链?

2.3 ReadView 是什么?

 2.4 可见性规则:

1. trx_id < min_trx_id:已提交,可见。

2. trx_id > max_trx_id:未开始,不可见。

3. trx_id in m_ids:活跃中,未提交,不可见。

4. trx_id == creator_trx_id:自己改的,可见。

2.5 RC 与 RR 的核心区别:ReadView 的生成时机


在默认隔离级别(REPEATABLE READ)下,InnoDB 的普通 SELECT 默认是快照读(底层就是MVCC实现)。

而快照读之所以出现,根本原因正是为了解决“共享锁(S 锁)与排他锁(X 锁)互斥”带来的读写阻塞问题

💡了解一下:不普通的SELECT读就是显式加锁的 SELECT (也就是手动加锁的情况)。

一、引入

MVCC(多版本并发控制)是MySQL实现高并发事务的核心机制,其核心在于通过版本链和ReadView实现不同隔离级别下的数据可见性控制。下面我将详细解释MVCC的工作原理,以及Read View在RC(读已提交)RR(可重复读)隔离级别下的不同表现。

二、概念

2.1 MVCC 是什么?

MVCC(Multi-Version Concurrency Control)是 InnoDB 实现高并发读写的机制。
它通过以下三部分协同工作:

  • 隐藏字段:每条记录有 trx_id(最近修改事务ID)和 roll_ptr(指向旧版本)。

  • Undo Log:保存数据的历史版本,形成版本链

  • ReadView:事务执行快照读时生成的“可见性快照”,决定当前事务能看到哪个版本的数据。

2.2 什么是版本链?

版本链 = 同一条记录被多次修改后,借助 Undo Log 形成的“历史快照链表”。

InnoDB 根据 roll_ptr 指针把旧版本串起来,快照读时顺着这条链找可见版本。

2.3 ReadView 是什么?

ReadView 是一个逻辑快照,包含以下关键信息:

  • m_ids:当前活跃的事务ID列表。

  • min_trx_id:最小活跃事务ID。

  • max_trx_id:下一个将分配的事务ID。

  • creator_trx_id:创建该 ReadView 的事务ID。

 2.4 可见性规则

遍历版本链,找到第一个满足以下条件的数据版本:

1. trx_id < min_trx_id:已提交,可见。
  • min_trx_id 是当前系统中最小活跃事务 ID

  • 如果某个数据版本的 trx_id 小于 min_trx_id,说明它早于所有当前活跃事务已经提交,所以可见

2. trx_id > max_trx_id:未开始,不可见。
  • max_trx_id 是系统下一个即将分配的事务 ID

  • 如果某个数据版本的 trx_id 大于 max_trx_id,说明这个版本是由未来事务生成的,还没开始,所以不可见

3. trx_id in m_ids:活跃中,未提交,不可见。
  • m_ids 是当前活跃事务列表

  • 如果某个数据版本的 trx_id 在这个列表中,说明这个事务还没提交,所以不可见

4. trx_id == creator_trx_id:自己改的,可见。
  • 如果某个数据版本的 trx_id 就是当前事务自己的 ID,那说明是自己修改的,自己当然能看到

2.5 RC 与 RR 的核心区别:ReadView 的生成时机

隔离级别ReadView 生成时机可见性表现
RC(读已提交)每次 SELECT 都新建 ReadView每次都能看到最新已提交的数据,可能会不可重复读
RR(可重复读)事务中第一次 SELECT 创建 ReadView,之后复用整个事务内看到的数据保持一致,避免不可重复读

MVCC 是底层机制,RC 和 RR 是它暴露出来的两种“快照策略”:

  • RC 每次快照读都生成新的 ReadView,看到最新已提交数据

  • RR 只在第一次快照读时生成 ReadView,之后复用该快照,保证可重复读

 简单而言,MVCC 通过 Undo 日志保存多版本数据,ReadView 控制“哪个版本可见”。
RC 每次查询都新建 ReadView,保证“读已提交”;RR 只建一次并复用,保证“可重复读”

http://www.dtcms.com/a/313101.html

相关文章:

  • nvm切换本地nodejs环境
  • node中shapefile字符集判断
  • Sklearn 机器学习 数据聚类 KMeans实现聚类
  • wav音频格式中,ACM波形、A/mu-Law Wave、Windows PCM、Microsoft ADPCM的区别
  • 《使用Qt Quick从零构建AI螺丝瑕疵检测系统》——9. 接入真实硬件:驱动USB摄像头
  • LeetCode 分类刷题:2824. 统计和小于目标的下标对数目
  • Go语言--语法基础7--函数定义与调用--自定义函数
  • Go语言实战案例:TCP服务器与客户端通信
  • HoloLens+vuforia打包后遇到的问题
  • 图像、视频、音频多模态大模型中长上下文token压缩方法综述
  • Connection refused: no further information: localhost/127.0.0.1:2375
  • Git的安装和配置
  • JavaWeb开发
  • XSS-DOM 2
  • [硬件电路-150]:数字电路 - 数字电路与模拟电路的异同
  • 洛谷 B3841:[GESP202306 二级] 自幂数判断
  • 当Windows远程桌面出现“身份验证错误。要求的函数不受支持”的问题
  • 方差 协方差矩阵是什么
  • java的隐式类型转换和强制转换类型
  • 科威特塔观测指南:412米高空俯瞰石油城变迁
  • 在AI技术快速迭代的背景下,如何通过RAG技术提升模型的实时性和准确性?从Naive RAG到Modular RAG:AI技术进化的关键路径
  • 生成式人工智能展望报告-欧盟-04-社会影响与挑战
  • 86、信息系统建设原则
  • Java 中的多态性及其实现方式
  • AI + 云原生:正在引爆下一代应用的技术革命
  • 中国计算机学会杭州分部副主席朱霖潮:多模态大模型的研究进展与未来
  • k8s+isulad 国产化技术栈云原生技术栈搭建4-添加worker节点
  • Java函数式编程之【Stream终止操作】【上】【简单约简】
  • ethtool,lspci,iperf工具常用命令总结
  • 前端面试手撕题目全解析