buptleida

MVCC,即多版本并发控制(Multi-Version Concurrency Control)指的是,通过版本链维护一个数据的多个版本,使得读写操作没有冲突,可保证不同事务读写、写读操作并发执行,提高系统性能。

实际上,innodb中“读已提交”和“可重复读”这两种隔离级别的事务在查询数据时访问版本链的过程,是基于这套原理。本文将总结MVCC机制底层原理,并解释它是如何解决“脏读”和“不可重复读”问题的。

感觉现在每总结一个知识点,总是会引出一堆相关知识,学习真的是永无止境~。首先介绍一下几种并发事务问题,和四种隔离级别,这与后文原理介绍密不可分。而且,毕竟都是面试高频考点,尊重一下。

并发事务带来的问题

  • 脏读:表示一个事务读到另一个事务未提交的数据。若另一个事务回滚,那本事务读到的数据跟数据库中的不一致;
  • 可重复读:表示一个事务读到另一个事务已提交的数据。本事务在另一个事务提交前和提交后读到的数据不一致;
  • 幻读:其它事务插入数据的前后,当前事务两次读取的数据不一致;
  • 丢弃修改:两个事务先同时读取一个数据,读到一样的数据,然后事务一先修改,事务二再修改,事务一的修改被丢弃。

事务的四种隔离级别

  • 读未提交 READ-UNCOMMITTED:一个事务能读到其它事务未提交的数据,即脏读。也会出现不可重复读和幻读。
  • 读已提交 READ-COMMITTED:一个事务只能读到其它事务已提交的数据,不会出现脏读,但是有幻读和不可重复读
    • 其它事务提交修改语句的前后,当前事务两次读取的数据可能不一样。不称之为,不可重复读;
    • 其它事务提交插入语句前后,当前事务可能会把新插入的数据也读出来。称之为,幻读;
  • 可重复读 REPEATABLE-READ(MySQL默认使用的隔离级别):对一个数据读取多次记录是相同的。sql标准里,REPEATABLE-READ禁止了脏读和不可重复读,可能会有“幻读”。但是MySQL中REPEATABLE-READ也禁止了幻读
  • 串行化 SERIALIZABLE:前三种都允许读-读、读-写、写-读的并发操作,但SERIALIZABLE中不允许读-写、写-读的并发操作,而是串行的,不会出现各种问题

innodb中采用了next-key-lock锁算法避免了幻读,使得“可重复读”级别也达到了“串行化”级别的效果

MVCC机制

我们先设定一个场景:

假设数据库表中存在一条记录row_old,这时事务A和事务B同时begin,事务A将该记录修改为了row_new,事务B读取行记录,事务A提交,事务B再次读取这条行记录。

本文中将使用该场景来分析“脏读”和“不可重复读”现象。

若事务B在A提交前读到row_new,即出现“脏读”现象;若事务B在A提交后读到row_new,即出现“不可重复读”现象。

但是,正常情况是,无论事务A是否提交,事务B读取该条记录,都只能读出row_old。

什么方法可以达到这种效果呢?可以很直观地想到,将事务A修改后的版本存起来。那么又有一系列问题,如何存,用什么结构来存?版本链便是为此而引入的。

版本链

版本链,实际上就是一条存储多个版本行记录的链表。数据库中的每一行数据都对应一个版本链。链表中每一个结点代表一个行记录。行记录中有两个重要的隐藏字段:

  • trx_id:记录修改成当前版本的事务编号;
  • roll_pointer:指向上一个版本的指针,即回滚指针。

版本链的最底层即为数据表中最原始的行记录,上层存储各个事务修改后的行记录,逐个用回滚指针相连接。版本链示意图如下所示:
image
还有一个问题,版本链是存储在哪的?没错,我们熟悉的undo log回滚日志就是用来存储版本链的 。

一致性视图

如果当前事务修改一条记录,这条更新过的记录被记录到版本链中,对于当前事务而言,由于自身事务id和版本链中最新一条行记录的trx_id相匹配,所以可以将其读取出来。但是对于其它事务而言,是不希望能读出这条记录的,而是希望它能顺着版本链,找出自己需要的版本的行记录。

那么如何找到正确的版本?这里涉及到一个快照机制。事务在执行select语句时,会生成一个一致性视图:read-view,相当于一个快照,记录正在活跃的事务的编号。

read-view里面包含一个数组,m_ids,该数组记录(产生快照的这一时刻)版本链中未提交的每个版本的trx_id组成的序列。同时,read-view还会记录一个最大已创建事务id,即 max_id,以及数组中最小id即 min_id。查询版本链时,会将行记录中的trx_id与read-view中的max_id、min_id、m_ids[]等进行比对。依据如下版本比对规则来进行比对。

版本链比对规则

  1. 如果trx_id小于min_id,说明该版本是已提交事务生成的,数据可见;
  2. 如果trx_id大于max_id,说明该版本是将来启动的事务生成的,数据不可见;
  3. 如果min_id<=trx_id<=max_id,就包括两种情况:
    • trx_id在m_ids数组中:表示这个版本是未提交事务生成的,数据不可见,本事务可见;
    • trx_id不在m_ids数组中:表示这个版本是已提交事务生成的,数据可见。

补充:删除的原理
删除可以认为是update的特殊情况。假如要删除一行记录,会将版本链上最新一条记录复制一份,将行格式头信息中(record header)里面的(deleted flag)标志位置为true,表示当前记录已被删除。若顺着版本链访问到这条记录,(deleted flag)标志位为true,表示记录已删除,不返回数据。

相关分析

“脏读”分析

让我们再回到前文提到的场景:事务A将行记录row_old修改为了row_new,未提交时,row_new行记录已经加入到了版本链,并且记录了事务A的id。此时事务B开始查询,生成快照read-view,其中的m_ids记录了未提交版本的trx_id,包括row_new的id。当查询到row_new时,其trx_id在m_ids数组中,根据版本链比对规则,其对B事务不可见,因此继续向下查找,直到找出row_old。

综上所述,read-view快照机制加上版本链匹配规则,可以杜绝“脏读”现象。

“读已提交”和“可重复读”区别

根据上文的分析,我们对MVCC机制有了一个清晰的了解。在“读已提交”隔离级别就是基于这个原理来解决“脏读”问题的。而“可重复读”隔离级别却与之不尽相同,差别如下:

  • 读已提交:每次select时都会生成一个readView;
  • 可重复读:只在事务的第一次select操作前生成一个readView,之后的查询都重复使用这个readView。

“不可重复读”分析

再次回到上文中提到的情景,假设事务A修改将row_old修改为row_new,未提交时,事务B开始执行select,生成read-view,这时事务A进行提交,然后事务B再次select,这时依然沿用上一次的read-view,row_new的id依然是记录在m_ids数组中的,所以事务B只能读取到row_old,两次读取都只能读出row_old。

这里我希望再补充一种情况:B事务尚未提交结束时,再开启一个事务C,修改row_new为row_new_c,并提交,这时版本链中新增一个row_new_c结点,记录C的id。事务B再次select,依然只能读取到row_old。因为在版本链中遍历至row_new_c时,会触发“版本对比规则”的第二条,该条记录对事务B不可见,因此继续向下查找直到找出row_old。

所以,综上所述,无论版本链发生何种改变,只要在单次事务中read-view固定不变,读取到的数据一定是维持在同一个版本。在“可重复读”级别中,就是通过沿用第一次read-view快照的方法,解决了“不可重复读”问题。

相关文章: