【数据库】数据库原理

1、事务

概念：事务是满足ACID特性的一组操作

• 原子性（Atomic）：一组操作要么都执行，要么都不执行
  执行失败的事务，通过回滚将已执行的操作进行撤销。回滚通过回滚日志（Undo Log）来实现，它记录着事务执行所作的操作，反向执行就可以恢复事务前的状态
• 一致性（Consistency）：数据库在事务执行前或后都保持一致性状态
  就是说在事务执行之前或执行之后，所有其他事务对同一个数据的读取结果是相同的，不存在你读是一个值，另一个操作读又是另一个值的情况
• 隔离性（Isolation）：一个事务所作的修改，在提交之前，对其他事务是不可见的
• 持久性（Durability）：事务一旦提交，它所做的修改将永久地保存在数据库中，即使系统崩溃也不能丢失
  系统发生崩溃可以用重做日志（Redo Log）进行恢复，从而实现持久性。与回滚日志记录数据的逻辑修改不同，重做日志记录的是数据页的物理修改

undo log 和 redo log

• undo log记录的是逻辑修改，并不是真实的对数据库的修改，当事务回滚时，将逻辑恢复为原来的样子
  • 用途：事务的回滚，MVCC
  • 分类：
    insert undo log 是插入数据产生的undo log，只对本条事务可见，所以事务提交后可以删除
    update undo log是删除或修改时产生的undo log，可能提供MVCC，所以事务提交后不可删除
• redo log主要应对系统崩溃的情况，记录的是数据页的物理变化，当数据库崩溃的时候，将数据库恢复为原来的样子
  • 组成：redo log buffer 和 redo log file，分别存在内存和磁盘中
  • 记录时机：内存中数据——内存中redo——磁盘redo——磁盘数据

2、并发一致性问题

并发环境下，很难保证事务之间的隔离性，因此会发生很多一致性问题

• 丢失修改：一个事务的更新操作被另一个事务的更新操作覆盖了
• 脏读：一个事务读到了另一个事务未提交的数据，如果那个事务后面回滚了，读到的就是一个无效的脏数据
• 不可重复读：同一个事务内，前后读同一个数据，读到的值不一致
• 幻读：一个事务内两次读一个范围的数据，之间有另一个事务往这个范围内插入了新数据，导致这两次都读的结果不一样，本质上也属于不可重复读

通过并发控制可以解决并发一致性问题，一个途径是加锁，但是如果让开发人员控制加锁太复杂了，数据库管理系统提供了事务间的隔离级别，来简化这个过程

3、隔离级别

• 读未提交：事务可以读到其他事务还没提交的数据
• 读已提交：事务只能读到其他事务已经提交的数据，也就是说，一个事务在提交之前，它所做的修改对于其他的事务来说是不可见的
• 可重复读：保证在同一个事务中多次读取同一数据的结果是一样的
• 可串行化：事务串行化执行，这样互不干扰，就不会产生一致性问题。这个隔离级别需要加锁实现
  

4、MVCC

多版本并发控制是MySql的InnoDB引擎实现隔离级别的一种具体方式

主要实现了读已提交和可重复读两种隔离级别，默认的隔离级别是可重复读

读未提交每次都读最新的数据，无需MVCC

可串行化需要加锁，光靠MVCC做不到

• 行格式

行格式就是InnoDB 在保存每一行的数据的时候，究竟是以什么样的格式来保存这行数据的

真实数据列部分中，列1…列N是我们存储的正常数据，除此之外

DB_ROW_ID是行id，用来唯一标识一行数据

DB_TRX_ID是事务id，表示了当前行是被哪个事务修改的。当一个事务开启的时候，会分配到一个事务id，这个id是严格单调递增且唯一的

DB_ROLL_PTR是回滚指针，它指向一条undo log的地址，通过这条undo log，可以使这行数据恢复到上一个版本

• MVCC

核心思想： 保存数据库行的历史版本，通过对数据行的多个版本进行管理来实现对数据库的版本控制，换句话说，每个数据库行是有多个历史版本的

精髓在下图，绿色箭头相当于undo log，可以恢复出数据行的历史版本

接下来结合两个隔离级别来说明这个图

1、可重复读

当我们开启一个事务的时候，会申请到一个事务id，同时在事务开启的一瞬间会生成一个数组，这个数组记录了此时活跃的事务id，也就是已开启还未提交的事务

当当前事务想要去查看某一行数据的时候，会先看那行数据的DB_TRX_ID：

• 如果DB_TRX_ID等于当前事务id：说明这行数据就是当前事务修改的，数据可见
• 如果DB_TRX_ID小于数组的最小值：说明在当前事务开启之前，这条数据已经提交了，那数据就是可见的
• 如果DB_TRX_ID大于数组的最大值：说明修改这条数据的事务是在当前事务开启后才开启的，那数据就不可见
• 如果DB_TRX_ID的值在数组最大值和最小值之间，但不在数组中：说明这条数据是被和当前事务同时活跃的，但是提交的早的事务修改的，所以数据可见
• 如果DB_TRX_ID的值在数组最大值和最小值之间，但不在数组中：说明修改数据的事务还没提交，数据不可见

当数据不可见的时候，就沿着undo log恢复上一个版本，进行上面的判断

2、读已提交

和可重复读是类似的，只是它会在执行每一个语句前生成这个数组，也就是一致性视图

3、MVCC的注意点

注意MVCC不是完全不加锁，只是避免了select操作时的加锁

读的时候使用了快照读和上面的一致性视图，

写的时候使用的是当前读，而不是快照读，这样也避免了丢失修改

在一定程度上实现了读写并发控制，读写互不阻塞

5、Next-Key Locks

MVCC 不能解决幻影读问题，Next-Key Locks 就是为了解决这个问题而存在的。在可重复读（REPEATABLE READ）隔离级别下，使用 MVCC + Next-Key Locks 可以解决幻读问题

Record Locks

锁定一个记录上的索引，而不是记录本身

Gap Locks

锁定索引之间的间隙，但是不包含索引本身。例如当一个事务执行以下语句，其它事务就不能在 t.c 中插入 15

SELECT c FROM t WHERE c BETWEEN 10 and 20 FOR UPDATE;

Next-Key Locks

它是 Record Locks 和 Gap Locks 的结合，不仅锁定一个记录上的索引，也锁定索引之间的间隙。它锁定一个前开后闭区间，例如一个索引包含以下值：10, 11, 13, and 20，那么就需要锁定以下区间

(-∞, 10]
(10, 11]
(11, 13]
(13, 20]
(20, +∞)

6、关系数据库设计理论

1. 第一范式 (1NF)

属性不可分

2. 第二范式 (2NF)

每个非主属性完全函数依赖于键码

消除部分依赖

可以通过分解来满足

3. 第三范式 (3NF)

非主属性不传递函数依赖于键码

消除传递依赖

可以通过分解来满足