相对于其他的数据库而言,MySQL的锁机制比较简单,最显著的特点就是不同的存储引擎支持不同的锁机制。根据不同的存储引擎,MySQL中锁的特性可以大致归纳如下:
这里锁的对象是事务,用来锁定数据库中的对象,如:表、页、行。并且一般锁的对象仅在事务commit或rollback后进行释放。并且有死锁机制。
下面我们看InnoDB存储引擎中两种标准的行级锁:
-
共享锁(S Lock),允许事务读一行数据
-
排它锁(X Lock),允许事务删除或更新一行数据
若事务T对数据对象A加上S锁,则事务T可以读A但不能修改A,其他事务只能再对A加S锁,而不能加X锁,直到T释放A上的S锁。这保证了其他事务可以读A,但在T释放A上的S锁之前不能对A做任何修改。
若事务T对数据对象A加上X锁,事务T可以读A也可以修改A,其他事务不能再对A加任何锁,直到T释放A上的锁。
上述情况称为锁不兼容。
此外,InnoDB存储引擎还支持多粒度锁定,这种锁定允许事务在行级上的锁和表级上的锁同时存在。为了支持在不同粒度上进行加锁操作,InnoDB存储引擎支持一种额外的锁方式,称之为意向锁。
所谓意向锁,就是将要锁定的对象分成多个层次,意向锁意味着事务希望在更细粒度上进行加锁。如果把上锁的对象看成树形结构(从根到叶为从粗粒度到细粒度的顺序),那么对最下层的对象上锁,必须先对他的上层节点上锁。
举个例子,比如事务T要对某一行R1加X锁,必须先对R1所在的表T1加意向锁IX(Intention X Lock)。相应的也有IS(Intetion S Lock)锁。
刚开始我也是很懵的,不知道引入意向锁到底是干嘛的。后来再刷书的时候,才豁然开朗。下面我谈下我的理解。
因为引入意向锁是用来实现多粒度锁定的,即行锁和表锁同时存在。我们看看如果不引入意向锁,怎么判断。
如果事务T要对表T1加X锁,那么这是就必须要判断T1表下的每一行记录是否加了S锁或X锁(因为上面提到了锁有不兼容性)。这样做效率无疑很低。那么引入意向锁之后呢?
如果事务T要对表T1加X锁,在这之前,已经有事务对表T1中的行记录R加了S锁,那么此时在表T1上有IS锁,当事务T对表T1准备加X锁时,由于X锁与IS锁不兼容(关于兼容性后面会给出表格),所以事务T要等待行锁操作完成。你看,这样就省去了遍历的操作,提升了锁定父节点(本例为表T1)的效率。
下图就是X、S、IX、IS锁的兼容性了:
二、锁的算法
InnoDB存储引擎有3种行锁的算法,分别是:
-
Record Lock:单个行记录上的锁
-
Gap Lock:间隙锁,锁定一个范围,但不包含记录本身
-
Next-Key Lock:Gap Lock+Record Lock,锁定一个范围,并且锁定记录本身。
举例说明:
假如一个索引有10,11,13,20这四个值。那么该索引可能被Next-Key Locking的区间为:
(-∞,10]
(10,11]
(11,13]
(13,20]
(20,+∞)
注
对于Next_Key Lock,如果我们锁定了一个行,且查询的索引含有唯一属性时(即有唯一索引),那么这个时候InnoDB会将Next_Key Lock优化成Record Lock,也就是锁定当前行,而不是锁定当前行加一个范围;如果我们使用的不是唯一索引锁定一行数据,那么此时InnoDB就会按照本来的规则锁定一个范围和记录。还有需要注意的点是,当唯一索引由多个列组成时,如果查询仅是查找其中的一个列,这时候是不会降级的。还有注意的点是,InnoDB存储引擎还会对辅助索引的下一个键值区间加上gap lock(这么做也是为了防止幻读)。Next_Key Lock是为了解决数据库出现幻读的问题。
关于如何加锁详见我的这篇文章:Mysql的一致性非锁定读和一致性锁定读
有关脏读、不可重复读、幻读详见我的这篇文章浅析Mysql的隔离级别及MVCC
总结:绘上一张Kakfa架构思维大纲脑图(xmind)
其实关于Kafka,能问的问题实在是太多了,扒了几天,最终筛选出44问:基础篇17问、进阶篇15问、高级篇12问,个个直戳痛点,不知道如果你不着急看答案,又能答出几个呢?
若是对Kafka的知识还回忆不起来,不妨先看我手绘的知识总结脑图(xmind不能上传,文章里用的是图片版)进行整体架构的梳理
梳理了知识,刷完了面试,如若你还想进一步的深入学习解读kafka以及源码,那么接下来的这份《手写“kafka”》将会是个不错的选择。
-
Kafka入门
-
为什么选择Kafka
-
Kafka的安装、管理和配置
-
Kafka的集群
-
第一个Kafka程序
-
Kafka的生产者
-
Kafka的消费者
-
深入理解Kafka
-
可靠的数据传递
-
Spring和Kafka的整合
-
SpringBoot和Kafka的整合
-
Kafka实战之削峰填谷
-
数据管道和流式处理(了解即可)
ngBoot和Kafka的整合
-
Kafka实战之削峰填谷
-
数据管道和流式处理(了解即可)
[外链图片转存中…(img-stkdwPb6-1628606732699)]