一篇文章让你了解Mysql的InnoDB存储引擎中的锁!(1)，面试学习

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

资料领取方式：点击这里免费下载

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)]