mysql 表示事务开始_MySQL系列之MVCC多版本并发控制

最新推荐文章于 2024-08-29 11:51:58 发布
最新推荐文章于 2024-08-29 11:51:58 发布
阅读量68 收藏
点赞数
文章标签： mysql 表示事务开始
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_34211615/article/details/113491731
版权

MVCC(Multiversion Concurrency Control，多版本并发控制)：提供并发访问数据库时，对事务内读取到的内存做处理，用来避免写操作阻塞读操作的并发问题。

与MVCC相对的是基于锁的并发控制(Lock-Based Concurrency Control)。MVCC最大优势是：读不加锁，读写不冲突。在读多写少的OLTP应用中，读写不冲突是非常重要的，极大的增加了系统的并发性能。

相关概念

  1. 隐藏列

InnoDB存储引擎在数据库每行数据的后面添加了三个字段：

  • 6字节的事务ID(DB_TRX_ID)字段：用来标识最近一次对本行记录做修改的事务的标识符，即最后一次修改本行记录的事务id；
  • 7字节的回滚指针(DB_ROLL_PTR)字段：写入回滚段的undo log record；表示指向该行回滚段的指针，该行上所有旧的版本，在undo log中都是通过链表的形式组织，该值正是指向undo log中该行的历史记录链表；
  • 6字节的DB_ROW_ID字段：包含一个随着新行插入而单调递增的行ID，当由InnoDB存储引擎自动产生聚簇索引时，聚簇索引会包含这个行ID的值，否则这个行ID不会出现在任何索引中；
  1. 事务链表

MySQL中的事务在开始到提交这段过程中，都会被保存在一个叫trx_sys的事务链表中，这是一个基本的链表结构：

a9716b8047cbaae07536eb216933cac4.png

trx_sys链表

事务链表中保存的都是还未提交的事务，事务一旦提交，则会从事务链表中删除。

  1. ReadView

MySQL实现MVCC的关键 —— ReadView，就是一个数据结构，在SQL开始的时候被创建，这个数据结构包含3个主要的成员：ReadView{low_trx_id，up_trx_id，trx_ids}。在并发情况下，一个事务在启动时，trx_sys链表中存在部分还未提交的事务，那么哪些改变对当前的事务是可见的，哪些是不可见的，这个需要通过ReadView来进行判定。【注】：已提交读和可重复读的区别就在于它们生成ReadView的策略不同。下面简单描述一下ReadView中3个成员的含义：

  • low_trx_id：表示该SQL启动时，当前事务链表中最大的事务id编号，也就是最近创建的除自身以外的最大事务编号；
  • up_trx_id：表示该SQL启动时，当前事务链表中最小的事务id编号，也就是当前系统中创建最早但还未提交的事务编号；
  • trx_ids：表示所有事务链表中事务id的集合。

上面3个ReadView的组成成员简易示意图如下：

d4bda6653407e1bf372ee37906d582b4.png

ReadView成员示意图

【说明】：① 所有数据行上trx_id小于up_trx_id的记录，说明修改该行的事务在当前事务开启之前就已经提交完成了，所以对当前事务来说，都是可见的。② 对于trx_id大于low_trx_id的记录，说明修改该行记录的事务在当前事务之后，所以对于当前事务来说，都是不可见的。③ ReadView是与SQL绑定的，而不是事务，所以即使在同一个事务中，每次SQL启动时构造的ReadView的up_trx_id和low_trx_id也都是不一样的。④ 对于位于(up_trx_id，low_trx_id)之间的事务是否可见，需要根据不同的事务隔离级别进行判断。对于RC的事务隔离级别来说，对于事务执行过程中，已经提交的事务的数据，对当前事务是可见的，也就是说上述图中，当前事务运行过程中，trx1~4中任意一个事务提交，对当前事务来说都是可见的；而对于RR隔离级别来说，事务启动时，已经开始的事务链表中的事务的所有修改都是不可见的，所以在RR级别下，low_trx_id基本保持与up_trx_id相同的值即可。

MySQL中MVCC实现

引用 @温正湖 的一张图解释MySQL中MVCC实现过程：

8423c35fbdf3b8ff69b75a475a296745.png

MySQL中MVCC实现过程

案例演示

演示一个简易版的事务对某行记录的更新过程：

55daae912c6c32c0516ba0349748b793.png

更新记录操作过程

一些补充

  1. 当前读 & 快照读

MySQL的InnoDB存储引擎默认事务隔离级别是可重复读(RR)，是通过“行排他锁 + MVCC”实现的，不仅可以保证可重复读，还可以部分防止幻读。

部分防止幻读而非完全防止的原因：① 如果事务B在事务A执行中，INSERT一条数据并提交，事务A再次查询，虽然读取的是undo log中的旧版本数据，但是事务A中执行UODATE或者DELETE都是可以成功的；② 在InnoDB存储引擎中的读操作可以分为当前读(CR)和快照读(SR)。

  • 快照读(Snapshot Read)

就是简单的SELECT读，不包括【SELECT ... LOCK IN SHARE MODE, SELECT ... FOR UPDATE】

  • 当前读(Current Read)

【SELECT ... LOCK IN SHARE MODE】

【SELECT ... FOR UPDATE】

【INSERT、UPDATE、DELETE】

【注意】：在RR隔离级别下，快照读是通过MVCC和undo log实现的；当前读是通过加Record Lock记录锁和Gap Lock间隙锁实现的，即添加Next-Key Lock锁。InnoDB存储引擎在快照读的情况下并没有真正的避免幻读，但是在当前读的情况下避免了不可重复读和幻读。

往期精彩文章：

MySQL系列之事务隔离级别

MySQL系列之数据库锁

MySQL系列之数据库索引

通天晓鹿
关注
mysql trx_MySQL 如何获得当前会话的TRX_ID 事务ID
weixin_33534991的博客
01-18 1667
mysql> show variables like '%commit%';+--------------------------------+-------+| Variable_name | Value |+--------------------------------+-------+| autocommit ...
mysql mvcc 并发update_MySQL——MVCC--多版本并发控制机制
weixin_30750349的博客
01-27 1067
前言以下的分析均在mysql的InnoDB引擎下。假设此时事务A与事务B同时执行。一、定义：MVCC(Multi-Version Concurrency Control，多版本并发控制)一种并发控制机制，在数据库中用来控制并发执行的事务，控制事务隔离进行。二、核心思想：MVCC是通过保存数据在某个时间点的快照来进行控制的。使用MVCC就是允许同一个数据记录拥有多个不同的版本。然后在查询时通过添加相...
【数据库内核】事务MVCC简介
Night_ZW的博客
10-26 721
目录 概述 MySQL InnoDB下读操作分类 一、快照读(snapshot read) 二、当前读(current read) 三、当前读，快照读和MVCC的关系 Mysql MVCC实现原理 一、InnoDB引擎的隐式字段 二、undo日志版本链 三、Read View 四、可见性比较算法 结论 概述 MVCC(Multi-Version Concurrency Control 多版本并发控制)，是一种不利用锁机制实现的隔离级别，主要实现了在保证数据的一致性的前提下，实.
【MySQL系列】MVCC多版本并发控制
scj1022的博客
03-15 1301
MVCC多版本并发控制
MySQL 多版本并发控制 MVCC
lolly1023的博客
01-16 1014
MySQL 多版本并发控制 MVCC
MySQL高级篇——MVCC多版本并发控制
vincewm的博客
05-03 1603
什么是MVCC、快照读与当前读、隐藏字段、Undo Log版本链、ReadView、举例说明、InnoDB 解决幻读问题
MySQL多版本并发控制mvcc原理浅析
pyf2533931995的博客
04-19 1999
mvcc(Multi Version Concurrency Control)，多版本并发控制，是一种数据库的并发控制机制。它用于管理事务并发执行时对数据的访问和修改，保证在多个事务同时对数据库进行读写操作，不会出现数据不一致或丢失的情况。
MySQL：简述多版本并发控制MVCC
王小二(海阔天空)
08-29 1116
Read View遵循的可见性算法主要是将要被修改的数据的最新记录中的DB_TRX_ID（当前事务id）取出来，与系统当前其他活跃事务的id去对比，如果DB_TRX_ID跟Read View的属性做了比较，不符合可见性，那么就通过DB_ROLL_PTR回滚指针去取出undolog中的DB_TRX_ID做比较，即遍历链表中的DB_TRX_ID，直到找到满足条件的DB_TRX_ID,这个DB_TRX_ID所在的旧记录就是当前事务能看到的最新老版本数据。（1）在事务3修改该行数据的时，数据库会对该行加排他锁。
mysql mvcc 版本号_【MVCC】Mysql Mvcc多版本并发控制的理解
weixin_32903229的博客
01-27 488
准备测试环境：Mysql 5.7.20-log数据库默认隔离级别：RR(Repeatable Read，可重复读)，MVCC主要适用于Mysql的RC,RR隔离级别创建一张存储引擎为testmvcc的表，sql为:CREATE TABLE testmvcc (id int(11) DEFAULT NULL,name varchar(11) DEFAULT NULL) ENGINE=InnoDB D...
大话Mysql四：Mysql事务之MVCC多版本并发控制
lyzchengxuyuan的博客
02-24 472
一、Mysql mvcc 就是在一个事务开启之前对其数据进行快照备份，通过读取快照的方式来确保同一个事务前后读取到的数据是相同的，这就叫多版本的并发控制 MVCC 多版本并发控制规则: 1、一个事务能看到的数据版本: (1)、第一个查询之前已经提交的事务 (2)、本事务的修改 2、一个事务无法看到的版本: (1)、第一个查询之后创建的事务(事务ID相较于当前事务Id要大的事务) (2)、活跃(未提交)的事务的修改 二、MVCC 原理 Innodb引擎为每行记录都实现了两个隐藏字段: DB_TRX_ID 和
mysql多版本并发控制MVCC的实现
01-21
事务隔离级别设置 ...不同数据库引擎MVCC模式各不相同，典型有乐观和悲观并发控制。 innodb 说明： InnoDB的MVCC,是通过在每行记录后面保存两个隐藏的列来实现的。这两个列，一个保存了行的创建时间，一个保
MYSQL数据库多版本并发控制（MVCC）
08-17
MYSQL数据库多版本并发控制（MVCC） MYSQL数据库的多版本并发控制（MVCC）是一种提高并发的技术。MVCC的出现使得MySQL数据库的并发度大幅度提高。MVCC的实现依赖于隐藏字段、undo log日志、read view等机制。 1. ...
基于yolov3结合卡尔曼滤波匈牙利算法虚拟线圈的车流量检测python源码+项目说明.zip
09-21
本项目专注于视频基的车辆跟踪与流量统计，依托深度学习技术，实时追踪路面车辆动态并精准统计各车道车流量。该项目通过以下核心步骤高效处理输入视频数据： 高精度目标检测：采用YOLOv3模型，凭借其卓越的实时性与准确性，快速识别视频中的车辆目标，为后续追踪奠定坚实基础。 稳定目标追踪：集成SORT（Simple Online and Realtime Tracking）算法，结合卡尔曼滤波器预测车辆未来位置，同时运用匈牙利算法优化目标间的匹配，实现连续、稳定的车辆追踪，有效应对遮挡、交叉等复杂场景。 智能车流量统计：借鉴虚拟线圈概念，巧妙设计算法以监测穿越预设区域的车辆，自动计数并准确统计各车道车流量，为交通管理与分析提供可靠数据支持。 整体而言，本项目通过融合先进的目标检测与追踪技术，结合创新的流量统计方法，构建了一个高效、精准的实时车辆跟踪与流量统计系统，为智慧交通领域的发展贡献力量。
本科毕业设计--基于深度学习的人脸面部表情识别.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
雷电模拟器改成真机环境
09-21
在Android系统中，模拟器通常会被识别为非真实的设备，这可能导致某些应用或服务无法正常运行，尤其是那些需要硬件信息或root权限的应用。改真机环境意味着通过技术手段使模拟器的行为更接近真实的Android设备，包括模拟设备硬件信息、IMEI、MAC地址等，以绕过检测并提升兼容性。LSPSED（Linux System Property Setter and Editor）模块是Magisk的一个扩展，专门用于修改Android系统的系统属性。通过LSPSED，我们可以更改设备的各种系统属性，如设备型号、制造商信息等，这些修改对于使模拟器看起来更像真实设备至关重要。在使用过程中，还需要添加几个机型模块，这些模块通常包含了特定设备的系统配置信息，如设备代号、硬件信息等。通过安装这些模块，雷电模拟器可以模仿各种流行的Android设备，进一步提高应用的兼容性和真实性。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
CSP-J是计算机科学学科相关的青少年科技爱好者等级考试.docx
09-21
CSP-J是计算机科学学科相关的青少年科技爱好者等级考试，全称为青少年软件编程等级考试。以下是对CSP-J的详细介绍： 一、考试背景与目的 CSP-J考试是由全国青少年软件编程等级考试标准工作组制定，并得到中国电子学会的认可，旨在培养青少年计算机科学素养和编程能力。通过参加这一考试，青少年可以检验自己的学习成果，增强自信心和竞争力，同时为他们未来在计算机科学领域的深入学习和职业发展打下坚实的基础。 二、考试内容与形式 CSP-J考试主要面向入门级别的青少年，考察内容侧重于计算机基础知识和算法的理解。考试形式分为初赛（笔试）和复赛（机试），即CSP-J1与CSP-J2。 初赛（CSP-J1）：侧重于理论知识的考核，包括计算机基础知识、算法基本概念等，以笔试形式进行。 复赛（CSP-J2）：更侧重于上机编程能力的实践考察，要求参赛者在计算机上完成编程任务。 参赛者必须先参加初赛，并达到一定的分数方可参加复赛。 三、报名与参与 报名方式：CSP-J/S认证面向所有对计算机科学有兴趣的青少年开放，报名和认证过程均在网上进行。认证点由CCF（中国计算机学会）授权的CSP非专业级别省认证组
机械课程设计 X Y双坐标联动数控工作台设计(全套图纸).doc
最新发布
09-21
机械课程设计 X Y双坐标联动数控工作台设计(全套图纸).doc
基于BERT模型的深度学习中文文本分类实现，包含大约20000条新闻的训练和测试集，包装有简单HTTP接口可供调用。.zip
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值