mysql将事务隔离级别设置为_mysql设置事务隔离级别

谈到事务隔离级别，开发同学都能说个八九不离十。脏读、不可重复读、RC、RR...这些常见术语也大概知道是什么意思。但是做技术，严谨和细致很重要。如果对事务隔离级别的认识，仅仅停留在大概知道的程度，数据库内核研发者可能开发出令用户费解的隔离级别表现，业务研发者可能从数据库中查出与预期不符的结果。

那么如何判断自己是不是对事务隔离级别有了较为深入的理解了呢？开发同学可以问自己这样两个问题：(1)事务隔离级别分为几类？分别能解决什么问题？是否有明确定义？这样的定义是否准确？(2)当前主流数据库(Oracle/MySQL...)的隔离级别表现和实现是怎样的？是否与“官方”定义一致？

如果能清楚明白的回答这两个问题，恭喜，你对事务隔离级别认识已经非常深刻了。如果不能，也没有关系，读完本文你就有答案了。

1.事务隔离级别

事务隔离级别，主要保障关系Dirty read: SQL-transaction T1 modifies a row. SQL- transaction T2 then reads that row before T1 performs a COMMIT. If T1 then performs a ROLLBACK, T2 will have read a row that was never committed and that may thus be considered to have never existed.

Non-repeatable read: SQL-transaction T1 reads a row. SQL- transaction T2 then modifies or deletes that row and performs a COMMIT. If T1 then attempts to reread the row, it may receive the modified value or discover that the row has been deleted.

Phantom: SQL-transaction T1 reads the set of rows N that satisfy some . SQL-transaction T2 then executes SQL-statements that generate one or more rows that satisfy the used by SQL-transaction T1. If SQL-transaction T1 then repeats the initial read with the same , it obtains a different collection of rows.

嫌弃以上定义冗长，可以直接看以下形式化描述：A1 Dirty Read：w1[x] ... r2[x] ... (a1 and c2 in any order)

A2 Fuzzy Read：r1[x] ... w2[x] ... c2 ... r1[x] ... c1

A3 Phantom Read：r1[P] ... w2[y in P] ... c2 ... r1[P] ... c1

其中w1[x]表示事务1写入记录x，r1表示事务1读取记录x，c1表示事务1提交，a1表示事务1回滚，r1[P]表示事务1按照谓词P的条件读取若干条记录，w1[y in P]表示事务1写入记录y满足谓词P的条件。

据此，ANSI定义了四种隔离级别，分别解决以上三种异常：

根据上述几种异常现象定义隔离级别，可谓十分不严谨，Jim Gray大名鼎鼎的论文A Critique of ANSI SQL Isolation Levels(后文简称Critique)就对此做了批判。

不严谨之一：禁止了P1/P2/P3的事务，即满足了Serializable级别。但是在ANSI标准中又明确描述Serializable级别为“多个并发事务执行的效果与某种串行化执行的效果等价”。显然这两者是矛盾的，禁止P1/P2/P3的事务，不一定能满足“等价于某种串行执行”。所以Critique将ANSI定义的禁止了P1/P2/P3的隔离级别称为Anomaly Serializable。

不严谨之二：异常现象定义不准确，如下例并未被A1囊括，却仍然出现了Dirty Read(Txn2读到x+y！=100)。同样，A2/A3也能举出这样的例子，感兴趣的同学可以自己尝试列举，这里不再详述。

究其原因，ANSI对异象的定义太为严格，如果除去对事务提交、回滚和数据查询范围的要求，仅保留关键的并发事务之间读写操作的顺序，更为宽松且准确的异象定义如下：P1 Dirty Read: w1[x]...r2[x]...(c1 or a1)

P2 Fuzzy Read: r1[x]...w2[x]...(c1 or a1)

P3 Phantom: r1[P]...w2[y in P]...(c1 or a1)

不严谨之三：三种异象仅针对S(ingle) V(alue)系统，不足以定义M(ulti)V(ersion)系统的隔离性。很多商业数据库所实现的SI，未违反P1、P2和P3，但又可能出现Constraint violation，不可串行化。除了P1/P2/P3，还可能出现哪些异常呢？P4 Lost Update：r1[x]...w2[x]...w1[x]...c1

A5A Read Skew：r1[x]…w2[x]... w2[y]…c2…r1[y] …(c1 or a1)

A5B Write Skew：r1[x]…r2[y]…w1[y]…w2[x]…(c1 and c2 occur)

A5B2 Write Skew2：r1[P]... r2[P]…w1[y in P]…w2[x in P]...(c1 and c2 occur)

对这四种情况，分别举一个例子：r1[x=50] r2[x=50] w2[x=60] c2 w1[x=70] c1

Lost Update:事务1和事务2同时向同一个账户x分别充20和10块，事务1后提交，将70块写入数据库，事务2提交结果60块被覆盖。正确的情况下，事务1和2提交成功，账户里应该有80块。(x+y=100) r1[x=50] w2[x=10] w2[y=90] c2 r1[y=90] c1

Read Skew: x和y账户分别有50块钱，加起来共100块。事务1读x(50块)后，事务2将x账户的40块转到y账户，事务2提交后，事务1读y(90块)。在事务1看来，x+y=140，出现了不一致。(x+y>=60) r1[x=50] r2[y=50] w1[y=10] c1 w2[x=10] c2

Write Skew：x和y账户分别有50块钱，加起来共100块。假设存在某种约束，x和y账户的钱加起来不得少于60块。事务1和事务2在自认为不破坏约束的情况下(分别读了x账户和y账户)，再分别从y账户和x账户取走40。但事实上，这两个事务完成后，x+y=20，约束条件被破坏。(count(P)<=4):r1[count(P)=3],r2[count(P)=3],insert1[x in P],insert2[y in P],c1,c2,

Write Skew2：将Write Skew的条件改为范围。