mysql数据库中用于将事务_mysql数据库事务详细剖析

在写之前交代一下背景吧!

做开发也好久了,没怎么整理过知识,现在剖析一下自己对数据库事务的认识,以前用sqlserver,现在转java后又用mysql、oracle。我这块就主要解释一下mysql数据库事务。其实好多内容适用于各种标准数据库!

直接就进入正文了!

不管是做啥都有理论知识,我在这块也介绍一下。

事务的特性

1.原子性(Atomicity):原子性是指事务是一个不可分割的工作单位,事务中的操作要么都发生,要么都不发生。

2.一致性(Consistency):在一个事务中,事务前后数据的完整性必须保持一致,可以想象银行转账、火车购票。

3.隔离性(Isolation):多个事务,事务的隔离性是指多个用户并发访问数据库时, 一个用户的事务不能被其它用户的事务所干扰,多个并发事务之间数据要相互隔离。

4.持久性(Durability):持久性是指一个事务一旦被提交,它对数据库中数据的改变就是永久性的,接下来即使数据库发生故障也不应该对其有任何影响。

写这些概念呢,是有点绕!绕就绕吧!反正也不是我规定的,这是官方的,解释是我编的!!!

事务的并发访问问题

如果我们在不考虑隔离性问题时,事务是存在三种并发访问问题的。

1.脏读:在一个事务中,当读取数据时,读到了另一个事务未提交的数据。

比如A账户给B账户转了1块钱,但是A没有提交事务,被B账户通过脏读看到了,这时,B就会以为A已经把钱转过来了,但是这时,A账户回滚事务。其实钱就没给B转过去,但是B自己本身以为A已经转过去了,,,有点绕,估计是我描述到绕!

看代码:

update account set money=money+1 where name=’B’; --此时A去通知B

update account set money=money -1 where name=’A’;

2.不可重复读:在一个事务中,两次读取的数据内容不一致,这是因为在查询时,有时间间隔,数据被另一个事务已经修改提交了,那就会出现问题。

3.幻读/虚读:在一个事务中,两次读取的数据量不一致。

事务的隔离级别

上面介绍了3种事务并发问题!现在介绍一下数据库提供的解决方案!

1.read uncommitted : 读取尚未提交的数据 :这个最低级,但是效率肯定最高,但是哪一个问题都不能解决。

2.read committed:读取已经提交的数据 :可以解决脏读  。

3.repeatable read:重读读取:可以解决脏读 和 不可重复读 。

4.serializable:串行化:可以解决脏读不可重复读和虚读,效率最差,相当于锁表,开发中一般不用。

上面的“2”是oracle数据库默认设置,“3”是mysql数据库默认的设置。

下面呢我就重点解释一下mysql数据库在上面各种事务隔离级别上的演示:

首先介绍两个语法:

1.查看mysql数据库默认的隔离级别:select @@tx_isolation

如图:

20180111005742853995.png

2.设置mysql的隔离级别:set session transaction isolation level 事务的隔离级别

如图:

20180111005742860831.png

事务的隔离级别演示

注意:如果要自己模拟要开启两个mysql客户端,也就是模拟两个用户!

1.read uncommitted

如图:

20180111005742860831.png

我通过语法将数据库的事务隔离级别改为了read uncommitted。

首先我有一张account表。

如图:窗口一

20180111005742893059.png

窗口二

20180111005742902825.png

数据库表原始数据money都是5000,当我启动事务后,在zhangsan账户增加了1000和在李四账户减去了1000,但是我的事务还未提交,但是我再次查询数据库表时,数据已经发生变化,这就是脏读和不可重复读!

幻读/虚读我就不掩饰了,同样存在!

2.read committed

如图:

20180111005742911614.png

我将数据库事务隔离性改为了read committted。

还是上面那张表:

如图:窗口一

20180111005742932123.png

窗口二

20180111005742943842.png

数据库表zhangsan账户的money和lisi账户的money都发生了变化,我未提交事务,在另一个窗口事务开启下查询时,没有出现脏读,但是当我提交事务时,在另一个窗口的事务下再次查询,出现了不可重复读的情况,这样可以避免脏读,但是查询时已经出现不可重复读和幻读/虚读!

3.repeatable read

如图:

20180111005742944819.png

我将数据库事务隔离性改为了read committted。

还是上面那张表:

如图:窗口一

20180111005742946772.png

窗口二

20180111005742948725.png

我在两个窗口都开启了事务,当窗口一进行数据操作后,并进行事务提交,在窗口二的事务开启情况下,我去查询,没有查询到刚才窗口一的数据操作记录,这样就避免了脏读和不可重复读。

有人说也避免了虚读/幻读,其实没有。

看图:

20180111005742950678.png

我在操作lisi账户时,数据只是发生修改的变化,但是当我修改wangwu这个账户时,再去查询出现了wangwu,账户的数据,但是其实在我未操作前,wangwu账户的数据是查询不出的。这就是幻读/虚读!

如果不理解幻读/虚读这块,可以查一下InnoDB。

4.serializable

我就不演示了,开发不建议用,效率又慢,但是所有的问题都能避免!!

总计一下

事务隔离级别的性能:

read uncommitted>read committed>repeatable read>serialazable

事务隔离级别的安全性:

read uncommitted

mysql的事务控制:

开启事务:start transaction;

提交:commit;

回滚:rollback;

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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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