Redis事务和传统关系数据库事务的区别
传统数据库事务过程
在关系型数据库中,我们开启事务并进行一系列的读写操作,最后,用户用户可以选择发送commit来确认之前的修改,或者发送rollback来放弃之前的修改。
1 2 3 4 5 6 7 8 9 10 11 | Connection conn = ... //获取数据库连接 conn.setAutoCommit(false); //开启事务 try{ //......执行增删改查sql //......执行增删改查sql conn.commit(); //提交事务 }catch (Exception e) { conn.rollback();//事务回滚 }finally{ conn.close();//关闭链接 } |
Redis事务过程
Redis提供的事务是将多个命令打包,然后一次性、按照先进先出的顺序(FIFO)有序的执行。在执行过程中不会被打断(在事务执行过程,其他客户端提交的命令请求不会插入到事务执行命令序列中),当事务队列中的所以命令都被执行(无论成功还是失败)完毕之后,事务才会结束。
1 2 3 4 5 6 | MULTI //开始事务 SET ... //命令1入队 GET ... //命令1入队 SADD ... //命令1入队 ...... EXEC //执行事务(一次执行1.2.3...) |
如上所述,Redis的事务以特殊命令MULTI开始,之后跟着用户传入的多个命令,最后以EXEC未结束。由于这种简单的事务在EXEC命令被调用之前不会执行任何实际操作,所以用户将没有办法根据根据读到的数据来做决定。这句话初次读有点难懂,下面我们通过实例来解释一下这句话的含义。
使用形式的区别
我们拿MySQL(InnoDB)和Redis在同样的需求场景下的不同实现形式来分析
场景:
假设我们有三条记录,分别为A、B、C;
在MySQL中ABC代表同一行记录的三个字段,初始值分别为a、b、c;
在Redis中ABC代表三个不同Key键,初始值分别为a、b、c; 我们实现这样一个功能:
- 将A的值变成a2
- 当B=b的情况下,将C变成c2;如果这条这行不成功,则1、2两条都不执行
我们先看在MySQL中的伪代码实现
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | Connection conn = ... //获取数据库连接 conn.setAutoCommit(false); //开启事务 try{ SET A = a2; //将A的值变成a2 var b_value = SELECT (B); //读B的值(修改频繁的高并发场景下,这个读是很有必要的) if(b_value == b){ boolean result = (SET C = c2 WHERE B=b); //将C变成c2 } if(result){ conn.commit(); //提交事务 }else{ conn.rollback();//事务回滚 } }catch (Exception e) { conn.rollback();//事务回滚 }finally{ conn.close();//关闭链接 } |
首先我们来看一个Redis错误的示范,看看Redis的事务有何不同
1 2 3 4 5 6 7 8 9 10 11 12 13 14 | ValueOperations vo = redisTemplate.opsForValue(); vo.set("A", "a");//初始化数据 vo.set("B", "b"); vo.set("C", "c"); redisTemplate.setEnableTransactionSupport(true); redisTemplate.multi(); //开始事务 vo.set("A", "a2"); //将A的值变成a2 String b_value = String.valueOf(vo.get("B")); //获取B的值 logger.info("事务读到b_value:" + b_value); if ("b".equals(b_value)) { vo.set("C", "c2"); }else logger.info("事务结果:" + JSON.toJSONString(redisTemplate.exec())); |
我们来看一下打印结果
事务读到b_value:null
事务结果:[true,"b"]
看出Redis事务和传统数据库的区别了吗?
我们可以看到第9行代码的返回结果是null,所以第12行根本就没机会执行。
我们从14行的打印结果返现有两个返回值:[true,”b”],true是第8行vo.set(“A”, “a2”)的返回值,”b”是第9行(vo.get(“B”)的返回值,也就是说redis这些命令,只有才EXEC执行的时候才会真正的执行。这就是之前文章提到的“由于这种简单的事务在EXEC命令被调用之前不会执行任何实际操作,所以用户将没有办法根据根据读到的数据来做决定。”,所以在EXEC执行前我们的普通的读写操作都不会执行的,在这个过程中我们不能像传统数据库那样读DB的值来做逻辑处理。
而且还有很重要的一点,Redis是不支持已被执行命令的回滚。
那么在Redis中,面对这种场景我们应该如何处理呢?怎么解决读判断,以及判断回滚呢?
那就要引入另一个关键字watch,我们先看怎么使用,再分析是怎么实现的
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 | try { redisTemplate.watch("B");//监视 Key-B String b_value = String.valueOf(vo.get("B")); //获取B的值 logger.error("事务读到b_value:" + b_value); if ("b".equals(b_value)) { redisTemplate.multi(); //开始事务 vo.set("A", "a2"); //将A的值变成a2 vo.set("C", "c2"); //将C的值变成c2 logger.error("事务结果:" + JSON.toJSONString(redisTemplate.exec())); } else { redisTemplate.unwatch(); logger.error("解除watch..."); } } catch (Exception e) { redisTemplate.discard();//取消事务,放弃执行事务块内的所有命令 logger.error("取消事务,放弃执行事务块内的所有命令"); } |
我们看一下如果在事务从“watch ~ 事务开启 ~命令入队 ~ EXEC”期间,B键的值没有被其他客户端改变的情况下的打印结果:
事务读到b_value:b
事务结果:[true,true]
从打印结果,我们可以看到事务中7,8行的命令都被准确执行。
我们再Debug运行一次,这次我们把断点打在第8行,运行到第8行时我们在终端修改变B键的值:
127.0.0.1:6379> SET B b1
OK
这个时候我们让程序继续从第8行继续运行,打印结果为:
事务读到b_value:b
事务结果:[]
可以看到事务中7,8行的命令都没有执行,符合我们的预期。
Redis事务分步实现
我们上面提到,Redis事务的过程分为三个阶段:
1. 事务开始
2. 命令入队
3. 事务执行
事务开始
Redis事务的开始是通过执行MULTI 命令来实现,它的作用是将执行该命令的客户端从非事务状态切换至事务状态, 这一切换是通过在客户端状态的 flags 属性中打开 REDIS_MULTI 标识来完成的。
命令入队
当一个客户端出于事务状态时, 如果客户端发送的命令是 EXEC(执行所有事务块内的命令) 、DISCARD(取消事务,放弃执行事务块内的所有命令。) 、 WATCH(监视任意数量的key ,提一下,在事务中执行这个命令会报错:ERR WATCH inside MULTI is not allowed) 、 MULTI(标记一个事务块的开始) 四个命令以外的其他命令,那么服务器并不立即执行这个命令,而是将这个命令放入一个事务队列里面, 然后向客户端返回 QUEUED 回复。
事务执行
当一个处于事务状态的客户端向服务器发送 EXEC 命令时, 这个 EXEC 命令将立即被服务器执行: 服务器会遍历这个客户端的事务队列,执行队列中保存的所有命令,最后将执行命令所得的结果全部返回给客户端。
(这里需要说明的一点是,Redis在处理网络请求的是单线程的,所以队列中的命令在执行期间是不会被其他客户端命令插进来的。这一点对理解Redis事务很关键)
WATCH
WATCH 用于事务开启之前对任意数量的Key进行监视,如果这个被监视的key被改动(这里提一下,这个改动,不管是删除、添加、修改,或者A -> B -> A改回原值,都会被认为发生了改动),那么相应事务就被取消,否则事务正常执行。所以我们可以认为 WATCH 是一个乐观锁。
如果想让key取消被监控,可以用 UNWATCH 命令(这里又要提一下,UNWATCH 如果在事务中执行,也是会被放到队列里的)。
如上文所说,WATCH对于添加操作也是敏感的,也就说我们可以对一个不存在的Key进行WATCH。假如cli_1客户端对一个不存在的Key进行WATCH,此时cli_2客户端增加了这个键,那么cli_1客户端的事务依然不会执行,这个很有意思
后记
本应该对redis事务相关的数据结构等展开来讲,但是篇幅有限(主要是能力有限,嘘~),《Redis设计与实现》一书中已给出了很详细的介绍,所以这里就不再详述