数据库事务与锁(二)——锁的简单介绍

数据库为了支持事务的隔离级别,引入锁机制。本篇文章简单介绍锁的概念,这里以MYSQL为例,使用InnoDB引擎。MYSQL InnoDB的特点:

1、支持行级锁、表级锁,支持事务,支持外键,支持非锁定读(默认读取操作不会产生锁,比如select * from table1不会产生锁);
2、通过多版本并发控制(MVCC)获得高并发性(即使用数据快照进行默认读取操作),并实现SQL标准的4种隔离级别;
3、使用Next-key Locking策略避免幻读现象的产生
4、供插入缓冲,二次写,自适应哈希索引,预读等高性能和高可用的功能。

接下来,大概介绍一下MYSQL中常见的锁。

悲观锁(Pessimistic Lock):对于数据被外界修改持保守态度,认为数据处理中随时会修改,所以整个数据处理中需要将数据加锁。悲观锁一般是依靠关系数据库提供的锁机制

乐观锁(Optimistic Lock):每次自己操作数据时候认为没有人会来修改它,所以不去加锁,但是在更新的时候会去判断在此期间数据有没有被修改,需要用户自己去实现。常见实现方式有:版本号、时间戳、待更新字段、所有字段。乐观锁支持高并发。

共享锁(Share locks 简称S锁):读锁,事务A对对象T加锁,其他事务只能对T加S,多个事务可以同时读,但不能有写操作,直到A释放S锁。针对行级锁,普通select语句不加锁, 使用SELECT ... LOCK IN SHARE MODE语句加S锁;针对表级锁,LOCK TABLE … READ 增加表级S锁

排它锁(Exclusive locks 简称X锁):写锁,事务A对对象T加锁X锁后,其他事务不能对T加任何锁,只有事务A可以读写对象T直到A释放X锁。针对行级锁,插入、更新、修改加X锁,使用SELECT...FOR UPDATE加X锁;针对表级锁,LOCK TABLE … WRITE 增加表级X锁

更新锁(Update locks 简称U锁)用来预定要对此对象加X锁,它允许其他事务读,但不允许再施加U锁或X锁,当被读取的对象将要被更新时,则升级为X锁,主要是用来防止死锁的。

行锁(Record Lock):锁的作用范围是行级别,数据库能够确定那些行需要锁的情况下使用行锁。行级锁只会和行级锁冲突,会出现死锁,发生锁冲突几率低,并发高。

表锁(Table Lock):锁的作用范围是整张表。表级锁只会和表级锁冲突,通常不会出现死锁,发生锁冲突几率高,并发低。

意向共享锁(简称IS锁):告诉事务稍后要像表中的个别记录增加S锁。当对某条数据加S锁的时候,必须先向表上加IS锁。

意向排它锁(简称IX锁):告诉事务稍后要像表中的个别记录增加X锁。当对某条数据加X锁的时候,必须先向表上加IX锁。

意向锁(Intention Lock)的作用:例如向一个表添加表级X锁的时候,如果没有意向锁的话,则需要遍历所有整个表判断是否有行锁的存在,以免发生冲突;如果有了意向锁,只需要判断该意向锁与即将添加的表级锁是否兼容即可。因为意向锁的存在代表了,有行级锁的存在或者即将有行级锁的存在。因而无需遍历整个表,即可获取结果。

间隙锁(Gap Lock):锁加在不存在的空闲空间,可以是两个索引记录之间,也可能是第一个索引记录之前或最后一个索引之后的空间。

Next-key 锁:行锁与间隙锁的综合。

 

​​​

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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