Mysql事务(MVCC实现原理)锁sql优化
Posted 暴走的小帅
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Mysql事务(MVCC实现原理)锁sql优化相关的知识,希望对你有一定的参考价值。
一.事务
数据库事务就是访问、操作各种数据的一个数据库操作序列, 是由事务开始到事务结束之间全部的执行过程组成的, 事务处理可以用来维护数据库的完整性, 保证成批的sql要么全部执行要么全部都不执行, 当然在mysql中只有使用了Innodb数据库引擎的数据库或表才有事务.
事务的特性:
1.原子性: 在一个事务的所有的操作中, 要么全部执行完成, 要么全部不执行, 如果执行过程中某个环节出现了错误, 那么会回滚到事务开始执行前的状态, 保证事务没有发生过.
2.持久性: 事务处理结束后, 对数据的修改是永久的, 即便系统出现了故障, 也没有关系
3.隔离性: 数据库允许多个事务对数进行读写和修改, 所以可能会导致交叉执行而导致一个事务中得到的数据不一致的结果, 隔离性就可以防止此类事件发生, 事务隔离包括了四种隔离级别, 分别是: 读未提交, 读已提交, 不可重复读, 串行化.
4.一致性: 在事务开始之前和结束之后, 要保证数据库的完整性, 写入和读取的数据必须符合所有的预设规则, 之前的三个特性都是为了保证一致性.
事务的实现原理
Mysql有很多日志文件, 比如二进制文件、错误日志、查询日志等, 而Innodb引擎提供了两种专门实现事务的日志, 一种是redolog(重做日志), 另一种是undolog(回滚日志), 其中, redolog用于保证事务的持久性, 而undolog用于保证事务事务的原子性和隔离性.
1.原子性的实现
实现原子性的关键,是当事务回滚时能够撤销所有已经成功执行的 sql 语 句。InnoDB 实现回滚,靠的是 undo log:当事务对数据库进行修改时,InnoDB 会生成对应的 undo log;如果事务执行失败或调用了 rollback,导致事务需要回滚,便可以利用 undo log 中的信息将数据回滚到修改之前的样子。 undo log 属于逻辑日志,它记录的是 sql 执行相关的信息。当发生回滚时, InnoDB 会根据 undo log 的内容做与之前相反的工作:对于每个 insert,回滚时会执行 delete;对于每个delete,回滚时会执行 insert;对于每个 update, 回滚时会执行一个相反的 update,把数据改回去。 2.持久性实现 redo log 叫做重做日志,是保证事务持久性的重要机制。当 mysql 服务器意外崩溃或者宕机后,保证已经提交的事务,确定持久化到磁盘中的一种措施。innodb 是以页为单位来管理存储空间的,任何的增删改差操作最终都会操作完整的一个页,会将整个页加载到 buffer pool 中,然后对需要修改的记录进行修改,修改完毕不会立即刷新到磁盘,而且仅仅修改了一条记录,刷新一个完整的数据页的话过于浪费了。但是如果不立即刷新的话,数据此时还在内存中,如果此时发生系统崩溃最终数据会丢失的,因此权衡利弊,引入了 redo log,也就是说,修改完后,不立即刷新而是记录一条日志,日志内容就是记录哪个页面,多少偏移量,什么数据发生了什么变更。这样即使系统崩溃,再恢复后,也可以根据 redo 日志进行数据恢复。另外,redo log 是循环写入固定的文件,是顺序写入磁盘的事务的隔离级别
Mysql是一个客户端/服务器架构的软件, 那么就会存在多个客户端连接一个服务器, 所以就会出现服务器同时处理多个事务, 这样就可能就会导致不同的事务访问到的数据都是一致的, 理论上在一个事务执行的过程中, 其他事务是需要排队等待的, 当事务提交之后, 其他事务才可以访问该数据, 但是这样对性能影响又比较大, 所以提出了事务隔离级别原则.
查看隔离级别 SELECT @@global.transaction_isolation,@@transaction_isolation; Mysql 数据提供四种不同级别的隔离级别,实际开发中可以根据不同的需要场景选择不同的隔离级别,除了串行级别 以外其他级别都会存在某种问题. 1.读未提交(read uncommitted) : 一个事务可以读到另一个事务未提交的数据, 这会带来脏读(第一个事务有可能回滚), 幻读, 不可重复读的问题. 2.读已提交(read committed): 一个事务读到另一个事务已提交的数据, 虽然解决了脏读的问题, 但是存在不可重复读和幻读的问题. 不可重复读就是一个事务中第一次查询和第二次查询的结果不一致. 3.可重复读(repeatable read MySQL 默认隔离级别): 同一个事务中多次读取相同的数据返回的结果是一样的, 解决了脏读和不可重复读, 但是还存在幻读的问题. 4.串行化(serializable): 事务串行执行, 避免了上述所有的问题, 安全性极高, 但是效率很低.事务隔离级别实现原理(MVCC)
MVCC也称多版本并发控制, 配合undolog和版本链让事务的读-写和写-读功能可以并发执行, 从而提高系统的性能.
MVCC使得数据库不会对读操作进行加锁, 提高数据库的并发处理能力, 借助MVCC可以实现读已提交和可重复读隔离级别.
Innodb的MVCC是通过在每行记录的后面加两个隐藏的列来实现的, 一个保存了事务的id, 一个保存了回滚指针.
trx_id: 每次对某记录进行改动时,都会把对应的事务 id 赋值给 trx_id 隐藏列。 roll_pt: 每次对记录进行改动时,都会把旧的版本写入到 undo 日志中, 然后这个隐藏列就相当于一个指针,可以通过它来找到该记录修改前的信息。 对该记录每次更新后,都会将旧值放到一条 undolog 中,就算是该记录 的一个旧版本,随着更新次数的增多,所有的版本都会被 roll_pt 属性连接成一 个链表,我们把这个链表称之为版本链,版本链的头节点就是当前记录最新的值。 另外,每个版本中还包含生成该版本时对应的事务 id,这个信息很重要。ReadView 是什么
快照读, 也就是用来判断版本链中那个事务是当前事务可见的.
readview中包含的内容:
- m_ids 。在生成ReadView时,当前系统中活跃的读写事务的事务id列表,即还未提交。
- min_trx_id 。在生成ReadView时,当前系统中活跃的读写事务中最小的事务id;也就是m_ids中 的最小值。
- max_trx_id 。在生成ReadView时,系统应该分配给下一个事务的事务id值。
- creator_trx_id 。生成该ReadView的事务的事务id。
如何通过readview来判断记录中哪个版本是当前事务可见的呢?
1.如果被访问版本的txr_id=当前readview中的creator_trx_id, 那么表示当前事务正在访问自己已经修改过的记录, 所以是可见的
2.如果txr_id<readview中的min_trx_id, 那么表示该版本的事务在当前事务生成readview之前就已经提交事务了, 所以是当前事务可见的.
3.如果txr_id>readview中的max_trx_id, 那么表示该版本的事务在当前事务生成readview之后才开启的,所以是当前事务不可见的.
4.如果txr_id在min_trx_id和max_trx_id之间的, 那么就需要判断txr_id在不在m_ids中, 那么就有两种情况:
(1)如果txr_id在m_ids中, 表示创建readview时, 该版本的事务还是活跃的, 所以是不可被访问的.
(2)如果txr_id不在m_ids中, 表示创建readview时, 该版本的事务已经被提交了, 所以是可被访问的.
Readview生成的时机
读已提交(READ COMMITTED)和可重复读(REPEATABLE READ)最大的区别就在于它们的生成readview的时机不同.
1.读已提交: 在一个事务中, 每次读取数据前都会生成一个readview.
2.可重复读: 在一个事务中, 只有第一次读取数据时会生成readview, 每一次读取都是从同一个readview中读取数据
MVCC总结
MVCC就是通过版本链和Readview或者说版本链和undolog, 来控制并发事务访问同一记录的行为. Mysql就是通过事务列表中的几种id和当前事务id进行做比较来判断当前事务id访问的版本是否可见, 版本可见的情况就包括:
当前版本的事务id是否小于,大于,等于事务列表中的几种id.
每一次读取数据前都会生成对应的readview和第一次的读取数据时生成readview分别对应着读已提交(READ COMMITTED)和可重复读(REPEATABLE READ).
Mysql锁
Mysql中的锁分为表锁, 行级锁, 间隙锁.
表锁: 表锁是Mysql中粒度最大的一种锁, 表示对当前操作的整张表加锁, 适用于大量批量的操作, 例如: 表的重建以及全表备份等, 通过 LOCK TABLE 和 UNLOCK TABLES 语句实现。
同时因为表锁需要所住整张表, 所以并发性能较差, 而且加锁本身是需要消耗资源的(获得锁, 检查锁, 释放锁等), 因此在锁定数据较多的情况下, 可以选择使用表锁从而节省大量资源, Mysql中不同的存储引擎使用的锁是不一样的, MyIsam支持的是表锁, InnoDB支持表锁和行锁.
行锁: 行锁是Mysql中粒度最小的一种锁, 只对当前操作的行加锁, 其他事务可以访问其他行的数据, 适用于并发高的场景, 通过 SELECT ... FOR UPDATE 和 SELECT ... LOCK IN SHARE MODE 语句实现, 但加锁的开销也大, 也可能会出现死锁, 不过锁冲突的概率最低.
行级锁还分为共享锁和排它锁.
1.共享锁(Shared Lock): 也叫读锁, 简称S锁, 在同一时间多个事务都可以持有共享锁, 持有共享锁的事务之间可以并发执行, 即读锁不会阻塞读锁, 但是如果有一个事务持有了共享锁, 其他事务便不可以获得该行的排它锁, 只能等待该共享锁释放.
2.排它锁(Exclusive Lock) : 也叫写锁, 在同一时间内只能有一个事务持有该锁,持有排他锁的事务既可以读取也可以修改该行数据,其他任何事务都不能再获得该行的共享锁和排他锁,直到该排他锁被释放。
间隙锁: 间隙锁锁的是一个区间, 为了解决幻读的问题, InnoDB引入了间隙锁, 同时也满足了串行化隔离级别的要求.
幻读: 幻读指的就是一个事务在同一范围内查询, 后一次查询到了前一次没有查询到的行.
举例来说, 假如 user 表中只有 101 条记录, 其userid 的值分别是 1,2,…,100,101, 下面的 SQL: select * from user where userid > 100 for update;是一个范围条件的检索,InnoDB 不仅会对符合条件的 userid 值为 101 的记录加锁,也会对userid 大 于 101(但是这些记录并不存在)的"间隙"加锁,防止其它事务在表的末尾增加数据
锁冲突
在多用户并发访问数据库时,如果多个用户同时请求对同一数据进行修改,就会产生锁冲突问题。锁冲突是指在一个事务中,如果要访问一个已经被加锁的资源,那么就需要等待这个锁被释放,从而导致事务等待,降低了数据库的性能。
锁冲突一般分为两种类型:共享锁和排他锁。共享锁(Shared Lock)又称读锁,是一种共享锁定机制,多个事务可以同时持有共享锁,且不会阻止其他事务获得共享锁,用于保证并发读取时的数据一致性。排他锁(Exclusive Lock)又称写锁,是一种互斥锁定机制,一旦一个事务获取了排他锁,其他事务就无法获得共享锁和排他锁,用于保证事务操作的原子性。
Sql优化
1. 查询时尽量不要用到select * 查询, 而是用具体字段.
1.可以节省资源, 较少网络和IO的开销, 因为我们需要从磁盘中读取数据, 我用的字段会增加网络的开销和IO的开销.
2.可能对数据的安全也有影响, 假如我们有一个类包含账户、密码等,使用select *可能导致用户的信息泄露。或者是后期添加了一些私密的信息。
3.不会使用到覆盖索引.
2.避免在where子句中使用or来连接条件.
因为使用or可能会导致引擎放弃使用索引, 从而进行全表扫描
select id from t where num=10 or num=20
正确使用方法如下:
select id from t where num=10
union all
select id from t where num=20
3.模糊查询也会导致全表扫描
select id from t where name like '%abc%'
4.尽量使用数值代替字符串类型
主键(id):primary key 优先使用数值类型 int 性别(sex):0 代表女,1 代表男;数据库没有布尔类型,mysql 推荐 使用 tinyint 因为引擎在处理查询和连接时会逐个比较字符串中每一个字符; 而对于数字型而言只需要比较一次就够了; 字符会降低查询和连接的性能,并会增加存储开销; 5.使用varchar代替char 因为varchar是变长字段, 按数据内容实际长度来存储数据, 可以节省存储空间; char按声明代销来存储, 不会补足空余空间. 对于查询来说, 在一个相对较小的字段内搜索, 查询效率更高. 6.对查询进行优化. 尽量避免全表扫描, 首先应考虑在where和order by涉及的列上建立索引 7.尽量避免索引失效 1.避免在where子句中对null值进行判断, 否则导致引擎放弃使用索引对全表进行扫描.如:select id from t where num is null
可以在 num 上设置默认值 0,确保表中 num 列没有 null 值,
然后这样查询:select id from t where num=0 2.in 和 not in 也要慎用,否则会导致全表扫描,如:select id from t where num in(1,2,3),对于连续的数值,能用 between 就不要用 in ,select id from t where num between 1 and 3 3.应尽量避免在 where 子句中对字段进行函数操作,这将导致引擎放弃使用索引而进行 8.inner join 、left join、right join,优先使用 inner join 三种连接如果结果相同,优先使用 inner join inner join 内连接,只保留两张表中完全匹配的结果集; left join 会返回左表所有的行,即使在右表中没有匹配的记录; right join 会返回右表所有的行,即使在左表中没有匹配的记录; 9. 提高 group by 语句的效率 反例:先分组,再过滤 正例:先过滤,后分组 10. 清空表时优先使用 truncate truncate table 比 delete 速度快,且使用的系统和事务日志资源少. delete 语句每次删除一行,并在事务日志中为所删除的每行记录一项。truncate table 通过释放存储表数据所用的数据页来删除数据. 11. 表连接不宜太多,索引不宜太多,一般 5 个以内 联的表个数越多,编译的时间和开销也就越大 每次关联内存中都生成一个临时表 应该把连接表拆开成较小的几个执行,可读性更高 12. 避免在索引列上使用内置函数 使用索引列上内置函数,索引失效。Sql执行计划(explain)
Explain : 使用explain可以模拟优化器执行sql查询, 从而知道MySQL是如何处理你的 SQL 语句的。分析你的查询语句或是表结构的性能瓶颈。'
Explain的作用:
表的读取顺序, 数据读取操作的操作类型, 哪些索引可以使用, 哪些索引被实际使用, 表之间的引用, 每张表有多少行被优化器查询
在 select 语句之前增加 explain 关键字,执行查询会返回执行计划的信息, 而不是执行 SQL。EXPLAIN SELECT * FROM USER WHERE id = 1
expain 出来的信息有 12 列,分别是:
id, select_type, table, type, possible_keys, key, key_len, ref, rows, Extra
概要描述
id:选择标识符
select_type:表示查询的类型。
table:输出结果集的表
partitions:匹配的分区
type:表示表的连接类型
possible_keys:表示查询时,可能使用的索引
key:表示实际使用的索引
key_len:索引字段的长度
ref:列与索引的比较
rows:扫描出的行数(估算的行数)
filtered:按表条件过滤的行百分比
Extra:执行情况的描述和说明
1.id
SELECT 识别符。这是 SELECT 的查询序列号
id 如果相同,可以认为是一组,从上往下顺序执行;在所有组中,id 值越大,优先级越高,越先执行
EXPLAIN SELECT * FROM employee e,dept d WHERE e.deptId = d.id
EXPLAIN SELECT * FROM employee e WHERE e.deptId = (SELECT id FROM dept d WHERE d.id = 1)
2. select_type
表示查询中每个 select 子句的类型 1.SIMPLE(简单 SELECT,不使用 UNION 或子查询等) 2.PRIMARY(子查询中最外层查询,查询中若包含任何复杂的子部分,最外层的 select 被标记为 PRIMARY) 3.SUBQUERY(子查询中的第一个 SELECT,结果不依赖于外部查询) 4.DERIVED(派生表的 SELECT, FROM 子句的子查询) 5.UNION(UNION 中的第二个或后面的 SELECT 语句) 6.UNION RESULT(UNION 的结果,union 语句中第二个 select 开始后面所有 select)3.type
对表访问方式,表示 MySQL 在表中找到所需行的方式,又称“访问类型”。 常用的类型有:system>const>eq_ref>ref>range>index>ALL(从左到右, 性能从好到差) . 4.system: 表只有一行记录(等于系统表),平时不会出现,这个也可以忽略不计. 5.const: 表示通过索引一次就找到了,const 用于比较 primary key 或者 unique 索引。 6.eq_ref: 唯一性索引扫描,对于每个索引键,表中只有一条记录与之匹配。常见于主键或唯一索引扫描. 7.ref: 非唯一性索引扫描,返回匹配某个单独值的所有行.本质上也是一种索引访 问,它返回所有匹配某个单独值的行,然而,它可能会找到多个符合条件的行, 所以他应该属于查找和扫描的混合体. 8.range: 只检索给定范围的行,使用一个 索引 来选择行。key 列显示使用了哪个索引一般就是在你的 where 语句中出现了 between、<、>、in 等的查询这种范围扫描索引扫描比全表扫描要好,因为它只需要开始于索引的某一点,而结束语另一点,不用扫描全部索引。 9.index: Full Index Scan,index 与 ALL 区别为 index 类型只遍历索引树。这通常比 ALL 快,因为索引文件通常比数据文件小。也就是说虽然 all 和 Index 都是读全表,但 index 是从索引中读取的,而 all 是从硬盘中读的) 10.All: Full Table Scan,将遍历全表以找到匹配的行一般来说,得保证查询至少达到 range 级别,最好能达到 ref. 11.possible_keys 显示可能应用在这张表中的索引,一个或多个。 查询涉及到的字段上若存在索引,则该索引将被列出,但不一定被查询实际使用 key 实际使用的索引。如果为 NULL,则没有使用索引,或者索引失效. 12.ken_len 表示索引中使用的字节数,可通过该列计算查询中使用的索引的长度。在不损失精确性的情况下,长度越短越好. 13.ref 显示索引的哪一列被使用了,如果可能的话,是一个常数。哪些列或常量被用于查找索引列上的值 EXPLAIN SELECT * FROM employee e,dept d,admin a WHERE e.deptId = d.id AND e.adminId=a.id AND e.age=20 14.rows 根据表统计信息及索引选用情况,大致估算出找到所需的记录所需要读取的行数. 15.Extra 额外的信息说明 Using filesort: 当 Query 中包含 ORDER BY 操作,而且无法利用索引完成排序操作的时候,Mysql 无法利用索引完成排序的操作称为”文件排序”. Using temporary: 使了用临时表保存中间结果,MySQL 在对查询结果排序时使用临时表。常见于排序 order by 和分组查询 group by。 Using index 表示相应的 select 操作中使用了索引,避免访问了表的数据行,效率不错! 如果同时出现 using where,表明索引被用来执行索引键值的查找;如果没 有同时出现 using where,表明索引用来读取数据而非执行查找动作。 Using where 表示使用到了索引 , 但是也进行了 where 过滤SQL优化 MVCC PostgreSQL实现事务和多版本并发控制的精华
本文结合实例介绍了PostgreSQL的MVCC实现机制,并介绍了PostgreSQL如何通过MVCC保证事务的原子性和隔离性,最后介绍了PostgreSQL如何通过VACUUM机制克服MVCC带来的副作用。
PostgreSQL针对ACID的实现机制
事务的实现原理可以解读为RDBMS采取何种技术确保事务的ACID特性。PostgreSQL针对ACID的实现技术如下表所示。
ACID | 实现技术 |
---|---|
原子性(Atomicity) | MVCC |
一致性(Consistency) | 约束(主键、外键等) |
隔离性 | MVCC |
持久性 | WAL |
从上表可以看到,PostgreSQL主要使用MVCC和WAL两项技术实现ACID特性。实际上,MVCC和WAL这两项技术都比较成熟,主流关系型数据库中都有相应的实现,但每个数据库中具体的实现方式往往存在较大的差异。本文将介绍PostgreSQL中的MVCC实现原理。
MVCC之事务ID(XID)
在PostgreSQL中,每个事务都有一个唯一的事务ID,被称为XID。注意:除了被BEGIN - COMMIT/ROLLBACK包裹的一组语句会被当作一个事务对待外,不显示指定BEGIN - COMMIT/ROLLBACK的单条语句也是一个事务。
数据库中的事务ID递增。可通过txid_current函数获取当前事务的ID。
隐藏的多版本标记字段
PostgreSQL中,对于每一行数据(称为一个tuple),包含有4个隐藏字段。这四个字段是隐藏的,但可直接访问。
xmin 在创建(insert)记录(tuple)时,记录此值为插入tuple的事务ID
xmax 默认值为0.在删除tuple时,记录此值
cmin和cmax 标识在同一个事务中多个语句命令的序列值,从0开始,用于同一个事务中实现版本可见性判断
下面通过实验具体看看这些标记如何工作。在此之前,先创建测试表
CREATE TABLE test
(
id INTEGER,
value TEXT
);
开启一个事务,查询当前事务ID(值为3277),并插入一条数据,xmin为3277,与当前事务ID相等。符合上文所述——插入tuple时记录xmin,记录未被删除时xmax为0
postgres=> BEGIN;
BEGIN
postgres=> SELECT TXID_CURRENT();
txid_current
--------------
3277
(1 row)
postgres=> INSERT INTO test VALUES(1, 'a');
INSERT 0 1
postgres=> SELECT *, xmin, xmax, cmin, cmax FROM test;
id | value | xmin | xmax | cmin | cmax
----+-------+------+------+------+------
1 | a | 3277 | 0 | 0 | 0
(1 row)
继续通过一条语句插入2条记录,xmin仍然为当前事务ID,即3277,xmax仍然为0,同时cmin和cmax为1,符合上文所述cmin/cmax在事务内随着所执行的语句递增。虽然此步骤插入了两条数据,但因为是在同一条语句中插入,故其cmin/cmax都为1,在上一条语句的基础上加一。
INSERT INTO test VALUES(2, 'b'), (3, 'c');
INSERT 0 2
postgres=> SELECT *, xmin, xmax, cmin, cmax FROM test;
id | value | xmin | xmax | cmin | cmax
----+-------+------+------+------+------
1 | a | 3277 | 0 | 0 | 0
2 | b | 3277 | 0 | 1 | 1
3 | c | 3277 | 0 | 1 | 1
(3 rows)
将id为1的记录的value字段更新为'd',其xmin和xmax均未变,而cmin和cmax变为2,在上一条语句的基础之上增加一。此时提交事务。
UPDATE test SET value = 'd' WHERE id = 1;
UPDATE 1
postgres=> SELECT *, xmin, xmax, cmin, cmax FROM test;
id | value | xmin | xmax | cmin | cmax
----+-------+------+------+------+------
2 | b | 3277 | 0 | 1 | 1
3 | c | 3277 | 0 | 1 | 1
1 | d | 3277 | 0 | 2 | 2
(3 rows)
postgres=> COMMIT;
COMMIT
开启一个新事务,通过2条语句分别插入2条id为4和5的tuple。
BEGIN;
BEGIN
postgres=> INSERT INTO test VALUES (4, 'x');
INSERT 0 1
postgres=> INSERT INTO test VALUES (5, 'y');
INSERT 0 1
postgres=> SELECT *, xmin, xmax, cmin, cmax FROM test;
id | value | xmin | xmax | cmin | cmax
----+-------+------+------+------+------
2 | b | 3277 | 0 | 1 | 1
3 | c | 3277 | 0 | 1 | 1
1 | d | 3277 | 0 | 2 | 2
4 | x | 3278 | 0 | 0 | 0
5 | y | 3278 | 0 | 1 | 1
(5 rows)
此时,将id为2的tuple的value更新为'e',其对应的cmin/cmax被设置为2,且其xmin被设置为当前事务ID,即3278
UPDATE test SET value = 'e' WHERE id = 2;
UPDATE 1
postgres=> SELECT *, xmin, xmax, cmin, cmax FROM test;
id | value | xmin | xmax | cmin | cmax
----+-------+------+------+------+------
3 | c | 3277 | 0 | 1 | 1
1 | d | 3277 | 0 | 2 | 2
4 | x | 3278 | 0 | 0 | 0
5 | y | 3278 | 0 | 1 | 1
2 | e | 3278 | 0 | 2 | 2
(5 rows)
在另外一个窗口中开启一个事务,可以发现id为2的tuple,xin仍然为3277,但其xmax被设置为3278,而cmin和cmax均为2。符合上文所述——若tuple被删除,则xmax被设置为删除tuple的事务的ID。
BEGIN;
BEGIN
postgres=> SELECT *, xmin, xmax, cmin, cmax FROM test;
id | value | xmin | xmax | cmin | cmax
----+-------+------+------+------+------
2 | b | 3277 | 3278 | 2 | 2
3 | c | 3277 | 0 | 1 | 1
1 | d | 3277 | 0 | 2 | 2
(3 rows)
这里有几点要注意
新旧窗口中id为2的tuple对应的value和xmin、xmax、cmin/cmax均不相同,实际上它们是该tuple的2个不同版本
在旧窗口中,更新之前,数据的顺序是2,3,1,4,5,更新后变为3,1,4,5,2。因为在PostgreSQL中更新实际上是将旧tuple标记为删除,并插入更新后的新数据,所以更新后id为2的tuple从原来最前面变成了最后面
在新窗口中,id为2的tuple仍然如旧窗口中更新之前一样,排在最前面。这是因为旧窗口中的事务未提交,更新对新窗口不可见,新窗口看到的仍然是旧版本的数据
提交旧窗口中的事务后,新旧窗口中看到数据完全一致——id为2的tuple排在了最后,xmin变为3278,xmax为0,cmin/cmax为2。前文定义中,xmin是tuple创建时的事务ID,并没有提及更新的事务ID,但因为PostgreSQL的更新操作并非真正更新数据,而是将旧数据标记为删除,并插入新数据,所以“更新的事务ID”也就是“创建记录的事务ID”。
SELECT *, xmin, xmax, cmin, cmax FROM test;
id | value | xmin | xmax | cmin | cmax
----+-------+------+------+------+------
3 | c | 3277 | 0 | 1 | 1
1 | d | 3277 | 0 | 2 | 2
4 | x | 3278 | 0 | 0 | 0
5 | y | 3278 | 0 | 1 | 1
2 | e | 3278 | 0 | 2 | 2
(5 rows)
MVCC保证原子性
原子性(Atomicity)指得是一个事务是一个不可分割的工作单位,事务中包括的所有操作要么都做,要么都不做。
对于插入操作,PostgreSQL会将当前事务ID存于xmin中。对于删除操作,其事务ID会存于xmax中。对于更新操作,PostgreSQL会将当前事务ID存于旧数据的xmax中,并存于新数据的xin中。换句话说,事务对增、删和改所操作的数据上都留有其事务ID,可以很方便的提交该批操作或者完全撤销操作,从而实现了事务的原子性。
MVCC保证事物的隔离性
隔离性(Isolation)指一个事务的执行不能被其他事务干扰。即一个事务内部的操作及使用的数据对并发的其他事务是隔离的,并发执行的各个事务之间不能互相干扰。
标准SQL的事务隔离级别分为如下四个级别
隔离级别 | 脏读 | 不可重复读 | 幻读 |
---|---|---|---|
未提交读(read uncommitted) | 可能 | 可能 | 可能 |
提交读(read committed) | 不可能 | 可能 | 可能 |
可重复读(repeatable read) | 不可能 | 不可能 | 可能 |
串行读(serializable) | 不可能 | 不可能 | 不可能 |
从上表中可以看出,从未提交读到串行读,要求越来越严格。
注意,SQL标准规定,具体数据库实现时,对于标准规定不允许发生的,绝不可发生;对于可能发生的,并要不求一定能发生。换句话说,具体数据库实现时,对应的隔离级别只可更严格,不可更宽松。
事实中,PostgreSQL可实现了三种隔离级别——未提交读和提交读实际上都被实现为提交读。
MVCC提交读
提交读只可读取其它已提交事务的结果。PostgreSQL中通过pg_clog来记录哪些事务已经被提交,哪些未被提交。具体实现方式将在下一篇文章《SQL优化(七) WAL PostgreSQL实现事务和高并发的重要技术》中讲述。
MVCC可重复读
相对于提交读,重复读要求在同一事务中,前后两次带条件查询所得到的结果集相同。实际中,PostgreSQL的实现更严格,不紧要求可重复读,还不允许出现幻读。它是通过只读取在当前事务开启之前已经提交的数据实现的。结合上文的四个隐藏系统字段来讲,PostgreSQL的可重复读是通过只读取xmin小于当前事务ID且已提交的事务的结果来实现的。
PostgreSQL中的MVCC优势
使用MVCC,读操作不会阻塞写,写操作也不会阻塞读,提高了并发访问下的性能
事务的回滚可立即完成,无论事务进行了多少操作
数据可以进行大量更新,不段像MySQL和Innodb引擎和Oracle那样需要保证回滚段不会被耗尽
PostgreSQL中的MVCC缺点
事务ID个数有限制
事务ID由32位数保存,而事务ID递增,当事务ID用完时,会出现wraparound问题。
PostgreSQL通过VACUUM机制来解决该问题。对于事务ID,PostgreSQL有三个事务ID有特殊意义:
0代表invalid事务号
1代表bootstrap事务号
2代表frozon事务。frozon transaction id比任何事务都要老
可用的有效最小事务ID为3。VACUUM时将所有已提交的事务ID均设置为2,即frozon。之后所有的事务都比frozon事务新,因此VACUUM之前的所有已提交的数据都对之后的事务可见。PostgreSQL通过这种方式实现了事务ID的循环利用。
大量过期数据占用磁盘并降低查询性能
由于上文提到的,PostgreSQL更新数据并非真正更改记录值,而是通过将旧数据标记为删除,再插入新的数据来实现。对于更新或删除频繁的表,会累积大量过期数据,占用大量磁盘,并且由于需要扫描更多数据,使得查询性能降低。
PostgreSQL解决该问题的方式也是VACUUM机制。从释放磁盘的角度,VACUUM分为两种
VACUUM 该操作并不要求获得排它锁,因此它可以和其它的读写表操作并行进行。同时它只是简单的将dead tuple对应的磁盘空间标记为可用状态,新的数据可以重用这部分磁盘空间。但是这部分磁盘并不会被真正释放,也即不会被交还给操作系统,因此不能被系统中其它程序所使用,并且可能会产生磁盘碎片。
VACUUM FULL 需要获得排它锁,它通过“标记-复制”的方式将所有有效数据(非dead tuple)复制到新的磁盘文件中,并将原数据文件全部删除,并将未使用的磁盘空间还给操作系统,因此系统中其它进程可使用该空间,并且不会因此产生磁盘碎片。
SQL优化系列文章
原创文章,始发自作者个人博客www.jasongj.com。转载请在文章开头处注明转自【大数据架构】并以超链接形式注明原文链接http://www.jasongj.com/sql/mvcc/
点击“阅读全文”,查看作者个人博客
以上是关于Mysql事务(MVCC实现原理)锁sql优化的主要内容,如果未能解决你的问题,请参考以下文章