生产问题一则：MySQL隔离级别引发的数据读取失败问题

Posted 2021-10-01 北亮bl

先简介mysql的4种隔离级别和解决的3种问题：

隔离级别	脏读	不可重复读	幻读
读未提交 read-uncommitted	是	是	是
读已提交 read-committed	否	是	是
可重复读 repeatable-read	否	否	是
串行化 serializable	否	否	否

• 脏读：事务A新增或更新数据，还未提交，事务B就能读取到，然后事务A回滚了，导致事务B读取的是脏数据。
• 不可重复读：事务A读取一行数据，事务B更新该数据，事务A再次读取同一行数据，两次读取的结果是不一致的。
• 幻读：事务A读写范围数据，比如 between 1 and 3，得到1,3两行数据，事务B插入2或删除3，事务A再读取，发现数据多了或少了。

MySQL默认级别是 可重复读，查看当前级别的语句： SELECT @@transaction_isolation
MySQL解决这几种问题的主要原理是MVCC(多版本并发控制)和Gap Lock(间隙锁)。

---

正文，前几天发现一个线上问题：一个任务调度系统，在保存任务后，无法立即启动该任务。 简化后的代码实现如下：

@Transactional
public Autotask saveAndStart(AutotaskDto item) {
    item.setId(0); // 任务只能新建
    Autotask task = autotaskRepository.save(item.mapTo());
    for (AutotaskdetailDto detailDto : item.getDetails()) {
        detailDto.setId(0);
        detailDto.setTaskid(task.getId());
        autotaskdetailRepository.save(detailDto.mapTo());
    }

    runTask(task.getId()); // 启动任务
    return task;
}

private void runTask(int id) {
    ThreadHelper.exeAnsync(() -> {
        Autotask taskRealTime = autotaskRepository.findById(id).orElse(null);
        if (taskRealTime == null) {
            throw new RuntimeException("task can't found:" + id);
        }
        // 其它业务逻辑
    });
}

故障现象是偶发的，现象是1天或几天出现一次 task can’t found错误。
第一次Review代码未能发现有啥问题，于是通过AOP添加sql日志，日志记录方案参考，得到的日志整理后大致如下：

2021-06-29 09:30:07.799 DEBUG 17626  --- [http-nio-12130-exec-102] org.hibernate.SQL : insert into ops.Autotask(state, title, type, username) values(?, ?, ?, ?)
2021-06-29 09:30:07.801 DEBUG 17626  --- [http-nio-12130-exec-102] org.hibernate.SQL : insert into ops.Autotaskdetail(env, ipAddress, isGray, projectId, state, taskid) values(?, ?, ?, ?, ?, ?)
2021-06-29 09:30:07.949 DEBUG 17626  --- [pool-4-thread-3] org.hibernate.SQL : select * from ops.Autotask where id=?

从日志看到，SELECT确实在INSERT执行成功之后，为啥读取不到数据呢？
看完日志第一反应，会不会是读写分离导致的延迟问题？找阿里云的兄弟确认了一下，高可用版本的RDS没有只读实例，没有读写分离，也没有经过Proxy，所以跟读写分离无关。
同时，阿里云的兄弟说，会不会是2个会话，然后某个事务未提交导致的。
赶紧回去看代码，这才注意到方法上的注解：@Transactional，恍然大悟。

我们的MySQL，设置的隔离级别是读已提交：事务B读取不到事务A未提交的更改。
由于代码启动任务是异步的，相当于新起了一个事务，由于计算机的多线程特性，代码执行的顺序是不确定的。
上述的代码，多数情况下，是方法saveAndStart结束后（事务提交了），才启动的另一个事务，出问题的场景，是线程先启动，然后再结束saveAndStart方法，此时就会导致新线程读取不到该方法里插入的数据。

问题定位了，解决就简单了：

• 方案1：在autotaskRepository.findById前面，增加Thread.sleep(1000)，等一秒再启动。这个还是有隐患，原来的方法如果超过1秒才结束，问题依旧。
• 方案2：把save和start进行分离，推荐，职责单一。最好使用事件模式。

看起来，有时没定位到问题时，还是要对着小黄鸭，多讲讲代码啊。