数据库事务

本文概要 本文分两部分， 第一部分概念介绍，重在理解。 第二部分通过MySQL Innodb中的具体实现，加深相关知识的印象。 本文的原意是一篇个人学习笔记，为了避免成为草草记录一下的流水账，尝试从给人介绍的角度开写。但在整理的过程中，越来越感觉力不从心，一是细节太多了，原以为足够了解的一个小知识点下可能隐藏了很多细节；二是内容与范围的取舍，既想有点技术性避免空谈，又不想陷入枯燥冗长的小细节描述。几番折腾，目前的想法把坑填上，能写完就不错了，你读起来有不顺或错误的地方请见谅，欢迎反馈。 1. 概念与理解 Redo与undo并非是相互的逆操作，而是能配合起来使用的两种机制。 说是两种机制，其实都是日志记录，不同的是redo记录以顺序附加的形式记录新值，如某条记录<T,X,V>，表示事物T将新值V存储到 数据库 元素X，新值可以保证重做； 而Undo记录通常以随机操作的形式记录旧值，如某条记录<T1,Y,9>，表示事物T1对Y进行了修改，修改前Y的值是9，旧值能用于撤销，也能供其他事务读取。 Redo用来保证事务的原子性和持久性，Undo能保证事务的一致性，两者也是系统恢复的基础前提。 1.1 Redo 一个事务从开始到结束，要么提交完成，要么中止，具有原子性。而反映在redo日志中可能需要若干条记录来保证，如： <T0 start> <T0,A,500> <T0,B,500> <T0

转自： 　　https://blog.csdn.net/cp026la/article/details/86496788 扯淡： 　　复杂的业务逻辑中一个请求可能需要多次操作数据库，要保证一个Service 方法中多个 dao 的操作同时成功(失败)，事务的配置就很重要了。 大概分三种情况: 　　1、分布式事务：即多模块中事务，分布式事务建议是可以避免就避免，可以使用消息中间件处理，但也不能完全解决。 　　2、多线程事务：参考：https://blog.csdn.net/kongkongyanan/article/details/81703415 　　3、单模块中的事务，本章的重点，也是开发中遇到的最多的，这里给出两种配置方式。 　　本章分别使用注解 @Transactional (springboot默认推荐)和 AOP 全局配置的方式: pom 依赖(延续上一章代码)增加aop的依赖: <!-- aop --> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-aop</artifactId> </dependency> 一、事务演示: 需要引入spring-boot-starter-jdbc依赖，但是我们集成了mybatis，已经包含了该依赖

存储引擎 概念 数据库存储引擎是数据库底层软件组织，数据库管理系统（DBMS）使用数据引擎进行创建、查询、更新和删除数据。不同的存储引擎提供不同的存储机制、索引技巧、锁定水平等功能，使用不同的存储引擎，还可以 获得特定的功能。现在许多不同的数据库管理系统都支持多种不同的数据引擎。 存储引擎主要有： 1. MyIsam , 2. InnoDB, 3. Memory, 4. Archive, 5. Federated 。 InnoDB（B+树） InnoDB 底层存储结构为B+树， B树的每个节点对应innodb的一个page，page大小是固定的，一般设为 16k。其中非叶子节点只有键值，叶子节点包含完成数据。 数据库：存储引擎+InnoDB+TokuDB+ MyIASM +Memory+索引+三范式等 适用场景 ： 1）经常更新的表，适合处理多重并发的更新请求。 2）支持事务。 3）可以从灾难中恢复（通过 bin-log 日志等）。 4）外键约束。只有他支持外键。 5）支持自动增加列属性 auto_increment。 TokuDB（Fractal Tree-节点带数据） TokuDB 底层存储结构为 Fractal Tree,Fractal Tree 的结构与 B+树有些类似, 在 Fractal Tree中，每一个 child 指针除了需要指向一个 child 节点外

1. 2 MySQL InnoDB 锁的基本类型 https://dev.mysql.com/doc/refman/5.7/en/innodb-locking.html 官网把锁分成了 8 类。所以我们把前面的两个行级别的锁（Shared and Exclusive Locks），和两个表级别的锁（Intention Locks）称为锁的基本模式。 后面三个 Record Locks、Gap Locks、Next-Key Locks，我们把它们叫做锁的算法， 也就是分别在什么情况下锁定什么范围。 2.1 锁的粒度 我们讲到 InnoDB 里面既有行级别的锁，又有表级别的锁，我们先来分析一下这两 种锁定粒度的一些差异。 表锁，顾名思义，是锁住一张表；行锁就是锁住表里面的一行数据。锁定粒度，表 锁肯定是大于行锁的。 那么加锁效率，表锁应该是大于行锁还是小于行锁呢？大于。为什么？表锁只需要 直接锁住这张表就行了，而行锁，还需要在表里面去检索这一行数据，所以表锁的加锁 效率更高。 第二个冲突的概率？表锁的冲突概率比行锁大，还是小？ 大于，因为当我们锁住一张表的时候，其他任何一个事务都不能操作这张表。但是 我们锁住了表里面的一行数据的时候，其他的事务还可以来操作表里面的其他没有被锁 定的行，所以表锁的冲突概率更大。 表锁的冲突概率更大，所以并发性能更低，这里并发性能就是小于。 nnoDB

1、MySQL 中有哪几种锁？ 表级锁：开销小，加锁快；不会出现死锁；锁定粒度大，发生锁冲突的概率最高，并发度最低。 行级锁：开销大，加锁慢；会出现死锁；锁定粒度最小，发生锁冲突的概率最低，并发度也最高。 页面锁：开销和加锁时间界于表锁和行锁之间；会出现死锁；锁定粒度界于表锁和行锁之间，并发度一般。 2、MySQL 中有哪些不同的表格？ 共有 5 种类型的表格： MyISAM Heap Merge INNODB ISAM 3、简述在 MySQL 数据库中 MyISAM 和 InnoDB 的区别 MyISAM： 不支持事务，但是每次查询都是原子的； 支持表级锁，即每次操作是对整个表加锁； 存储表的总行数； 一个 MYISAM 表有三个文件：索引文件、表结构文件、数据文件； 采用菲聚集索引，索引文件的数据域存储指向数据文件的指针。辅索引与主索引 基本一致，但是辅索引不用保证唯一性。 InnoDb： 支持 ACID 的事务，支持事务的四种隔离级别； 支持行级锁及外键约束：因此可以支持写并发； 不存储总行数： 一个 InnoDb 引擎存储在一个文件空间（共享表空间，表大小不受操作系统控制， 一个表可能分布在多个文件里），也有可能为多个（设置为独立表空，表大小受操作系统文件大小限制，一般为 2G），受操作系统文件大小的限制； 主键索引采用聚集索引（索引的数据域存储数据文件本身）

摘自： https://www.cnblogs.com/iceggboom/p/12144570.html 分布式事务框架-seata初识 一、事务与分布式事务 事务,在数据库中指的是操作数据库的最小单位,往大了看,事务是应用程序中一系列严密的操作，所有操作必须成功完成，否则在每个操作中所作的所有更改都会被撤消。 那为什么会有分布式事务呢?单机事务是通过将操作限制在一个会话内通过数据库本身的锁以及日志来实现ACID.因为引入了分布式架构,所以事务的参与者、支持事务的服务器、资源服务器以及事务管理器分别位于不同的分布式系统的不同节点之上.简单说就是多各数据库之间无法保证保证各自的操作同时成功或同时失败。 二、介绍 Seata:Simple Extensible Autonomous Transaction Architecture，简易可扩展的自治式分布式事务管理框架，其前身是fescar。阿里巴巴GTS的开源版实现，是一种分布式事务的解决方案。 三、架构 Coordinator Core：最下面的模块是事务协调器核心代码，主要用来处理事务协调的逻辑，如是否 Commit、Rollback 等协调活动。 Store：存储模块，用来将我们的数据持久化，防止重启或者宕机数据丢失。 Discover：服务注册/发现模块，用于将 Server 地址暴露给 Client。 Config

本文始发于个人公众号： TechFlow 说到数据库，以前我老师有一句很经典的话。你可以不会写SQL，但是一定不能不知道 ACID 。 在工业领域，SQL可以说是应用最广泛的技术。从后端到算法，从数据到DBA，再到产品，甚至连一些运营也会基本的SQL。所以如果你现在还不太会的话，我建议你用一个下午的时间找个网站好好学一下。 原本我是想直接写些Hbase相关的内容，但是我发现要想讲清楚Hbase，必须要讲noSQL数据库。如果将noSQL，则又离不开最传统的关系型数据库。所以我们一步一步来，先从基础的关系型数据库讲起。或许我这么说并不准确，因为数据库并不基础，相反它十分复杂。从索引到各种优化和设计原理，再到内部的各种算法和数据结构，涉及到的内容非常多。我们先把浩如烟海的知识放一放，先从最核心的数据库四大原则开始说起。 数据库事务ACID四大原则， A代表Atomicity，即原子性。C表示Consistency，即一致性。I表示Isolation，即隔离性。D表示Durability，即持久性 。 这四个原则了解过数据库的应该都如雷贯耳。可是真正面试的时候被问起来，能一个不落说得上来，并且讲得清楚原委的就不多了。我觉得主要是因为我们的翻译过于文雅，不像英文那么直观，所以很难顾名思义。另一个原因是我们在学习的时候理解不够深入，只知道原因，不知道原因的究竟。所谓知其然，不知其所以然。

单点数据库 数据库往往是系统中的性能瓶颈，所以通常在系统设计中会引入各种各样的缓存机制，以避免频繁访问数据库。另外，数据库由于其重要性，高可用要求也是避免不了的，因为一旦数据库挂了基本上整个系统也就不能使用了。 而以上这些常见问题都是单点数据库带来的限制，为了解决这些问题，达到高性能、高可用的目的，我们就需要在系统架构设计中采用数据库集群方案。 性能测试 既然单点数据库存在性能问题，那么有没有实际数据呢？下面我们就来对单点数据库进行一个性能测试，看看其并发极限大概是多少。我这里使用了一台2核2G的云服务，mysql版本为8.0.18。 mysql自带了一个性能测试工具：mysqlslap，我们可以使用该工具进行测试，具体的测试参数如下： [root@localhost ~]# mysqlslap -hlocalhost -uroot -pyour_password -P3306 --concurrency=500 --iterations=1 --auto-generate-sql --auto-generate-sql-load-type=mixed --auto-generate-sql-add-autoincrement --engine=innodb --number-of-queries=500 主要参数说明： 参数 说明 --concurrency 并发数量

1. 2 MySQL InnoDB 锁的基本类型 https://dev.mysql.com/doc/refman/5.7/en/innodb-locking.html 官网把锁分成了 8 类。所以我们把前面的两个行级别的锁（Shared and Exclusive Locks），和两个表级别的锁（Intention Locks）称为锁的基本模式。 后面三个 Record Locks、Gap Locks、Next-Key Locks，我们把它们叫做锁的算法， 也就是分别在什么情况下锁定什么范围。 2.1 锁的粒度 我们讲到 InnoDB 里面既有行级别的锁，又有表级别的锁，我们先来分析一下这两 种锁定粒度的一些差异。 表锁，顾名思义，是锁住一张表；行锁就是锁住表里面的一行数据。锁定粒度，表 锁肯定是大于行锁的。 那么加锁效率，表锁应该是大于行锁还是小于行锁呢？大于。为什么？表锁只需要 直接锁住这张表就行了，而行锁，还需要在表里面去检索这一行数据，所以表锁的加锁 效率更高。 第二个冲突的概率？表锁的冲突概率比行锁大，还是小？ 大于，因为当我们锁住一张表的时候，其他任何一个事务都不能操作这张表。但是 我们锁住了表里面的一行数据的时候，其他的事务还可以来操作表里面的其他没有被锁 定的行，所以表锁的冲突概率更大。 表锁的冲突概率更大，所以并发性能更低，这里并发性能就是小于。 nnoDB

1、简介 MySQL的历史可以追溯到1979年，一个名为Monty Widenius的程序员在为TcX的小公司打工，并且用BASIC设计了一个报表工具，使其可以在4MHz主频和16KB内存的计算机上运行。当时，这只是一个很底层的且仅面向报表的存储引擎，名叫Unireg。【MySQL早期叫Unireg】早期轻量级，后来发展到巨无霸（淘宝、faceboock）MySQL AB是由MySQL创始人和主要开发人创办的公司。MySQL AB最初是由David Axmark、Allan Larsson和Michael“Monty”Widenius在瑞典创办的。 SQL标准：ANSI SQL SQL-86, SQL-89, SQL-92, SQL-99, SQL-03 SQL四种语言：DDL,DML,DCL,TCL DDL（Data Definition Language）数据定义语言 DML（Data Manipulation Language）数据操纵语言 DCL（Data Control Language）数据库控制语言 授权，角色控制等 TCL（Transaction Control Language）事务控制语言 SAVEPOINT 设置保存点 ROLLBACK 回滚 SET TRANSACTION SQL主要分成四部分： （1）数据定义。（SQL DDL）用于定义SQL模式、基本表