闲聊数据库的并发控制

1.概述

最近在学习分布式相关知识，接触到分布式事务。其实本质就是在分布式环境下，对于事务处理可以做到和单节点一样的效果。那我们可能就需要对单节点事务有足够深的理解才行，但是我们很清楚如果数据库的事务都串行执行，确实可以保证各种隔离级别，但是对于性能影响是非常大的。所以该文主要聊聊当前数据库为了提升性能，执行并发事务的一些策略。也就是并发控制。

2.概述并发事务

为了避免串行化并发事务，于是引入了并发事务，但是我们可以想想，如果不进行一些并发控制，多线程直接去操作数据库必然会造成一些不可预知的后果。毕竟我们在应用程序中多线程操作内存都会有奇怪的事情发生。

但我们清楚，在java中进行并发控制是通过加锁实现（乐观锁、悲观锁和CAS），数据库也是如此。数据库有乐观并发控制、悲观并发控制、还有就是MVCC。MVCC其实就是和前面两个任意一个结合起来，提升数据库的读性能。

3.乐观并发事务

其实是使用乐观锁去实现，乐观锁并不是真正的锁。只不过就是我们假设我们可以更新成功，再尝试的过程中，如果失败，那么就需要会滚。具体分为两种方式

(1)基于时间戳的方式

对于每个事务，我们都会为其生成全局的时间戳，我们保证这个时间戳是按递增增长的，有一定的顺序的。在single情况下，这个是很容易满足的，但是在分布式环境下就需要一些措施了。
拥有了时间戳，我们就能保证事务执行的顺序是按照时间戳顺序来执行。这样，其实每个数据项，都会有两个实现戳，一个是读，一个是写。
在读写的时候，我们不需要考虑其他事务在做什么，我们只需要保证时间戳的顺序，那么就不会有问题。

每次读取的时候会判断这个时间戳，如果时间戳大于当前值，说明比他时间大的事务对其有操作，那么我们就只能回滚事务，然后会给回滚的事务设置一个新的时间戳，重新执行事务。

(2)基于验证的方式

主要是分为两个阶段，第一个阶段会执行事务的所有读操作和写操作，但是写的数据只是会存储到临时变量中，并不会直接更新数据库数据。第二个阶段其实就是通过CAS的语义将数据更新到数据库，这其实包括了验证和写入。验证阶段就需要判断涉及到的数据是否被其他事务影响。如果有那么就需要回滚，如果没有则成功。验证和写入操作是原子的。只要成功写入，后续冲突的事务就需要回滚。
其实这里我有个疑惑，如果是同一个事务，我怎么保证验证和写入原子性呢？

4.悲观并发事务

其实就是加锁来实现。对于数据处理的过程中都会被锁定。保证并发安全。
为了降低锁的粒度，数据库有两种锁，共享锁和互斥锁。
共享锁也就是多个事务可以同时持有，因为对于读取操作，并不会影响数据库的数据，但是如果需要update语义，就必须持有互斥锁。

两阶段协议（2PL）

保证了事务的串行化执行，其实主要分为增长阶段和缩减阶段。增长阶段不能释放锁，也就是一直加锁的过程。
比如同一个事务需要更新两条数据，那么先需要持A的锁，然后执行更新，再去获取B锁，这个过程就是增长阶段，然后都更新完成，会进入缩减阶段。提交后释放所有的锁。释放过程中不能再去获取其它锁。
众所周知，如果是通过2Pl，会引起死锁，也就是对于资源不正确的访问顺序导致系统处于僵死状态。

避免死锁

想要做到避免死锁是很难的，因为事务并一开始就很难确定需要哪些锁，如果确定了我们可以通过顺序加锁来解决死锁。但是会导致一开始锁定很多资源，影响性能

解决死锁

如果我们不忍心影响性能做到避免，那么我就需要在遇到死锁的时候，去解决死锁。数据库采用抢占和事务回滚的方式去解决死锁。但是对于回滚哪个事务，我们就需要权衡。
比如我们可能想要回滚链路相对较短的事务，因为这样会相对提高性能。但如果一直这样，会导致事务饥饿问题，因为锁都是抢占访问的。所以可以通过加入时间戳解决饥饿问题。

对于msyql的innodb存储引擎，引入了事务检查点，所以事务的回滚，不需要全部回滚，只需要回滚到检查点，解决死锁问题，继续执行即可。

4.多版本并发控制

基于乐观锁的实现，对于读多写少的问题，我们性能会有可见的提升，但是如果冲突比较多的话，就会导致大量的事务回滚，影响性能。
但是对于悲观锁的实现，不但会产生死锁问题，对于读写操作，我们并不能真正进行并发操作。因为执行事务的时候需要加锁，加锁的话，对于同一个数据的读取，可能因为互斥锁导致线程的阻塞。
实际场景中，大部分只是读取数据，甚至我们能接受读取到已经修改的数据，也就是读已提交。

通过多版本并发控制（MVCC），大多数数据库实现了可重复度的隔离级别。并且提升了读取性能。其实MVCC就是通过快照读再结合悲观或者乐观并发控制实现的。

通俗的讲其实就是在每次写操作的时候，并不会直接覆盖原有的数据，而是新建一条数据，也就是数据有多个版本。在我们读取的时候我们保证只会读取之前的版本。也就是一致性读。

Mysql的MVCC

通过快照读和悲观锁实现的。

其实在Mysql的innodb存储引擎，是有一些隐藏字段，这个其实就是为了MVCC而留的。

如上图

多版本主要体现在不同版本的统一数据，其事务ID是不一样的。

对于Mysql操作

• insert：创建一条新的记录，DB_TRX_ID为当前事务的id，回滚指针为null
• update 复制旧数据，更新事务Id和回滚指针。
• delete：设置delete标志位，更新事务Id

一致性读（快照读）

我们首先明白一个概念，对于事务的起始点，其实不是以begin为基准，而是以其第一条语句为基准的。Mysql的一致性读是通过read view实现的。
使用read view主要是用来进行可见性判断的。其实主要就是本事务不可见的其它活跃事务的列表。
满足隔离性，就需要保证不可见，所以我们拥有了这个列表，我们就可以做一些事情。

在read view这个实现中，有两个变量

    trx_id_t    low_limit_id;

                /*!< The read should not see any transaction

                with trx id >= this value. In other words,

                this is the "high water mark". */

    trx_id_t    up_limit_id;

                /*!< The read should see all trx ids which

                are strictly smaller (<) than this value.

                In other words,

                this is the "low water mark". */

low_limit_id主要就是最早的事务ID。

up_limit_id并不是最迟的，而是下一个事务的事务id，比如当前最大的id为1008，那么up_limit_id就是1008+1

有了这么两个变量，再结合read view的活跃事务列表。我们就可以实现快照读。如何实现呢，就是通过可见性判断

假设要读取的行的最后一次提交的事务ID（最稳定的事务ID，因为每次对数据行的更新都会更新事务ID）为trx_id。

那么比较过程如下

1.trx_id < up_limit_id => 此记录的最后一次修改在read view创建之前，跳转到步骤5；

也就是说最后一次修改的小于当前最小的事务Id，那么说明数据是可见的。因为该事务之前，数据已经提交。

2.trx_id > low_limit_id => 此记录的最后一次修改在read view创建之后，跳转到步骤4；
说明在该事务之后，有其他事务对该条记录进行了提交，那我们就不能读取这条记录。如果读取了，就会出现不可重复读问题。

3.up_limit_id <= trx_id <= low_limit_id => 从up_limit_id到low_limit_id进行遍历，如果trx_id等于他们之中的某个事务id的话，表示该记录的最后一次修改尚未保存（因为事务还是活跃状态），跳转到步骤4。否则跳转到步骤5；（这里避免了一个问题，也就是自己的修改是可以读取到的）

4.从此记录的DB_ROLL_PTR指针所指向的undo log（此记录的上一次修改），将undo log的DB_TRX_ID赋值给trx_id，跳转到步骤1重新开始计算可见性；

5.如果此记录的DELELE_BIT为false，说明该记录未被删除，可以返回，否则不返回

对于Innodb
RR级别，就是通过read view 解决的，也就是说在事务的第一条select操作执行的时候，会创建read view，也就是后面的读取操作都会基于 read view，这样就会保证整个事务过程中读取的数据都是一致可靠的。

RC级别，Innodb每次select的时候都会创建新的 read view，也就是说，他会读取到新事物提交的数据，如果使用老的 read view，意味着那个活跃事务列表不会变，那么如果有事务提交了，也是不可见的。

PostgreSQL中MVCC的具体实现

PostgreSQL采用乐观锁进行并发控制，其实就是基于实现戳协议，和innodb一样，也是有一个事务id。每个数据都有读写的时间戳，其实就是事务id，在读操作执行的时候，并不会阻塞，根据可见性直接返回，在写操作执行的时候，事务的时间戳一定要大于等于数据的时间戳，不然只能回滚。

PostgreSQL的乐观锁其实就是不会删除数据，每次更新都会创建新的数据，并更新事务时间戳，而mysql则会更新数据，将旧数据写入redolog，通过回滚指针链接，等事务提交，会置空对应的回滚指针。

PostgreSQL的优点就是，无论执行多少操作，事务都是可以通过回滚完成。
缺点就是，因为每次更新都会产生新的数据，我们需要对数据进行清理。不然导致查询扫描的数据增加而影响性能。

参考资料

https://juejin.im/post/5c519bb8f265da617831cfff

https://draveness.me/database-concurrency-control

http://mysql.taobao.org/monthly/2017/10/01/