MySQL 只改一条数据我这么难的吗 (二)

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS MySQL,高可用系列 2核4GB
云数据库 RDS PostgreSQL,高可用系列 2核4GB
简介: MySQL 只改一条数据我这么难的吗 (二)

1668569297606.jpg

next-key lock = 行锁 + 间隙锁

为什么先说这个,因为怕你们误认为 next-key lock (加锁的基本单位) 就是间隙锁,上篇文章其实我也提到过 next-key lock=行锁+间隙锁, 因为上篇文章并没有特别提到过,所以第一个例子就是为了说明这个。

还是和上篇一样的表,插入一样的数据。


1668569307602.jpg


现在我们来复现一下这个场景看看发生了什么


1668569318726.jpg


按照上面的图,我们来复现一下。


1668569326466.jpg


这里,我们来模拟两个事务,事务 A 启动的时候,先加了 next-key lock(5,10],注意是前开后闭,根据优化 2,索引上的等值查询,向右遍历直到第一个不符合条件的,这个过程加上 next-key lock(10,15],但是因为是等值查询,并且字段 d 不是唯一索引,所以 next-key lock(10,15] 退化成间隙锁即 (10,15),综合下来,事务 A 的 T1 时刻语句加的锁是 next-key lock(5,10] 和间隙锁 (10,15),事务 B 在 T2 时刻执行编辑操作修改 d=10 这一行,即事务 B 也想在索引 d 上加上 next-key lock(5,10] 锁,此时进入锁等待,然后事务 A 在 T3 时刻插入一条语句,被事务 B 的间隙锁锁住,由于互相被锁,出现了死锁,InnoDB 检测到死锁, 让事务 B 回滚了,然后事务 A 得以插入成功。


这里的争议点在于事务 A 的插入为什么会被事务 B 锁住,事务 B 执行的时候,在获取 next-key lock(5,10] 锁的时候,不是在等待事务 A 释放锁嘛?其实整个事务 B 在申请 next-key lock 的时候是有步骤的,这也是为什么在分析加锁的过程都是一步步分析的。首先事务 B 先申请的是 (5,10) 的间隙锁,加锁成功,当它获取 d=10 这条行锁的时候才被锁住了。可能你会疑惑,为什么获取行锁的时候才被锁住,A 事务已经锁住了 (5,10) 的间隙锁,为什么事务 B 能获取到 (5,10) 的间隙锁?


这就要提到间隙锁和我们说的行锁是不一样的。行锁分为读锁和写锁。他们之间的冲突可以拿一张图表示。


1668569335061.jpg


也就是说和行锁有冲突的一定是另一个行锁。但是间隙锁不一样,和间隙锁有冲突的是往这一个间隙之间插入一条记录。还记得我上篇文章提到的,间隙锁是在可重复读隔离级别下才会生效,它的出现是为了解决幻读的问题。什么是幻读,幻读指的是在一次事务中前后两次查询同一范围数据的时候,后一次查询看到了前一次查询没有看到的行。这不就是我提到的间隙锁的冲突吗。


所以上面的总结就是,间隙锁本身是不存在冲突的。事务 B 获取了 (5,10) 的间隙锁,但是被 d=10 的行锁锁住了。事务 A 由于插入的是 (8,8,8),又被事务 B 的 (5,10) 间隙锁锁住了。导致出现了死锁,随后系统回滚了事务 B ,事务 A 得以执行成功。


limit 语句

为了演示这个案例,我们需要增加一条数据。下面是现在的数据。


1668569349581.jpg


接下来我我们会这样操作。

1668569358347.jpg


很常规的一个操作,按照我们刚才的分析。事务 A 先加 next-key lock(5,10],然后加上 (10,15) 的间隙锁, 所以事务 B 会被锁住。让我们来验证一下。


1668569380119.jpg


又被打脸了😂,其实我们是知道这条语句加不加 limit 效果是一样的,因为整个表符合这个条件的就两条数据,但是加锁的范围是不一样的。limit 2 明确指出了只要两条,因此 mysql 走到 (c=10,d=30) 就停下来了,也就是说此时的锁是 next-key lock(5,10] ,此时已满足 limit 2,因此并不会给 (10,15) 加上间隙锁,所以事务 B 未被间隙锁锁住。这个故事告诉我们,删除的时候尽量带上 limmit 参数,不仅不需要删库跑路,还可以缩小加锁的范围。


锁等待

我们再来看一个有趣的东西。开始之前我还是把数据还原成开始的六条数据。然后开始两个事务,执行以下操作。

1668569367788.jpg

你可以试着分析,然后再看下面的结果,可能你会惊讶。


1668569389943.jpg


事务 A 并不会锁住 id=10 这条记录,条件是 >10, id=10 并不符合条件,所以这条数据不会被锁住。因此事务 B 在 T2 时刻可以删除这条记录,但是事务 B 在 T3 时刻想重新插入这条记录的时候被锁住了,场面一度很尴尬。我们可以通过命令来查看锁的信息。


show engine innodb status

主要看下面这些信息


1668569400338.jpg


index PRIMARY of table t.t 表示这个语句被锁住是因为表主键上的某个锁。

lock_mode X locks gap before rec insert intention waiting 可以理解为这个插入动作本身。

gap before rec 表示这是一个间隙锁而不是记录锁。


知道了插入是被间隙锁锁住了,但是我们不知道两点 一。为什么被锁住了。二。锁的范围是多少。其实它的规则是这样的,本来在事务 A 的时候只是一个 (10,15) 的间隙锁,但是在事务 B 做了删除操作以后,此时不存在 id=10 这条记录,导致间隙锁向左进行了扩展,此时锁的范围就是间隙锁 (5,15)。因此,事务 B 的插入语句被锁住。我们可以试试加入 (4,30,30) 和 (6,30,30) 加以验证。


1668569409920.jpg

可以看到,id=4 的记录可以正常插入,但是 id=6 会被间隙锁 (5,15) 锁住。这里我们得出的总结是,所谓的间隙锁,完完全全是由间隙右边的记录值所决定范围的。


相关实践学习
每个IT人都想学的“Web应用上云经典架构”实战
本实验从Web应用上云这个最基本的、最普遍的需求出发,帮助IT从业者们通过“阿里云Web应用上云解决方案”,了解一个企业级Web应用上云的常见架构,了解如何构建一个高可用、可扩展的企业级应用架构。
MySQL数据库入门学习
本课程通过最流行的开源数据库MySQL带你了解数据库的世界。   相关的阿里云产品:云数据库RDS MySQL 版 阿里云关系型数据库RDS(Relational Database Service)是一种稳定可靠、可弹性伸缩的在线数据库服务,提供容灾、备份、恢复、迁移等方面的全套解决方案,彻底解决数据库运维的烦恼。 了解产品详情: https://www.aliyun.com/product/rds/mysql 
相关文章
|
6月前
|
缓存 NoSQL 关系型数据库
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
美团面试:MySQL有1000w数据,redis只存20w的数据,如何做 缓存 设计?
|
4月前
|
SQL 人工智能 关系型数据库
如何实现MySQL百万级数据的查询?
本文探讨了在MySQL中对百万级数据进行排序分页查询的优化策略。面对五百万条数据,传统的浅分页和深分页查询效率较低,尤其深分页因偏移量大导致性能显著下降。通过为排序字段添加索引、使用联合索引、手动回表等方法,有效提升了查询速度。最终建议根据业务需求选择合适方案:浅分页可加单列索引,深分页推荐联合索引或子查询优化,同时结合前端传递最后一条数据ID的方式实现高效翻页。
266 0
|
3月前
|
存储 关系型数据库 MySQL
在CentOS 8.x上安装Percona Xtrabackup工具备份MySQL数据步骤。
以上就是在CentOS8.x上通过Perconaxtabbackup工具对Mysql进行高效率、高可靠性、无锁定影响地实现在线快速全量及增加式数据库资料保存与恢复流程。通过以上流程可以有效地将Mysql相关资料按需求完成定期或不定期地保存与灾难恢复需求。
320 10
|
4月前
|
SQL 存储 缓存
MySQL 如何高效可靠处理持久化数据
本文详细解析了 MySQL 的 SQL 执行流程、crash-safe 机制及性能优化策略。内容涵盖连接器、分析器、优化器、执行器与存储引擎的工作原理,深入探讨 redolog 与 binlog 的两阶段提交机制,并分析日志策略、组提交、脏页刷盘等关键性能优化手段,帮助提升数据库稳定性与执行效率。
139 0
|
7月前
|
关系型数据库 MySQL Linux
在Linux环境下备份Docker中的MySQL数据并传输到其他服务器以实现数据级别的容灾
以上就是在Linux环境下备份Docker中的MySQL数据并传输到其他服务器以实现数据级别的容灾的步骤。这个过程就像是一场接力赛,数据从MySQL数据库中接力棒一样传递到备份文件,再从备份文件传递到其他服务器,最后再传递回MySQL数据库。这样,即使在灾难发生时,我们也可以快速恢复数据,保证业务的正常运行。
350 28
|
6月前
|
存储 SQL 缓存
mysql数据引擎有哪些
MySQL 提供了多种存储引擎,每种引擎都有其独特的特点和适用场景。以下是一些常见的 MySQL 存储引擎及其特点:
190 0
|
9月前
|
Java 关系型数据库 MySQL
SpringBoot 通过集成 Flink CDC 来实时追踪 MySql 数据变动
通过详细的步骤和示例代码,您可以在 SpringBoot 项目中成功集成 Flink CDC,并实时追踪 MySQL 数据库的变动。
2313 45
|
8月前
|
存储 SQL 关系型数据库
【YashanDB知识库】MySQL迁移至崖山char类型数据自动补空格问题
**简介**:在MySQL迁移到崖山环境时,若字段类型为char(2),而应用存储的数据仅为'0'或'1',查询时崖山会自动补空格。原因是mysql的sql_mode可能启用了PAD_CHAR_TO_FULL_LENGTH模式,导致保留CHAR类型尾随空格。解决方法是与应用确认数据需求,可将崖山环境中的char类型改为varchar类型以规避补空格问题,适用于所有版本。
|
8月前
|
SQL 关系型数据库 MySQL
【YashanDB知识库】字符集latin1的MySQL中文数据如何迁移到YashanDB
本文探讨了在使用YMP 23.2.1.3迁移MySQL Server字符集为latin1的中文数据至YashanDB时出现乱码的问题。问题根源在于MySQL latin1字符集存放的是实际utf8编码的数据,而YMP尚未支持此类场景。文章提供了两种解决方法:一是通过DBeaver直接迁移表数据;二是将MySQL表数据转换为Insert语句后手动插入YashanDB。同时指出,这两种方法适合单张表迁移,多表迁移可能存在兼容性问题,建议对问题表单独处理。
【YashanDB知识库】字符集latin1的MySQL中文数据如何迁移到YashanDB
|
8月前
|
缓存 NoSQL 关系型数据库
Redis和Mysql如何保证数据⼀致?
1. 先更新Mysql,再更新Redis,如果更新Redis失败,可能仍然不⼀致 2. 先删除Redis缓存数据,再更新Mysql,再次查询的时候在将数据添加到缓存中 这种⽅案能解决1 ⽅案的问题,但是在⾼并发下性能较低,⽽且仍然会出现数据不⼀致的问题,⽐如线程1删除了 Redis缓存数据,正在更新Mysql,此时另外⼀个查询再查询,那么就会把Mysql中⽼数据⼜查到 Redis中 1. 使用MQ异步同步, 保证数据的最终一致性 我们项目中会根据业务情况 , 使用不同的方案来解决Redis和Mysql的一致性问题 : 1. 对于一些一致性要求不高的场景 , 不做处理例如 : 用户行为数据 ,

推荐镜像

更多