MySQL系列-高级-深入理解Mysql事务隔离级别与锁机制01(下)

本文涉及的产品
RDS MySQL DuckDB 分析主实例,基础系列 4核8GB
RDS MySQL DuckDB 分析主实例,集群系列 4核8GB
RDS AI 助手,专业版
简介: MySQL系列-高级-深入理解Mysql事务隔离级别与锁机制1. 概述2.事务及其ACID属性1. ACID2. 并发事务处理带来的问题

3. InnoDB行锁案例分析

行锁介绍

每次操作锁住一行数据。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,并发度最高。

InnoDB与MYISAM的最大不同有两点:

InnoDB支持事务(TRANSACTION)

InnoDB支持行级锁

行锁演示

一个session开启事务更新不提交,另一个session更新同一条记录会阻塞,更新不同记录不会阻塞

总结:

MyISAM在执行查询语句SELECT前,会自动给涉及的所有表加读锁,在执行update、insert、delete操作会自

动给涉及的表加写锁。

InnoDB在执行查询语句SELECT时(非串行隔离级别),不会加锁。但是update、insert、delete操作会加行

锁。

简而言之,就是读锁会阻塞写,但是不会阻塞读。而写锁则会把读和写都阻塞。

行锁演示

参考博客:MySQL行级锁效果演示

创建表

CREATE TABLE mylock_innodb ( id INT PRIMARY KEY, NAME VARCHAR ( 10 ) ) ENGINE = INNODB;
insert into mylock_innodb values(1,'a');
insert into mylock_innodb values(2,'b');
insert into mylock_innodb values(3,'c');

演示一

1、打开一个会话窗口1,开启了一个事务,并执行更新操作,然后不对事务进行提交。

-- 开启事务
start transaction;
-- 更新id为1的数据
update mylock_innodb set name = 'a1' where id = 1;

2、此时我再重新打开一个窗口2,还是开启一个事务,并对id为2的这一行执行更新操作,你会发现返回执行成功了。

-- 开启事务
start transaction;
-- 更新id为2的数据
update mylock_innodb set name = 'b2' where id = 2;

输出为:

[SQL]-- 开启事务
start transaction;
受影响的行: 0
时间: 0.001s
[SQL]
-- 更新id为1的数据
update mylock_innodb set name = 'b2' where id = 2;
受影响的行: 1
时间: 0.001s

3、当然如果你在窗口2,也执行更新id为1的这一行数据,那就会一直阻塞在那。

-- 更新id为1的数据
update mylock_innodb set name = 'a1_newsession' where id = 1;

输出为:


4、直到窗口1,对事务进行提交或者回滚后,窗口2才会返回。

-- 执行COMMIT; 或 ROLLBACK;
COMMIT;

但如果等待时间过长,窗口二会提示如下错误:


演示二

1、打开一个会话窗口1,开启了一个事务,并执行如下操作:

-- 开启事务
start transaction;
-- 执行查询
select * from mylock_innodb where id = 1 for update;
-- 不提交事务

输出为:


2、再重新打开一个窗口2,还是开启一个事务,并对id为2的这一行执行操作:

-- 开启事务
start transaction;
-- 执行查询 窗口2 
select * from mylock_innodb where id = 2 for update;
-- 不提交事务

输出为:


执行成功了,这是因为id不同,相互操作不影响。

然后提交或回滚事务,避免影响接下来的操作。

演示三

1、打开窗口1,开启事务,执行如下操作,查询条件为name

-- 开启事务
start transaction;
-- 执行查询 窗口1
select * from mylock_innodb where NAME = 'c' for update;
-- 不提交事务

2、打开窗口2,开启事务,执行如下操作,查询条件为name

-- 开启事务
start transaction;
-- 执行查询 窗口2 
select * from mylock_innodb where NAME = 'a1' for update;
-- 不提交事务

输出为:



这时,会发现窗口2阻塞了。

演示2和演示3的问题

通过id查询不同的行,不会受到影响,但通过name查询不同的行,为什么会互相影响呢?

原因在于 for update 是一种排他锁。又可以称写锁。若事务T对数据对象A加上X锁,事务T可以读A也可以修改A,其他事务不能再对A加任何锁,直到T释放A上的锁。可以自行演示,非常简单。


这个排他锁的问题就在于,当明确查询带索引时,就是行锁,如果查询不带索引时,就是表锁,所以才出现了为什么用id查询时不影响,用name查询时就会阻塞,所以可以给name加上了索引后,再去尝试就不会阻塞了,有兴趣的朋友可以自行尝试,这里就不演示了。

总结


Innod支持的行锁,在共享锁,排他锁时,要注意查询时是否是通过索引来查询,如果不是,则还是会锁表。

相关实践学习
如何快速连接云数据库RDS MySQL
本场景介绍如何通过阿里云数据管理服务DMS快速连接云数据库RDS MySQL,然后进行数据表的CRUD操作。
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
|
5月前
|
SQL 关系型数据库 MySQL
MySQL锁机制:并发控制与事务隔离
本文深入解析了MySQL的锁机制与事务隔离级别,涵盖锁类型、兼容性、死锁处理及性能优化策略,助你掌握高并发场景下的数据库并发控制核心技巧。
|
6月前
|
存储 监控 Oracle
MySQL事务
MySQL事务具有ACID特性,包括原子性、一致性、隔离性和持久性。其默认隔离级别为可重复读,通过MVCC和间隙锁解决幻读问题,确保事务间数据的一致性和并发性。
MySQL事务
|
4月前
|
关系型数据库 MySQL 数据库
【赵渝强老师】MySQL的事务隔离级别
数据库并发访问时易引发数据不一致问题。如客户端读取到未提交的事务数据,可能导致“脏读”。MySQL通过四种事务隔离级别(读未提交、读已提交、可重复读、可序列化)控制并发行为,默认为“可重复读”,以平衡性能与数据一致性。
343 0
|
5月前
|
关系型数据库 MySQL 数据库
MySql事务以及事务的四大特性
事务是数据库操作的基本单元,具有ACID四大特性:原子性、一致性、隔离性、持久性。它确保数据的正确性与完整性。并发事务可能引发脏读、不可重复读、幻读等问题,数据库通过不同隔离级别(如读未提交、读已提交、可重复读、串行化)加以解决。MySQL默认使用可重复读级别。高隔离级别虽能更好处理并发问题,但会降低性能。
227 0
|
7月前
|
运维 算法 机器人
阿里云AnalyticDB具身智能方案:破解机器人仿真数据、算力与运维之困
本文将介绍阿里云瑶池旗下的云原生数据仓库AnalyticDB MySQL推出的全托管云上仿真解决方案,方案采用云原生架构,为开发者提供从开发环境、仿真计算到数据管理的全链路支持。
|
4月前
|
存储 人工智能 OLAP
AI Agent越用越笨?阿里云AnalyticDB「AI上下文工程」一招破解!
AI上下文工程是优化大模型交互的系统化框架,通过管理指令、记忆、知识库等上下文要素,解决信息缺失、长度溢出与上下文失效等问题。依托AnalyticDB等技术,实现上下文的采集、存储、组装与调度,提升AI Agent的准确性与协同效率,助力企业构建高效、稳定的智能应用。
|
6月前
|
存储 人工智能 分布式计算
数据不用搬,AI直接炼!阿里云AnalyticDB AI数据湖仓一站式融合AI+BI
阿里云瑶池旗下的云原生数据仓库AnalyticDB MySQL版(以下简称ADB)诞生于高性能实时数仓时代,实现了PB级结构化数据的高效处理和分析。在前几年,为拥抱大数据的浪潮,ADB从传统数仓拓展到数据湖仓,支持Paimon/Iceberg/Delta Lake/Hudi湖格式,为开放的数据湖提供数据库级别的性能、可靠性和管理能力,从而更好地服务以SQL为核心的大规模数据处理和BI分析,奠定了坚实的湖仓一体基础。
|
5月前
|
存储 人工智能 关系型数据库
阿里云AnalyticDB for PostgreSQL 入选VLDB 2025:统一架构破局HTAP,Beam+Laser引擎赋能Data+AI融合新范式
在数据驱动与人工智能深度融合的时代,企业对数据仓库的需求早已超越“查得快”这一基础能力。面对传统数仓挑战,阿里云瑶池数据库AnalyticDB for PostgreSQL(简称ADB-PG)创新性地构建了统一架构下的Shared-Nothing与Shared-Storage双模融合体系,并自主研发Beam混合存储引擎与Laser向量化执行引擎,全面解决HTAP场景下性能、弹性、成本与实时性的矛盾。 近日,相关研究成果发表于在英国伦敦召开的数据库领域顶级会议 VLDB 2025,标志着中国自研云数仓技术再次登上国际舞台。
630 0

推荐镜像

更多