MySQL事务的实现原理_什么是undo log

undo log的概念

undo log是mysql中比较重要的事务日志之一，顾名思义，undo log是一种用于撤销回退的日志，在事务没提交之前，MySQL会先 记录更新前的数据到 undo log日志文件里面，当事务回滚时或者数据库崩溃时，可以利用 undo log来进行回退。

undo log的作用

在MySQL中，undo log日志的作用主要有两个：

1、提供回滚操作

---修改之前name = 张三
update user set name = "李四" where id = 1;  
----此时undo log会记录一条相反的update语句，如下：
update user set name = "张三" where id = 1;

注意： 如果这个修改出现异常，可以使用undo log日志来实现回滚操作，以保证事务的一致性。

2、提供多版本控制(MVCC)

MVCC，即多版本控制。在MySQL数据库InnoDB存储引擎中，用 undo Log来实现多版本并发控制(MVCC)。当读取的某一行被其他事务锁定时，它可以从undo log中分析出该行记录以前的数据版本是怎样的，从而让用户能够读取到当前事务操作之前的数据【快照读】。

快照读：

SQL读取的数据是快照版本【可见版本】，也就是历史版本，不用加锁，普通的SELECT就是快照读。

当前读：

SQL读取的数据是最新版本。通过锁机制来保证读取的数据无法 通过其他事务进行修改UPDATE、DELETE、INSERT、SELECT … LOCK IN SHARE MODE、SELECT … FOR UPDATE都是当前 读。

undo log的存储机制

undo log的存储由InnoDB存储引擎实现，数据保存在InnoDB的数据文件中。在InnoDB存储引擎中，undo log是采用分段(segment) 的方式进行存储的。

undo log的工作原理

在更新数据之前，MySQL会提前生成undo log日志，当事务提交的时候，并不会立即删除undo log，因为后面可能需要进行回滚操 作，要执行回滚（rollback）操作时，从缓存中读取数据。undo log日志的删除是通过通过后台purge线程进行回收处理的。

总结

undo log是用来回滚数据的用于保障未提交事务的原子性。

分布式事物处理_认识分布式事物

前言

随着互联网的快速发展，软件系统由原来的单体应用转变为分布式 应用，下图描述了单体应用向微服务的演变。

注意：

分布式系统会把一个应用系统拆分为可独立部署的多个服务， 因此需要服务与服务之间远程协作才能完成事务操作，这种分 布式系统环境下由不同的服务之间通过网络远程协作完成事务 称之为分布式事务，例如用户注册送积分事务、创建订单减库存事务，银行转账事务等都是分布式事务。

假如没有分布式事务

解释：

上图中包含了库存和订单两个独立的微服务，每个微服务维护了自己的数据库。在交易系统的业务逻辑中，一个商品在下单 之前需要先调用库存服务，进行扣除库存，再调用订单服务， 创建订单记录。

正常情况下，两个数据库各自更新成功，两边数据维持着一致性。

但是，在非正常情况下，有可能库存的扣减完成了，随后的订单记 录却因为某些原因插入失败。这个时候，两边数据就失去了应有的一致性。

问题： 这种时候需要要保证数据的一致性，单数据源的一致性靠单机 事物来保证，多数据源的一致性就要靠分布式事物保证。

什么是分布式事务

指一次大的操作由不同的小操作组成的，这些小的操作分布在不同 的服务器上，分布式事务需要保证这些小操作要么全部成功，要么全部失败。从本质上来说，分布式事务就是为了保证不同数据库的数据一致性。

分布式架构的理论知识_CAP理论

前言

分布式系统正变得越来越重要，大型网站几乎都是分布式的。分布式系统的最大难点，就是各个节点的状态如何同步。CAP 定理是这方面的基本定理，也是理解分布式系统的起点。

1998年，加州大学的计算机科学家Eric Brewer 提出，分布式系统有三个指标。

它们的第一个字母分别是 C、A、P。这三个指标不可能同时做到。 这个结论就叫做CAP 定理。

分区容错性

大多数分布式系统都分布在多个子网络。每个子网络就叫做一个 区。分区容错的意思是，区间通信可能失败。比如，一台服务器放 在中国，另一台服务器放在美国，这就是两个区，它们之间可能无法通信。

结论：

分区容错无法避免，因此可以认为 CAP 的 P 总是成立。CAP 定理告诉我们，剩下的 C 和 A 无法同时做到。

一致性

Consistency 中文叫做"一致性"。意思是，写操作之后的读操作，必须返回该值。举例来说，某条记录是 v0，用户向 G1 发起一个写操 作，将其改为 v1。

接下来，用户的读操作就会得到 v1。这就叫一致性。

问题是，用户有可能向 G2 发起读操作，由于 G2 的值没有发生变化，因此返回的是 v0。G1 和 G2 读操作的结果不一致，这就不满足一致性了。

为了让 G2 也能变为 v1，就要在 G1 写操作的时候，让 G1 向 G2 发 送一条消息，要求 G2 也改成 v1。

这样的话，用户向 G2 发起读操作，也能得到 v1。

可用性

只要收到用户的请求，服务器就必须给出回应。

一致性和可用性的矛盾

解释：

如果保证 G2 的一致性，那么 G1 必须在写操作时，锁定 G2 的 读操作和写操作。只有数据同步后，才能重新开放读写。锁定 期间，G2 不能读写，没有可用性。如果保证 G2 的可用性，那么势必不能锁定 G2，所以一致性不成立。

一致性和可用性如何选择

分布式事物处理_分布式事务产生的场景

跨JVM进程

当我们将单体项目拆分为分布式、微服务项目之后，各个服务之间通过远程REST或者RPC调用来协同完成业务操作。

典型的场景：

商城系统中的订单微服务和库存微服务，用户在下单时会访问 订单微服务，订单微服务在生成订单记录时，会调用库存微服务来扣减库存。各个微服务是部署在不同的JVM进程中的，此时，就会产生因跨JVM进程而导致的分布式事务问题。

跨数据库实例

单体系统访问多个数据库实例，也就是跨数据源访问时会产生分布式事务。

典型的场景：

例如，我们的系统中的订单数据库和交易数据库是放在不同的 数据库实例中，当用户发起退款时，会同时操作用户的订单数 据库和交易数据库，在交易数据库中执行退款操作，在订单数 据库中将订单的状态变更为已退款。由于数据分布在不同的数 据库实例，需要通过不同的数据库连接会话来操作数据库中的 数据，此时，就产生了分布式事务。

多个服务数据库

多个微服务访问同一个数据库。

分布式事物解决方案_强一致性分布式事务之2PC模型

两阶段提交又称2PC,2PC是一个非常经典的强一致、中心化的原子提交协议。这里所说的中心化是指协议中有两类节点：一个是中心化 协调者节点 和 N个参与者节点 。

生活中的2PC

A组织B、C和D三个人去爬山：如果所有人都同意去爬山，那么活动将举行；如果有一人不同意去爬山，那么活动将取消。

首先A将成为该活动的协调者，B、C和D将成为该活动的参与者。

具体流程：

阶段1：  　

  ①A发邮件给B、C和D，提出下周三去爬山，问是否同意。 那么此时A需要等待B、C和D的邮件。

　②B、C和D分别查看自己的日程安排表。B、C发现自己在 当日没有活动安排，则发邮件告诉A它们同意下周三去爬山。由 于某种原因， D白天没有查看邮 件。那么此时A、B和C均需要 等待。到晚上的时候，D发现了A的邮件，然后查看日程安排， 发现周三当天已经有别的安排，那么D回复A说活动取消吧。

阶段2：  　

  ①此时A收到了所有活动参与者的邮件，并且A发现D下周 三不能去爬山。那么A将发邮件通知B、C和D，下周三爬山活动 取消。  　

  ②此时B、C回复A“太可惜了”，D回复A“不好意思”。至此该 事务终止。

2PC阶段处理流程

举例订单服务A，需要调用支付服务B去支付，支付成功则处理购物 订单为待发货状态，否则就需要将购物订单处理为失败状态。

第一阶段：投票阶段