Detaillierte Einführung des MySQL-Sperrmechanismus-MySQL-Tutorial-php.cn

1. Isolationsstufe

(1) Read Uncommitted (RU)

Unter dieser Isolationsstufe sind Transaktionen überhaupt nicht isoliert, es kommt zu Dirty Reads und es können nicht festgeschriebene Datensätze gelesen werden, die in tatsächlichen Situationen nicht verwendet werden.

(2) Read commit (RC)

Nur festgeschriebene Datensätze können unter der Isolationsstufe gelesen werden. Es kommt zu Phantomlesungen. Die sogenannten Phantomlesungen beziehen sich auf das Phänomen, dass dieselbe Abfrage mehrmals in derselben Transaktion ausgeführt wird und die zurückgegebenen Datensätze nicht genau gleich sind. Die Hauptursache für das Phantomlesen liegt darin, dass unter der RC-Isolationsstufe jede Anweisung die Aktualisierung der übermittelten Transaktion liest. Wenn zwischen den beiden Abfragen andere Transaktionen übermittelt werden, sind die Ergebnisse der beiden Abfragen inkonsistent. Dennoch wird die Read-Commit-Isolationsstufe häufig in Produktionsumgebungen verwendet.

(3) Wiederholbares Lesen (RR)

Die Isolationsstufe für wiederholbares Lesen löst das Problem des nicht wiederholbaren Lesens, aber das Problem von Phantomlesung ist immer noch nicht gelöst. Was ist also der Unterschied zwischen nicht wiederholbarem Lesen und Phantomlesen? Das nicht wiederholbare Lesen konzentriert sich auf Änderungen, das heißt, die zweimal gelesenen Werte sind unterschiedlich, während sich das Phantomlesen auf Änderungen in der Anzahl der Datensätze [Einfügung und Löschung] konzentriert. Im Allgemeinen sagen uns Lehrbücher, dass das Phantom-Lese-Problem nur gelöst werden kann, wenn die Serialisierungsisolationsstufe erreicht ist, aber MySQLs innodb ist etwas Besonderes, das das Phantom-Lese-Problem hauptsächlich durch GAP-Sperren löst. Darüber hinaus implementieren nicht alle Datenbanken diese Isolationsstufe. Später werden wir kurz vorstellen, wie MySQL die wiederholbare Leseisolationsstufe implementiert.

(4)Serialisierbar

Im Serialisierungsisolationsmodus werden Dirty Reads, Phantome, aber Transaktionen eliminiert. Der Grad der Parallelität sinkt stark Der Isolationsgrad einer Transaktion ist umgekehrt proportional zur Parallelität der Transaktion. Je höher der Isolationsgrad, desto geringer ist die Parallelität der Transaktion. In einer tatsächlichen Produktionsumgebung wird der DBA einen Kompromiss zwischen Parallelität und der Erfüllung von Geschäftsanforderungen eingehen und eine geeignete Isolationsstufe wählen.

2. Gleichzeitige Planungsmethode

Eine weitere Sache, die eng mit der Isolationsstufe zusammenhängt, ist die gleichzeitige Planung, durch die die Isolationsstufe erreicht wird. Für die gleichzeitige Planung verfügen verschiedene Datenbankanbieter über unterschiedliche Implementierungsmechanismen, die Grundprinzipien sind jedoch ähnlich. Sie verwenden alle Sperren, um Datenobjekte vor der gleichzeitigen Änderung durch mehrere Transaktionen zu schützen. Im Vergleich zur herkömmlichen sperrenbasierten Parallelitätskontrolle besteht das Hauptmerkmal der Mehrversions-Parallelitätskontrolle (MVCC) darin, dass sie nicht zum Lesen gesperrt wird. Diese Funktion verbessert die Parallelität des Systems in Szenarien mit vielen Lesevorgängen und wenigen Schreibvorgängen erheblich. Daher implementieren die meisten relationalen Datenbanken alle MVCC.

3. Zwei-Phasen-Sperrprotokoll

Die Bedeutung des Zwei-Phasen-Sperrprotokolls besteht darin, dass die Transaktion in zwei Phasen unterteilt ist. Die erste Phase besteht darin, die Blockade nach Erhalt der Blockade aufzuheben. Die zweistufige Blockierung stellt die Korrektheit der gleichzeitigen Planung sicher. Im Vergleich zum einstufigen Sperren (das gleichzeitige Erhalten aller für eine Transaktion erforderlichen Sperren) verbessert das zweiphasige Sperren die Parallelität, birgt aber auch die Möglichkeit eines Deadlocks.

4. Deadlock

Der sogenannte Deadlock bezieht sich auf zwei oder mehr Transaktionen, von denen jede die Ressourcen belegt, die die andere Partei zu erhalten erwartet Die Warteschleifen befinden sich in einem Zustand, in dem sie sich gegenseitig nicht mehr ausführen können.

5. Sperrtypen

Je nach Art der Sperre kann sie in gemeinsame Sperre, exklusive Sperre, beabsichtigte gemeinsame Sperre usw. unterteilt werden Absicht exklusive Sperre. Entsprechend der Granularität der Sperre kann sie in Zeilensperre und Tabellensperre unterteilt werden. Bei MySQL wird der Transaktionsmechanismus eher von der zugrunde liegenden Speicher-Engine implementiert. Daher verfügt die MySQL-Ebene nur über Tabellensperren, während die Innodb-Speicher-Engine, die Transaktionen unterstützt, Zeilensperren (Datensatzsperren), Lückensperren und Sperren für den nächsten Schlüssel implementiert. . Die Datensatzsperre von MySQL ist im Wesentlichen die Sperre des Indexdatensatzes, da Innodb eine indexorganisierte Tabelle ist; die Lückensperre ist die Sperre der Indexdatensatzlücke, die nur unter der RR-Isolationsstufe gültig ist die Datensatzsperre plus die Lücke vor der Datensatzsperrenkombination. MySQL implementiert die RR-Isolationsstufe durch Lückensperren und Next-Key-Sperren.

Hinweis:

Für Aktualisierungsvorgänge (Lesen ist nicht gesperrt) ist die Uplink-Sperre nur möglich, wenn der Index verwendet wird Clustered-Index wird sein Eine Schreibsperre für jede Zeile entspricht tatsächlich einer Schreibsperre für die Tabelle.

Wenn mehrere physische Datensätze demselben Index entsprechen, kommt es auch zu Sperrkonflikten, wenn auf sie gleichzeitig zugegriffen wird.

Wenn die Die Tabelle verfügt über mehrere Indizes. Zu diesem Zeitpunkt können verschiedene Transaktionen unterschiedliche Indizes verwenden, um verschiedene Zeilen zu sperren. Darüber hinaus verwendet innodb gleichzeitig Zeilensperren, um die Datensätze (Clustered-Index) zu sperren.

Unter dem MVCC-Parallelitätskontrollmechanismus blockiert keine Operation die Leseoperation, und die Leseoperation blockiert keine Operation, nur weil die Leseoperation nicht gesperrt ist.

Als Open-Source-Speicher-Engine unterstützt RocksDB die ACID-Eigenschaften von Transaktionen. Um I (Isolation) in ACID zu unterstützen, ist die Parallelitätskontrolle unerlässlich Ich hoffe, dass die Leser durch diesen Artikel ein tieferes Verständnis der Prinzipien der RocksDB-Parallelitätskontrolle erlangen können. Der Artikel beginnt hauptsächlich mit den folgenden vier Aspekten. Zuerst werde ich die Grundstruktur der RocksDB-Sperre vorstellen. Anschließend werde ich den Sperrraum-Overhead im Rahmen des Designs der RocksDB-Zeilensperrdatenstruktur vorstellen Abschließend werde ich die Sperre vorstellen, einen wesentlichen Mechanismus zur Erkennung von Deadlocks.

1. Zeilensperrdatenstruktur
Die minimale Sperrgranularität von RocksDB ist Zeile der Schlüssel, jeder Schlüssel entspricht einer LockInfo-Struktur. Alle Schlüssel werden über die Hash-Tabelle verwaltet. Wenn Sie nach einer Sperre suchen, können Sie diese direkt über die Hash-Tabelle finden, um festzustellen, ob der Schlüssel gesperrt wurde. Wenn es jedoch global nur eine Hash-Tabelle gibt, kommt es zu vielen Konflikten, wenn auf diese Hash-Tabelle zugreift, was sich auf die Parallelitätsleistung auswirkt. RocksDB wird zunächst nach Columnfamily aufgeteilt. Die Sperren in jeder Columnfamily werden von einer LockMap verwaltet, und jede LockMap wird in mehrere Shards aufgeteilt. Jeder Shard wird von LockMapStripe verwaltet, und die Hash-Tabelle (std::unordered_map
Die relevante Datenstruktur ist wie folgt:

struct LockInfo {
bool exclusive; //排它锁或是共享锁
autovector<TransactionID> txn_ids; //事务列表，对于共享锁而言，同一个key可以对应多个事务

// Transaction locks are not valid after this time in us
uint64_t expiration_time;
}

struct LockMapStripe { 
// Mutex must be held before modifying keys map
std::shared_ptr<TransactionDBMutex> stripe_mutex;

// Condition Variable per stripe for waiting on a lock
std::shared_ptr<TransactionDBCondVar> stripe_cv;

// Locked keys mapped to the info about the transactions that locked them.
std::unordered_map<std::string, LockInfo> keys;
}

struct LockMap {
const size_t num_stripes_; //分片个数
std::atomic<int64_t> lock_cnt{0}; //锁数目
std::vector<LockMapStripe*> lock_map_stripes_; //锁分片
}

class TransactionLockMgr {
using LockMaps = std::unordered_map<uint32_t, std::shared_ptr<LockMap>>;
LockMaps lock_maps_;

// Thread-local cache of entries in lock_maps_. This is an optimization
// to avoid acquiring a mutex in order to look up a LockMap
std::unique_ptr<ThreadLocalPtr> lock_maps_cache_;
}

Nach dem Login kopieren

2.行锁空间代价
由于锁信息是常驻内存，我们简单分析下RocksDB锁占用的内存。每个锁实际上是unordered_map中的一个元素，则锁占用的内存为key_length+8+8+1，假设key为bigint，占8个字节，则100w行记录，需要消耗大约22M内存。但是由于内存与key_length正相关，导致RocksDB的内存消耗不可控。我们可以简单算算RocksDB作为MySQL存储引擎时，key_length的范围。对于单列索引，最大值为2048个字节，具体可以参考max_supported_key_part_length实现；对于复合索引，索引最大长度为3072个字节，具体可以参考max_supported_key_length实现。假设最坏的情况，key_length=3072，则100w行记录，需要消耗3G内存，如果是锁1亿行记录，则需要消耗300G内存，这种情况下内存会有撑爆的风险。因此RocksDB提供参数配置max_row_locks，确保内存可控，默认RDB_MAX_ROW_LOCKS设置为1G，对于大部分key为bigint场景，极端情况下，也需要消耗22G内存。而在这方面，InnoDB则比较友好，hash表的key是(space_id, page_no)，所以无论key有多大，key部分的内存消耗都是恒定的。前面我也提到了InnoDB在一个事务需要锁大量记录场景下是有优化的，多个记录可以公用一把锁，这样也间接可以减少内存。

3.上锁流程分析
前面简单了解了RocksDB锁数据结构的设计以及锁对内存资源的消耗。这节主要介绍几种典型场景下，RocksDB是如何加锁的。与InnoDB一样，RocksDB也支持MVCC，读不上锁，为了方便，下面的讨论基于RocksDB作为MySQL的一个引擎来展开，主要包括三类，基于主键的更新，基于二级索引的更新，基于主键的范围更新等。在展开讨论之前，有一点需要说明的是，RocksDB与InnoDB不同，RocksDB的更新也是基于快照的，而InnoDB的更新基于当前读，这种差异也使得在实际应用中，相同隔离级别下，表现有所不一样。对于RocksDB而言，在RC隔离级别下，每个语句开始都会重新获取一次快照；在RR隔离级别下，整个事务中只在第一个语句开始时获取一次快照，所有语句共用这个快照，直到事务结束。

3.1.基于主键的更新
这里主要接口是TransactionBaseImpl::GetForUpdate
1).尝试对key加锁，如果锁被其它事务持有，则需要等待
2).创建snapshot
3).调用ValidateSnapshot，Get key,通过比较Sequence判断key是否被更新过
4).由于是加锁后，再获取snapshot，所以检查一定成功。
5).执行更新操作
这里有一个延迟获取快照的机制，实际上在语句开始时，需要调用acquire_snapshot获取快照，但为了避免冲突导致的重试，在对key加锁后，再获取snapshot，这就保证了在基于主键更新的场景下，不会存在ValidateSnapshot失败的场景。

堆栈如下：

1-myrocks::ha_rocksdb::get_row_by_rowid
2-myrocks::ha_rocksdb::get_for_update
3-myrocks::Rdb_transaction_impl::get_for_update
4-rocksdb::TransactionBaseImpl::GetForUpdate
{
//加锁
5-rocksdb::TransactionImpl::TryLock
  6-rocksdb::TransactionDBImpl::TryLock
    7-rocksdb::TransactionLockMgr::TryLock 

 //延迟获取快照，与acquire_snapshot配合使用
 6-SetSnapshotIfNeeded()

 //检查key对应快照是否过期
 6-ValidateSnapshot
  7-rocksdb::TransactionUtil::CheckKeyForConflict
    8-rocksdb::TransactionUtil::CheckKey
      9-rocksdb::DBImpl::GetLatestSequenceForKey //第一次读取

//读取key
5-rocksdb::TransactionBaseImpl::Get
  6-rocksdb::WriteBatchWithIndex::GetFromBatchAndDB
    7-rocksdb::DB::Get
      8-rocksdb::DBImpl::Get
        9-rocksdb::DBImpl::GetImpl //第二次读取
}

Nach dem Login kopieren

3.2.基于主键的范围更新
1).创建Snapshot，基于迭代器扫描主键
2).通过get_row_by_rowid，尝试对key加锁
3).调用ValidateSnapshot，Get key,通过比较Sequence判断key是否被更新过
4).如果key被其它事务更新过(key对应的SequenceNumber比Snapshot要新)，触发重试
5).重试情况下，会释放老的快照并释放锁，通过tx->acquire_snapshot(false)，延迟获取快照(加锁后，再拿snapshot)
5).再次调用get_for_update，由于此时key已经被加锁，重试一定可以成功。
6).执行更新操作
7).跳转到1，继续执行，直到主键不符合条件时，则结束。

3.3.基于二级索引的更新
这种场景与3.2类似，只不过多一步从二级索引定位主键过程。
1).创建Snapshot，基于迭代器扫描二级索引
2).根据二级索引反向找到主键，实际上也是调用get_row_by_rowid，这个过程就会尝试对key加锁
3).继续根据二级索引遍历下一个主键，尝试加锁
4).当返回的二级索引不符合条件时，则结束

4.死锁检测算法
死锁检测采用DFS((Depth First Search,深度优先算法)，基本思路根据加入等待关系，继续查找被等待者的等待关系，如果发现成环，则认为发生了死锁，当然在大并发系统下，锁等待关系非常复杂，为了将死锁检测带来的资源消耗控制在一定范围，可以通过设置deadlock_detect_depth来控制死锁检测搜索的深度，或者在特定业务场景下，认为一定不会发生死锁，则关闭死锁检测，这样在一定程度上有利于系统并发的提升。需要说明的是，如果关闭死锁，最好配套将锁等待超时时间设置较小，避免系统真发生死锁时，事务长时间hang住。死锁检测基本流程如下：
1.定位到具体某个分片，获取mutex
2.调用AcquireLocked尝试加锁
3.若上锁失败，则触发进行死锁检测
4.调用IncrementWaiters增加一个等待者
5.如果等待者不在被等待者map里面，则肯定不会存在死锁，返回
6.对于被等待者，沿着wait_txn_map_向下检查等待关系，看看是否成环
7.若发现成环，则将调用DecrementWaitersImpl将新加入的等待关系解除，并报死锁错误。