


Apa yang dibaca oleh Phantom dan bagaimana InnoDB menghalang mereka (kunci seterusnya)?
InnoDB berkesan menghalang pembacaan hantu melalui mekanisme penguncian utama. 1) Pengunci kunci seterusnya menggabungkan kunci baris dan kunci jurang untuk mengunci rekod dan jurang mereka untuk mengelakkan rekod baru daripada dimasukkan. 2) Dalam aplikasi praktikal, dengan mengoptimumkan pertanyaan dan menyesuaikan tahap pengasingan, persaingan kunci dapat dikurangkan dan prestasi konkurensi dapat ditingkatkan.
Pengenalan
Di dunia pangkalan data, hantu berbunyi adalah seperti kewujudan hantu, diam -diam tetapi boleh menyebabkan masalah yang tidak dijangka. Hari ini kita akan membincangkan sifat bacaan fantasi dan bagaimana InnoDB menghalang fenomena ini melalui mekanisme penguncian utama. Melalui artikel ini, anda bukan sahaja akan memahami definisi dan bahaya bacaan ilusi, tetapi juga mendapat pemahaman yang mendalam tentang bagaimana mekanisme kunci InnoDB memastikan konsistensi data.
Semak pengetahuan asas
Sebelum membincangkan bacaan fantasi, kita perlu memahami beberapa konsep asas terlebih dahulu. Transaksi adalah unit asas operasi pangkalan data, yang memastikan atom, konsistensi, pengasingan dan kegigihan (asid) siri operasi. Tahap pengasingan adalah mekanisme yang digunakan untuk mengawal penglihatan antara urus niaga. Yang biasa termasuk membaca yang tidak komited, membaca bacaan yang komited, berulang dan bersiri.
InnoDB adalah enjin penyimpanan untuk MySQL, yang menyokong penguncian peringkat baris, yang bermaksud ia dapat mengunci baris individu dan bukannya keseluruhan jadual, dengan itu meningkatkan prestasi konkurensi.
Konsep teras atau analisis fungsi
Definisi dan fungsi bacaan ilusi
Pembacaan Phantom merujuk kepada mengembalikan set hasil yang berbeza apabila pertanyaan yang sama dilaksanakan pada titik yang berbeza dalam masa dalam transaksi. Ini biasanya berlaku dalam persekitaran berbilang pengguna, apabila satu transaksi dilaksanakan, transaksi lain memasukkan baris baru atau memadamkan baris yang sedia ada, menyebabkan hasil pertanyaan dari transaksi sebelumnya berubah.
Sebagai contoh, katakan Transaksi A melakukan pertanyaan pelbagai untuk mencari semua produk yang berharga kurang daripada $ 100. Semasa pelaksanaan transaksi A, Transaksi B memasukkan rekod baru untuk $ 50. Apabila Transaksi A melaksanakan pertanyaan yang sama sekali lagi, ia akan menemui rekod yang tidak wujud sebelum ini, iaitu bacaan hantu.
Bagaimana ia berfungsi
Sebab utama kejadian pembacaan fantasi adalah bahawa tahap pengasingan transaksi tidak cukup tinggi. Pembacaan hantu adalah mungkin pada tahap pengasingan di mana bacaan tidak diserahkan dan dibaca telah dikemukakan. Dan pada tahap pengasingan bacaan dan siri yang berulang, pangkalan data akan mengambil langkah -langkah untuk mencegah bacaan hantu.
InnoDB menghalang pembacaan hantu melalui penguncian kunci seterusnya. Pengunci kunci seterusnya adalah mekanisme penguncian yang menggabungkan kunci baris dan kunci jurang. Ia bukan sahaja mengunci rekod itu sendiri, tetapi juga jurang antara rekod, dengan itu menghalang urus niaga lain daripada memasukkan rekod baru dalam jurang ini.
Mari kita lihat contoh mudah untuk menggambarkan bagaimana penguncian kunci seterusnya berfungsi:
- Transaksi a Memulakan transaksi; Pilih * dari produk di mana harga <100 untuk kemas kini; - Transaksi b Memulakan transaksi; Masukkan ke dalam produk (nama, harga) nilai ('produk baru', 50);
Apabila Transaksi A melaksanakan pernyataan pilih, InnoDB mengunci semua rekod dengan harga kurang daripada 100 dan jurang antara rekod ini. Dengan cara ini, Transaksi B tidak dapat memasukkan rekod baru dalam jurang ini, dengan itu mengelakkan bacaan hantu.
Contoh penggunaan
Penggunaan asas
Mari kita lihat contoh yang lebih spesifik bagaimana InnoDB menggunakan kunci seterusnya untuk mengelakkan bacaan hantu:
- Transaksi a Memulakan transaksi; Pilih * dari pesanan di mana jumlah> 1000 untuk kemas kini; - Transaksi b Memulakan transaksi; Masukkan ke dalam pesanan (customer_id, amaun) nilai (1, 1500);
Dalam contoh ini, transaksi A mengunci semua pesanan dengan jumlah yang lebih besar daripada 1000 dan jurangnya di antara mereka, dan Transaksi B cuba memasukkan pesanan baru, tetapi ia akan disekat sehingga transaksi A melakukan atau gulung kembali.
Penggunaan lanjutan
Dalam sesetengah kes, kita mungkin memerlukan kunci kawalan yang lebih baik. Sebagai contoh, jika kita mahu mengunci hanya rekod dalam julat tertentu, kita boleh menggunakan pernyataan kunci yang jelas:
- Transaksi a Memulakan transaksi; Pilih * dari inventori di mana kuantiti> 10 dan kuantiti <20 untuk kemas kini; - Transaksi b Memulakan transaksi; Kemas kini kuantiti set inventori = kuantiti - 1 di mana item_id = 15;
Dalam contoh ini, transaksi A mengunci rekod dengan inventori antara 10 dan 20 dan jurangnya, dan Transaksi B cuba untuk mengemas kini rekod dengan inventori 15, tetapi akan disekat sehingga transaksi A melakukan atau gulung kembali.
Kesilapan biasa dan tip debugging
Kesilapan biasa apabila menggunakan penguncian kunci seterusnya termasuk tamat masa menunggu kunci dan kebuntuan. Tamat masa menunggu kunci berlaku apabila urus niaga menunggu masa kunci melebihi masa tamat yang ditetapkan, sementara kebuntuan berlaku apabila dua atau lebih transaksi menunggu satu sama lain untuk melepaskan kunci.
Untuk menyahpepijat masalah ini, anda boleh menggunakan kaedah berikut:
- Gunakan perintah
SHOW ENGINE INNODB STATUS
untuk melihat status kunci semasa dan maklumat kebuntuan. - Laraskan parameter
innodb_lock_wait_timeout
untuk meningkatkan masa tamat masa menunggu. - Gunakan parameter
innodb_deadlock_detect
untuk membolehkan atau melumpuhkan pengesanan kebuntuan.
Pengoptimuman prestasi dan amalan terbaik
Dalam aplikasi praktikal, pengunci kunci seterusnya mungkin mempunyai kesan prestasi kerana ia meningkatkan overhead mengunci. Berikut adalah beberapa pengoptimuman dan amalan terbaik:
- Kurangkan pelbagai kunci dan kunci hanya rekod dan jurang yang diperlukan.
- Pengunci optimis digunakan untuk mengurangkan penggunaan kunci, seperti mengesan konflik serentak melalui nombor versi.
- Tetapkan tahap pengasingan yang munasabah, pilih tahap pengasingan yang sesuai mengikut keperluan aplikasi, dan elakkan penguncian yang tidak perlu.
Dalam pengalaman projek sebenar saya, saya telah menemui sistem pengurusan inventori platform e-dagang. Oleh kerana kemas kini dan pertanyaan inventori yang kerap, ia telah menyebabkan masalah persaingan kunci yang serius. Dengan mengoptimumkan pernyataan pertanyaan dan menyesuaikan tahap pengasingan, kami berjaya mengurangkan masa menunggu kunci dan meningkatkan prestasi konkurensi sistem.
Secara umum, pemahaman dan penggunaan penguncian kunci seterusnya adalah kunci untuk memastikan konsistensi transaksi pangkalan data. Saya harap artikel ini dapat membantu anda menguasai teknologi ini dengan lebih baik dan mengelakkan masalah yang disebabkan oleh bacaan hantu dalam aplikasi praktikal.
Atas ialah kandungan terperinci Apa yang dibaca oleh Phantom dan bagaimana InnoDB menghalang mereka (kunci seterusnya)?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











InnoDB ialah salah satu enjin pangkalan data MySQL Ia kini merupakan enjin storan lalai MySQL dan salah satu piawaian untuk keluaran binari oleh MySQL AB InnoDB menggunakan sistem kebenaran dwi-trek, satu adalah keizinan GPL dan satu lagi adalah perisian proprietari kebenaran. InnoDB ialah enjin pilihan untuk pangkalan data transaksi dan menyokong jadual keselamatan transaksi (ACID);

InnoDB ialah enjin storan yang menyimpan data dalam jadual pada cakera, jadi data kami akan tetap wujud walaupun selepas ditutup dan dimulakan semula. Proses sebenar pemprosesan data berlaku dalam ingatan, jadi data dalam cakera perlu dimuatkan ke dalam memori Jika ia memproses permintaan tulis atau pengubahsuaian, kandungan dalam memori juga perlu dimuat semula ke cakera. Dan kita tahu bahawa kelajuan membaca dan menulis ke cakera adalah sangat perlahan, iaitu beberapa urutan magnitud yang berbeza daripada membaca dan menulis dalam ingatan Jadi apabila kita ingin mendapatkan rekod tertentu dari jadual, adakah enjin storan InnoDB perlu membaca rekod dari cakera satu demi satu? Kaedah yang digunakan oleh InnoDB adalah untuk membahagikan data kepada beberapa halaman, dan menggunakan halaman sebagai unit asas interaksi antara cakera dan memori Saiz halaman dalam InnoDB secara amnya 16

1. Gulung semula dan pasang semula mysql Untuk mengelakkan masalah mengimport data ini dari tempat lain, mula-mula buat sandaran fail pangkalan data perpustakaan semasa (/var/lib/mysql/location). Seterusnya, saya menyahpasang pakej Perconaserver5.7, memasang semula pakej 5.1.71 lama yang asal, memulakan perkhidmatan mysql, dan ia mendorong Unknown/unsupportedtabletype:innodb dan tidak boleh bermula seperti biasa. 11050912:04:27InnoDB:Initializingbufferpool,saiz=384.0M11050912:04:27InnoDB:Lengkap

Perbandingan pemilihan enjin storan MySQL: Penilaian indeks prestasi InnoDB, MyISAM dan Memori Pengenalan: Dalam pangkalan data MySQL, pilihan enjin storan memainkan peranan penting dalam prestasi sistem dan integriti data. MySQL menyediakan pelbagai enjin storan, enjin yang paling biasa digunakan termasuk InnoDB, MyISAM dan Memory. Artikel ini akan menilai penunjuk prestasi ketiga-tiga enjin storan ini dan membandingkannya melalui contoh kod. 1. Enjin InnoDB InnoDB adalah Saya

1. Tahap pengasingan transaksi Mysql Empat tahap pengasingan ini, apabila terdapat konflik serentak transaksi, beberapa masalah bacaan kotor, bacaan tidak boleh berulang dan bacaan hantu mungkin berlaku, dan innoDB menyelesaikannya dalam mod tahap pengasingan berulang Masalah dengan bacaan hantu, 2. Apakah bacaan hantu bermaksud bahawa dalam transaksi yang sama, hasil yang diperoleh apabila menanya julat yang sama dua kali sebelum dan selepas adalah tidak konsisten seperti yang ditunjukkan dalam rajah, kami melaksanakan pertanyaan julat Pada masa ini, hanya terdapat satu data yang memenuhi syarat Dalam transaksi kedua, ia memasukkan baris data dan menyerahkannya Apabila pertanyaan transaksi pertama, hasil yang diperoleh adalah lebih daripada hasil pertanyaan pertama. Data, ambil perhatian bahawa pertanyaan pertama dan kedua bagi transaksi pertama adalah sama

Keupayaan carian teks penuh InnoDB sangat kuat, yang dapat meningkatkan kecekapan pertanyaan pangkalan data dan keupayaan untuk memproses sejumlah besar data teks. 1) InnoDB melaksanakan carian teks penuh melalui pengindeksan terbalik, menyokong pertanyaan carian asas dan maju. 2) Gunakan perlawanan dan terhadap kata kunci untuk mencari, menyokong mod boolean dan carian frasa. 3) Kaedah pengoptimuman termasuk menggunakan teknologi segmentasi perkataan, membina semula indeks dan menyesuaikan saiz cache untuk meningkatkan prestasi dan ketepatan.

MySQL ialah sistem pengurusan pangkalan data yang digunakan secara meluas, dan enjin storan yang berbeza mempunyai kesan yang berbeza terhadap prestasi pangkalan data. MyISAM dan InnoDB ialah dua enjin storan yang paling biasa digunakan dalam MySQL Ia mempunyai ciri yang berbeza dan penggunaan yang tidak betul boleh menjejaskan prestasi pangkalan data. Artikel ini akan memperkenalkan cara menggunakan kedua-dua enjin storan ini untuk mengoptimumkan prestasi MySQL. 1. Enjin storan MyISAM MyISAM ialah enjin storan yang paling biasa digunakan untuk MySQL Kelebihannya ialah kelajuan yang pantas dan ruang storan yang kecil. MyISA

Petua dan strategi untuk meningkatkan prestasi bacaan enjin storan MySQL: Analisis perbandingan MyISAM dan InnoDB Pengenalan: MySQL ialah salah satu sistem pengurusan pangkalan data hubungan sumber terbuka yang paling biasa digunakan, terutamanya digunakan untuk menyimpan dan mengurus sejumlah besar data berstruktur. Dalam aplikasi, prestasi baca pangkalan data selalunya sangat penting, kerana operasi baca adalah jenis operasi utama dalam kebanyakan aplikasi. Artikel ini akan memberi tumpuan kepada cara untuk meningkatkan prestasi bacaan enjin storan MySQL, memfokuskan pada analisis perbandingan MyISAM dan InnoDB, dua enjin storan yang biasa digunakan.
