当前位置: 首页 > news >正文

数据库锁机制

数据库锁机制

数据库锁主要分为三大类

1.全局锁

2.表级锁

3.行级锁

全局锁
  • 定义:全局锁是对整个数据库实例加锁,禁止所有对数据库的写操作。

  • 用途:主要用于备份和维护操作。

  • 示例

    MySQL

    FLUSH TABLES WITH READ LOCK;
    

    这条命令会锁定所有表,只允许读操作,禁止写操作。

    解锁

    UNLOCK TABLES;
    
表级锁
  • 定义:表级锁是对整个表加锁,限制对表的并发访问。

  • 用途:适用于低并发场景,管理开销较小。

    表级锁分为:读锁和写锁

    读锁(共享锁,S 锁)

    • 定义:允许多个事务同时读取同一张表,但不允许任何事务对该表进行写操作。
    • 用途:适用于读多写少的场景,确保数据的一致性。
    • 特点:多个读锁可以共存。读锁与写锁互斥,即一个表上有读锁时,不能加写锁。
    LOCK TABLES table_name READ;
    

    这条命令会对指定表加共享锁,允许多个事务读取,但禁止写操作。

    写锁(排他锁,X 锁)

    • 定义:只允许一个事务对表进行读取和写操作,排除其他事务的任何访问。
    • 用途:适用于写多读少的场景,确保数据的独占性。
    • 特点:排他锁与其他任何类型的锁互斥,即一个表上有写锁时,不能加任何其他锁。
    LOCK TABLES table_name WRITE;
    

    这条命令会对指定表加排他锁,只允许一个事务读写,禁止其他事务访问。

    元数据锁(Metadata Lock,MDL)

    • 定义:元数据锁用于保护表的元数据(如表结构、索引等),防止在事务执行过程中表结构被修改。
    • 用途:确保在事务执行期间表的结构不会发生变化,防止数据不一致。
    • 特点:元数据锁分为读锁和写锁。读锁允许多个事务同时读取元数据,但不允许修改。写锁只允许一个事务修改元数据,排除其他事务的任何访问。

    读元数据锁

    SELECT * FROM table_name;
    

    写元数据锁

    ALTER TABLE table_name ADD COLUMN new_column INT;
    

    自增锁(Auto-Increment Lock)

    • 定义:自增锁用于管理自增列(AUTO_INCREMENT)的值分配,确保在并发插入时自增值的唯一性和连续性。
    • 用途:防止多个事务同时插入自增列时产生冲突。
    • 特点:自增锁在插入新记录时自动加锁,确保自增值的分配。InnoDB 存储引擎提供了多种自增锁模式,可以通过配置参数调整。

    插入新记录时自动加锁:

    INSERT INTO table_name (column1, column2) VALUES ('value1', 'value2');
    

    InnoDB 存储引擎提供了以下几种自增锁模式,可以通过配置参数 innodb_autoinc_lock_mode 调整:

    传统模式(Traditional Mode,0)

    • 插入每一条记录时都会加表级锁,确保自增值的连续性。

    • 适用于需要严格连续自增值的场景。

    • 示例

      SET GLOBAL innodb_autoinc_lock_mode = 0;
      

    连续模式(Consecutive Mode,1)

    • 插入一批记录时加一次表级锁,确保自增值的连续性。

    • 适用于大多数场景,平衡了性能和连续性。

    • 示例

      SET GLOBAL innodb_autoinc_lock_mode = 1;
      

    交错模式(Interleaved Mode,2)

    • 插入每一条记录时不加表级锁,自增值可能不连续。

    • 适用于高性能场景,牺牲了自增值的连续性。

    • 示例

      SET GLOBAL innodb_autoinc_lock_mode = 2;
      

    解锁

    UNLOCK TABLES;
    
行级锁
  • 定义:行级锁是对表中的单个行加锁,限制对特定行的并发访问。

  • 用途:适用于高并发场景,管理开销较大,但并发性能更高。

    行级锁的类型更为多样,主要包括记录锁、间隙锁、临键锁等。

    记录锁(Record Lock)

    • 定义:锁定索引记录本身。
    • 用途:确保对特定行的独占访问。
    • 特点:只锁定索引记录,不影响其他行。适用于高并发场景,减少锁的竞争。
    SELECT * FROM table_name WHERE id = 1 FOR UPDATE;
    

    这条命令会对查询结果中的行加排他锁,确保在事务提交前其他事务不能修改这些行。

    间隙锁(Gap Lock)

    • 定义:锁定索引记录之间的间隙。
    • 用途:防止其他事务在该间隙内插入新记录。
    • 特点:间隙锁不锁定具体的记录,而是锁定记录之间的空隙。适用于防止幻读(Phantom Read)。
    SELECT * FROM table_name WHERE id > 10 AND id < 20 FOR UPDATE;
    

    这条命令会对 id 在 10 和 20 之间的间隙加锁,防止其他事务插入新的记录。

    临键锁(Next-Key Lock)

    • 定义:记录锁和间隙锁的组合,锁定索引记录及其之前的间隙。
    • 用途:确保对特定行及其之前间隙的独占访问。
    • 特点:临键锁不仅锁定记录本身,还锁定记录之前的间隙。适用于防止幻读和不可重复读(Non-Repeatable Read)。
    SELECT * FROM table_name WHERE id = 10 FOR UPDATE;
    

    这条命令会对 id 为 10 的记录及其之前的间隙加锁,确保在事务提交前其他事务不能修改这些行或插入新的记录。

    总结
    • 表级锁

      读锁(共享锁,S 锁):允许多个事务同时读取同一张表,但不允许写操作。

      写锁(排他锁,X 锁):只允许一个事务对表进行读取和写操作,排除其他事务的任何访问。

      元数据锁(Metadata Lock,MDL):保护表的元数据,防止在事务执行过程中表结构被修改。

      自增锁(Auto-Increment Lock):管理自增列的值分配,确保在并发插入时自增值的唯一性和连续性。

    • 行级锁

      记录锁(Record Lock):锁定索引记录本身,确保对特定行的独占访问。

      间隙锁(Gap Lock):锁定索引记录之间的间隙,防止其他事务在该间隙内插入新记录。

      临键锁(Next-Key Lock):记录锁和间隙锁的组合,锁定索引记录及其之前的间隙,确保对特定行及其之前间隙的独占访问。

    InnoDB 存储引擎

    InnoDB 默认使用行级锁

InnoDB 与 MyISAM 的区别

  1. 锁机制
  • InnoDB

    支持行级锁,适用于高并发场景。

    支持事务和外键约束,确保数据的一致性和完整性。

    使用多版本并发控制(MVCC),提高并发性能。

  • MyISAM

    支持表级锁,适用于低并发场景。

    不支持事务和外键约束,适合简单的读写操作。

    不支持 MVCC,性能较低。

  1. 事务支持
  • InnoDB

    支持事务,可以回滚和提交事务。

    支持 ACID(原子性、一致性、隔离性、持久性)特性。

  • MyISAM

    不支持事务,没有回滚和提交操作。

    不支持 ACID 特性。

  1. 外键约束
  • InnoDB

    支持外键约束,确保数据的引用完整性。

  • MyISAM

    不支持外键约束。

  1. 存储方式
  • InnoDB

    使用聚集索引,主键索引和数据存储在一起。

    支持全文索引。

  • MyISAM

    使用非聚集索引,索引和数据分开存储。

    支持全文索引。

  1. 性能
  • InnoDB

    适用于高并发读写操作,性能较好。

    支持并发插入和更新操作。

  • MyISAM

    适用于低并发读操作,性能较低。

    插入和更新操作可能会导致表锁竞争。

相关文章:

数据库锁机制

数据库锁机制 数据库锁主要分为三大类 1.全局锁 2.表级锁 3.行级锁 全局锁 定义&#xff1a;全局锁是对整个数据库实例加锁&#xff0c;禁止所有对数据库的写操作。 用途&#xff1a;主要用于备份和维护操作。 示例 MySQL FLUSH TABLES WITH READ LOCK;这条命令会锁定所…...

呼叫中心系统如何选型?

呼叫中心系统如何选型&#xff1f; 作者&#xff1a;开源呼叫中心系统 FreeIPCC 采购一套呼叫中心系统是企业提升客户服务质量、优化运营流程、增强市场竞争力的关键步骤。一个合适的呼叫中心系统不仅能提升客户满意度&#xff0c;还能提高内部团队的工作效率&#xff0c;降低…...

Ubuntu 22.04安装部署

一、部署环境 表 1‑1 环境服务版本号系统Ubuntu22.04 server lts运行环境1JDK1.8前端WEBNginx1.8数据库postgresqlpostgresql13postgis3.1pgrouting3.1消息队列rabbitmq3.X(3.0以上)运行环境2erlang23.3.3.1 二、安装系统 2.1安装 1.安装方式&#xff0c;选第一条。 2.选择…...

KINGBASE部署

环境&#xff1a;x86_64 系统&#xff1a;centos7.9 数据库–版本&#xff1a;KingbaseES_V008R006C008B0014_Lin64_install 授权文件–版本&#xff1a;V008R006-license-企业版-90天 一 前置要求 1.1. 硬件环境要求 KingbaseES支持通用X86_64、龙芯、飞腾、鲲鹏等国产C…...

探索 ONLYOFFICE:开源办公套件的魅力

文章目录 引言一、ONLYOFFICE 产品介绍与历史1.1 ONLUOFFICE 介绍1.2 ONLYOFFICE发展历史 二、ONLYOFFICE 的核心功能2.1 文档处理2.2 演示文稿 三、ONLYOFFICE 部署与安装四、ONLYOFFICE 产品优势和挑战五、ONLYOFFICE 案例分析六、ONLYOFFICE 的未来发展七、全文总结 引言 在…...

如何保护网站安全

1. 使用 Web 应用防火墙&#xff08;WAF&#xff09; 功能&#xff1a;WAF 可以实时检测和阻止 SQL 注入、跨站脚本&#xff08;XSS&#xff09;、文件包含等常见攻击。它通过分析 HTTP 流量来过滤恶意请求。 推荐&#xff1a;可以使用像 雷池社区版这样的 WAF&#xff0c;它提…...

抖音矩阵系统开发的技术框架解析,支持OEM

一、引言 随着短视频平台的兴起&#xff0c;抖音已成为全球范围内极具影响力的社交娱乐应用。对于企业和创作者而言&#xff0c;构建抖音矩阵系统可以实现多账号管理、内容分发与优化、数据分析等功能&#xff0c;从而提升品牌影响力和内容传播效果。本文将详细探讨抖音矩阵系统…...

python偏相关分析

偏相关分析含义 偏相关分析是一种用于测量两个变量之间关系的统计方法&#xff0c;它可以控制&#xff08;排除&#xff09;其他变量的影响。与简单的相关分析不同&#xff0c;偏相关分析可以帮助我们了解在控制某些干扰因素后&#xff0c;两个变量之间的“净”关系。比如&…...

低代码用户中心:简化开发,提升效率的新时代

随着数字化转型的加速&#xff0c;企业对于快速交付高质量应用的需求日益增长。在这个背景下&#xff0c;低代码开发平台应运而生&#xff0c;成为越来越多企业和开发者的首选工具。今天&#xff0c;我们将聚焦于低代码用户中心&#xff0c;探讨其如何帮助开发者简化流程、提升…...

ThingsBoard规则链节点:Math Function节点详解

引言 1. Math Function 节点简介 2. 节点配置 2.1 基本配置示例 3. 使用场景 3.1 数据预处理 3.2 阈值判断 3.3 复杂计算 3.4 动态阈值 4. 实际项目中的应用 4.1 项目背景 4.2 项目需求 4.3 实现步骤 5. 总结 引言 ThingsBoard 是一个开源的物联网平台&#xff0c…...

echarts地图,柱状图,折线图实战

1.地图 <template><div style"height: 100%;" class"cantainerBox"><div class"top"><div class"leftTop"><span class"firstSpan">推广进度</span><div>省份选择&#xff1a;&l…...

客服宝快捷回复软件:客服工作的得力助手

在从事客服工作的这段漫长时间里&#xff0c;响应率和满意度一直是我最为头疼的绩效指标。这两个指标就如同两座大山&#xff0c;压得我时常喘不过气来。 然而&#xff0c;幸运的是&#xff0c;最近我安装了客服宝这个快捷回复软件&#xff0c;这一举措如同为我打开了一扇新的…...

laravel: Breeze 和 Blade, 登录 注册等

composer require laravel/breeze --dev php artisan breeze:install php artisan migrate npm install npm run build php artisan route:clear http://laravel-dev.cn/ http://laravel-dev.cn/register http://laravel-dev.cn/login...

RocketMQ 消息消费失败的处理机制

在分布式消息系统中&#xff0c;处理消费失败的消息是非常关键的一环。 RocketMQ 提供了一套完整的消息消费失败处理机制&#xff0c;下面我将简要介绍一下其处理逻辑。 截图代码版本&#xff1a;4.9.8 步骤1 当消息消费失败时&#xff0c;RocketMQ会发送一个code为36的请求到…...

三、Java并发 Java 线程池 ( Thread Pool )

一、前言 本文我们将讲解 Java 中的线程池 ( Thread Pool )&#xff0c;从 Java 标准库中的线程池的不同实现开始&#xff0c;到 Google 开发的 Guava 库的前世今生 注&#xff1a;本章节涉及到很多前几个章节中阐述的知识点。我们希望你是按照顺序阅读下来的&#xff0c;不然…...

zabbix安装配置与使用

zabbix Zabbix的工作原理如下: 监控部分: Zabbix Agent安装在各个需要监控的主机上,它以主配置的时间间隔(默认60s)收集主机各项指标数据,如CPU占用率、内存使用情况等。 通讯部分: Agent会把收集的数据通过安全通道(默认10051端口)发送到Zabbix Server。Server会存储这些数…...

第3关:命题逻辑推理

任务描述 相关知识 实验用例 实验原理和方法 编程要求 测试说明 任务描述 本关任务&#xff1a;用命题逻辑推理的方法解决逻辑推理问题。加深对命题逻辑推理方法的理解。 相关知识 为了完成本关任务&#xff0c;你需要掌握&#xff1a;1.命题符号化&#xff0c;2.命题推理。 …...

第三份代码:VoxelNet的pytorch实现

VoxelNet是点云体素化处理的最开始的网络结构设计&#xff0c;通过完全弄明白整个VoxelNet的pytorch实现是非常有必要的。 参考的代码是这一份&#xff1a;GitHub - RPFey/voxelnet_pytorch: modification of voxelnet 参考文章&#xff1a;VoxelNet论文解读和代码解析_voxel…...

Backtrader-Broker05

本系列是使用Backtrader在量化领域的学习与实践&#xff0c;着重介绍Backtrader的使用。Backtrader 中几个核心组件&#xff1a; Cerebro&#xff1a;BackTrader的基石&#xff0c;所有的操作都是基于Cerebro的。Feed&#xff1a;将运行策略所需的基础数据加载到Cerebro中&…...

分布式和微服务系统区别

一、分布式是更广泛的概念&#xff0c;指将计算分布在多个物理节点上的系统。 适用于需要高可用性、高性能、可扩展性的系统。 应用场景&#xff1a;分布式数据库—数据高可用存储、分布式缓存—提升数据访问速度 分布式计算框架—大规模数据计算、分布式文件系统—海量数据的…...

测试微信模版消息推送

进入“开发接口管理”--“公众平台测试账号”&#xff0c;无需申请公众账号、可在测试账号中体验并测试微信公众平台所有高级接口。 获取access_token: 自定义模版消息&#xff1a; 关注测试号&#xff1a;扫二维码关注测试号。 发送模版消息&#xff1a; import requests da…...

Docker 离线安装指南

参考文章 1、确认操作系统类型及内核版本 Docker依赖于Linux内核的一些特性&#xff0c;不同版本的Docker对内核版本有不同要求。例如&#xff0c;Docker 17.06及之后的版本通常需要Linux内核3.10及以上版本&#xff0c;Docker17.09及更高版本对应Linux内核4.9.x及更高版本。…...

进程地址空间(比特课总结)

一、进程地址空间 1. 环境变量 1 &#xff09;⽤户级环境变量与系统级环境变量 全局属性&#xff1a;环境变量具有全局属性&#xff0c;会被⼦进程继承。例如当bash启动⼦进程时&#xff0c;环 境变量会⾃动传递给⼦进程。 本地变量限制&#xff1a;本地变量只在当前进程(ba…...

golang循环变量捕获问题​​

在 Go 语言中&#xff0c;当在循环中启动协程&#xff08;goroutine&#xff09;时&#xff0c;如果在协程闭包中直接引用循环变量&#xff0c;可能会遇到一个常见的陷阱 - ​​循环变量捕获问题​​。让我详细解释一下&#xff1a; 问题背景 看这个代码片段&#xff1a; fo…...

解决Ubuntu22.04 VMware失败的问题 ubuntu入门之二十八

现象1 打开VMware失败 Ubuntu升级之后打开VMware上报需要安装vmmon和vmnet&#xff0c;点击确认后如下提示 最终上报fail 解决方法 内核升级导致&#xff0c;需要在新内核下重新下载编译安装 查看版本 $ vmware -v VMware Workstation 17.5.1 build-23298084$ lsb_release…...

电脑插入多块移动硬盘后经常出现卡顿和蓝屏

当电脑在插入多块移动硬盘后频繁出现卡顿和蓝屏问题时&#xff0c;可能涉及硬件资源冲突、驱动兼容性、供电不足或系统设置等多方面原因。以下是逐步排查和解决方案&#xff1a; 1. 检查电源供电问题 问题原因&#xff1a;多块移动硬盘同时运行可能导致USB接口供电不足&#x…...

令牌桶 滑动窗口->限流 分布式信号量->限并发的原理 lua脚本分析介绍

文章目录 前言限流限制并发的实际理解限流令牌桶代码实现结果分析令牌桶lua的模拟实现原理总结&#xff1a; 滑动窗口代码实现结果分析lua脚本原理解析 限并发分布式信号量代码实现结果分析lua脚本实现原理 双注解去实现限流 并发结果分析&#xff1a; 实际业务去理解体会统一注…...

【python异步多线程】异步多线程爬虫代码示例

claude生成的python多线程、异步代码示例&#xff0c;模拟20个网页的爬取&#xff0c;每个网页假设要0.5-2秒完成。 代码 Python多线程爬虫教程 核心概念 多线程&#xff1a;允许程序同时执行多个任务&#xff0c;提高IO密集型任务&#xff08;如网络请求&#xff09;的效率…...

Java线上CPU飙高问题排查全指南

一、引言 在Java应用的线上运行环境中&#xff0c;CPU飙高是一个常见且棘手的性能问题。当系统出现CPU飙高时&#xff0c;通常会导致应用响应缓慢&#xff0c;甚至服务不可用&#xff0c;严重影响用户体验和业务运行。因此&#xff0c;掌握一套科学有效的CPU飙高问题排查方法&…...

tauri项目,如何在rust端读取电脑环境变量

如果想在前端通过调用来获取环境变量的值&#xff0c;可以通过标准的依赖&#xff1a; std::env::var(name).ok() 想在前端通过调用来获取&#xff0c;可以写一个command函数&#xff1a; #[tauri::command] pub fn get_env_var(name: String) -> Result<String, Stri…...