Transaction 作为关系型数据库的核心组成，在数据安全方面有着非常重要的作用，本文会一步步解析事务的核心特性，以获得对事务更深的理解。

什么是事务

数据库几乎是所有系统的核心模块，它将数据有条理地保存在储存介质 (磁盘）中， 并在逻辑上，将数据以结构化的形态呈现给用户。支持数据的增、删、改、查，并在过程中保障数据的正确且可靠。

要做到这点并非易事，常见的例子就是银行转账，A 账户给 B 账户转账一个亿 (T1)，买一块地盖房子。在这种交易的过程中，有几个问题值得思考：

• 如何同时保证上述交易中，A 账户总金额减少一个亿，B 账户总金额增加一个亿？A
• A 账户如果同时在和 C 账户交易 (T2)，如何让这两笔交易互不影响？I
• 如果交易完成时数据库突然崩溃，如何保证交易数据成功保存在数据库中？D
• 如何在支持大量交易的同时，保证数据的合法性 (没有钱凭空产生或消失) ？C

要保证交易正常可靠地进行，数据库就得解决上面的四个问题，这也就是事务诞生的背景，它能解决上面的四个问题，对应地，它拥有四大特性：

• 原子性（Atomicity）: 事务要么全部完成，要么全部取消。如果事务崩溃，状态回到事务之前（事务回滚）。
• 隔离性（Isolation）: 如果 2 个事务 T1 和 T2 同时运行，事务 T1 和 T2 最终的结果是相同的，不管 T1 和 T2 谁先结束。
• 持久性（Durability）: 一旦事务提交，不管发生什么（崩溃或者出错），数据要保存在数据库中。
• 一致性（Consistency）: 只有合法的数据（依照关系约束和函数约束）才能写入数据库。

ACID

接下来详细地了解这四大特性：

• 原子性，确保不管交易过程中发生了什么意外状况（服务器崩溃、网络中断等），不能出现 A 账户少了一个亿，但 B 账户没到帐，或者 A 账户没变，但 B 账户却凭空收到一个亿（数据不一致）。A 和 B 账户的金额变动要么同时成功，要么同时失败 (保持原状)。
• 隔离性，如果 A 在转账 1 亿给 B（T1），同时 C 又在转账 3 亿给 A（T2），不管 T1 和 T2 谁先执行完毕，最终结果必须是 A 账户增加 2 亿，而不是 3 亿，B 增加 1 亿，C 减少 3 亿。
• 持久性，确保如果 T1 刚刚提交，数据库就发生崩溃，T1 执行的结果依然会保持在数据库中。
• 一致性，确保钱不会在系统内凭空产生或消失，依赖原子性和隔离性。

可以看出，原子性、隔离性、一致性的根本问题，是不同的事务同时对同一份数据 (A 账户) 进行写操作(修改、删除、新增)，如果事务中都只是读数据的话，那么它们可以随意地同时进行，反正读到的数据都是一样的。

如果，几个互不知晓的事务在同时修改同一份数据，那么很容易出现后完成的事务覆盖了前面的事务的结果，导致不一致。事务在最终提交之前都有可能会回滚，撤销所有修改：

1. 如果 T1 事务修改了 A 账户的数据，
2. 这时 T2 事务读到了更新后的 A 账户数据，并进行下一步操作，
3. 但此时 T1 事务却回滚了，撤销了对 A 账户的修改，
4. 那么 T2 读取到的 A 账户数据就是非法的，这会导致数据不一致。

这些问题都是事务需要避免的。

如何保证原子性

begin; -- 开始一个事务
update table set A = A - 1亿; -- 伪sql，仅作示意
update table set B = B + 1亿;
-- 其他读写操作
commit; -- 提交事务

要保证上面操作的原子性，就得等begin和commit之间的操作全部成功完成后，才将结果统一提交给数据库保存，如果途中任意一个操作失败，就撤销前面的操作，且操作不会提交数据库保存，这样就保证了同生共死。

如何保证隔离性

原子性的问题解决了，但是如果有另外的事务在同时修改数据 A 怎么办呢？虽然可以保证事务的同生共死，但是数据一致性会被破坏。此时需要引入数据的隔离机制，确保同时只能有一个事务在修改 A，一个修改完了，另一个才来修改。这需要对数据 A 加上互斥锁：

• 先获得了锁，然后才能修改对应的数据 A
• 事务完成后释放锁，给下一个要修改数据 A 的事务
• 同一时间，只能有一个事务持有数据 A 的互斥锁
• 没有获取到锁的事务，需要等待锁释放

以上面的事务为例，称作 T1，T1 在更新 A 的时候，会给 A 加上互斥锁，保证同时只能有一个事务在修改 A。那么这个锁什么时候释放呢？当 A 更新完毕后，正在更新 B 时 (T1 还没有提交)，有另外一个事务 T2 想要更新 A，它能获取到 A 的互斥锁吗？

答案是不能，如果 T1 在更新完 A 后，就释放了互斥锁，此时 T2 获取到 T1 的最新值，并做修改，如果一且正常，则万事大吉。但是如果在 T2 更新 A 时，T1 因为后面的语句执行失败而回滚了呢？

1. 此时 T1 会撤销对 A 的修改，
2. T2 得到的 A 数据就是脏数据，更新脏数据就会导致数据不一致。

所以，在事务中更新某条数据获得的互斥锁，只有在事务提交或失败之后才会释放，在此之前，其他事务是只能读，不能写这条数据的。

这就是隔离性的关键，针对隔离性的强度，有以下四的级别 (引用自这篇文章)：

• 串行化 (Serializable，SQLite 默认模式）：最高级别的隔离。两个同时发生的事务 100% 隔离，每个事务有自己的"世界", 串行执行。
• 可重复读（Repeatable read，MySQL 默认模式）：如果一个事务成功执行并且添加了新数据 (事务提交)，这些数据对其他正在执行的事务是可见的。但是如果事务成功修改了一条数据，修改结果对正在运行的事务不可见。所以，事务之间只是在新数据方面突破了隔离，对已存在的数据仍旧隔离。
• 读取已提交（Read committed，Oracle、PostgreSQL、SQL Server 默认模式）：可重复读 + 新的隔离突破。如果事务 A 读取了数据 D，然后数据 D 被事务 B 修改（或删除）并提交，事务 A 再次读取数据 D 时数据的变化（或删除）是可见的。这叫不可重复读（non-repeatable read）。
• 读取未提交（Read uncommitted）：最低级别的隔离，是读取已提交 + 新的隔离突破。如果事务 A 读取了数据 D，然后数据 D 被事务 B 修改（但并未提交，事务 B 仍在运行中），事务 A 再次读取数据 D 时，数据修改是可见的。如果事务 B 回滚，那么事务 A 第二次读取的数据 D 是无意义的，因为那是事务 B 所做的从未发生的修改（已经回滚了嘛）。这叫脏读（dirty read）。

接下来详细解释，假设有下面两个事务同时执行：

begin; -- 事务1
insert into table1 (somevaue); -- 随意写的伪sql
update table2 set aa = aa + 1 where id = 1;
commit;

begin; -- 事务2
select count(*) from table1; -- 第一次读count
select aa from table2 where id = 1; -- 第一次读aa
-- 假设在这个点 事务1成功提交
select count(*) from table1; -- 第二次读count
select aa from table2 where id = 1; -- 第二次读aa
commit;

串行化不用解释了，依次执行，不会产生冲突。 可重复读是什么意思呢？事务 2 执行到一半时，事务 1 成功提交：

• 事务 2 中 第二次读count得到的值和第一次读count得到的值不一样 (因为事务 1 新增了一条数据)，这叫幻读，不隔离新增的数据。
• 事务 2 中 第一次读aa 和第二次读aa得到的值是一样的，对刚更新的值不可见，隔离已经存在的数据。可以重复读，读到的数据都是一样的。

可重复读针对的是“当前读”，什么叫当前读呢？简单地说，比如： update table2 set aa = aa + 1 where id = 1 这条语句，其实有两部分，第一步先将满足条件的数据读出来select * from table2 where id = 1, 后一部分才是对这条数据进行修改。第一步的就是当前读，它需要读取到最新的数据，并且会对数据加锁不允许其他事务修改。于当前读相对应的是“快照读”，就是单纯的 select 语句，在 MySQL 中，快照读不加锁，因为后续没有修改操作。

读取已提交是什么意思呢？事务 2 执行到一半时，事务 1 成功提交：

• 事务 2 中 第二次读count得到的值和第一次读count得到的值不一样 (因为事务 1 新增了一条数据)，这叫幻读，不隔离新增的数据。
• 事务 2 中 第一次读aa 和第二次读aa得到的值是不一样的，对刚提交的值可见，不隔离已经存在的数据。不可以重复读，读到的数据是不一样的 (如果成功修改)。

读取未提交是什么意思呢？事务 2 执行到一半时，事务 1 还未提交：

• 事务 2 中 第二次读count得到的值和第一次读count得到的值不一样 (因为事务 1 新增了一条数据)，这叫幻读，不隔离新增的数据。
• 事务 2 中 第一次读aa 和第二次读aa得到的值是不一样的（事务 1 未提交），对最新版本的值可见，不隔离已经存在的数据。不可以重复读，读到的数据是不一样的。
• 如果此时事务 1 因为其他原因回滚了，事务 2 第二次读到的数据是无意义的，因为修改没有发生 (回滚了)，这叫脏读 。

在现实环境中，串行化一般不会被使用，因为性能太低。

如果对一致性有要求，比如转账交易，那么要使用可重复读，并发性能相对较差。原因是，为了实现可重复读，在对更新记录加锁时，除了使用记录锁，还可能会使用间隙锁锁住区间 (看 update 语句的 where 条件)，这会增加其他事务等待时间。

如果对一致性要求不高，一般使用读取已提交，由于不考虑重复读，在加锁时一般只加记录锁，不会使用间隙锁，并发性较好，据说使用的最多。

如何保证持久性

隔离性的问题解决了，但是如果在事务提交后，事务的数据还没有真正落到磁盘上，此时数据库奔溃了，事务对应的数据会不会丢？

事务会保证数据不会丢，当数据库因不可抗拒的原因奔溃后重启，它会保证：

• 成功提交的事务，数据会保存到磁盘
• 未提交的事务，相应的数据会回滚

事务日志

数据库通过事务日志来达到这个目标。事务的每一个操作（增/删/改）产生一条日志，内容组成大概如下：

• LSN：一个按时间顺序分配的唯一日志序列号，靠后的操作的 LSN 比靠前的大。
• TransID：产生操作的事务 ID。
• PageID：被修改的数据在磁盘上的位置，数据以页为单位存储。
• PrevLSN：同一个事务产生的上一条日志记录的指针。
• UNDO：取消本次操作的方法，按照此方法回滚。
• REDO：重复本次操作的方法，如有必要，重复此方法保证操作成功。

磁盘上每个页（保存数据的，不是保存日志的）都记录着最后一个修改该数据操作的 LSN。数据库会通过解析事务日志，将修改真正落到磁盘上 (写盘)，随后清理事务日志 (正常情况下)。

这也是数据库在保证数据安全和性能这两个点之前的折中办法：

• 如果每次更新都写盘，由于数据是随机的，会造成大量的随机 IO，性能会非常差
• 如果每次更新不马上写盘，那一旦数据库崩溃，数据就会丢失

折中的办法就是：

• 将数据的变更以事务日志的方式，按照时间先后追加到日志缓冲区，由特定算法写入事务日志，这是顺序 IO，性能较好
• 通过数据管理器解析事务日志，由特定的算法择机进行写盘

数据库恢复

当数据库从崩溃中恢复时，会有以下几个步骤：

• 解析存在的事务日志，分析哪些事务需要回滚，哪些需要写盘 (还没来得及写盘，数据库就崩溃了)。
• Redo，进行写盘。检测对应数据所在数据页的 LSN，如果数据页的 LSN>=事务操作的 LSN，说明已经写过盘，不然进行写盘操作。
• Undo, 按照 LSN 倒序进行回滚

经过这几个阶段，在数据库恢复后，可以达到奔溃前的状态，也保证了数据的一致性。

待续