事务(transaction)和ACID

事务的定义是：一个事务是一组对数据库中数据操作的集合。无论集合中有多少操作，对于用户来说，只是对数据库状态的一个原子改变。

单从概念定义来理解，可能有些晦涩难懂，我们举个例子来讲解：数据库中有两个用户的银行账户A:100元; B:200元。假设事务是A转账50元到B，可以理解为这个事务由两个操作组成：1) A-= 50; 2) B+=50。对于用户来说，数据库对于这个事务只有两个状态：执行事务前的初始状态，即A:100元; B:200元，以及执行事务后的转账成功状态：A:50元;B:250元，不会有中间状态，比如钱从A已经扣除，却还没转到B上:A:50元; B:200元。

一个事务的所有操作要么全部执行，要么一个都不执行。如果在执行事务的过程中，因为任何原因导致事务失败，已经执行的操作都要被回滚(rollback)。这种“all-or-none"的属性就是所谓的事务的原子性(atomicity)。

当一个事务被认定执行成功后，即代表这个事务的操作被数据库持久化。因此，即使数据库在此时奔溃了，比如进程被杀死了，甚至是服务器断电了，这个事务的操作依然有效，这就是事务的另一个属性，持久性(durability)。

假定数据库的初始状态是稳定的，或者说对用户来说是一致的。由于事务执行的原子性，即执行失败就回滚到执行前的状态，执行成功就变成一个新的稳定状态。因此，事务的执行会保持数据库状态的一致性(consistency)。

数据库系统是多用户系统。多个用户可能在同一时间执行不同的事务，称为并发。如果想要做到事务的原子性，那么数据库就必须做到并发的事务互不影响。从事务的角度出发，在执行它本身的过程中，不会感知到其他事务的存在。从数据库的角度出发，即使同一时间有多个事务并发，从微观尺度上看，它们之间也有先来后到，必须等一个事务完成后，另一个事务才开始。这种并发事务之间的不感知就是所谓的事务隔离性(isolation)。

总之，一个事务是一组对数据库中数据操作的集合。事务，对于数据库系统，具有原子性(atomicity)，一致性(consistency)，隔离性(isolation)，以及持久性(durability)。曾经听过这样一个观点，事务的出现主要是针对并发。其实不然，ACID属性中只有隔离性是针对并发事务的。所以，即使数据库系统是一个单用户系统，我们依然希望事务具有原子性、一致性和持久性。

隔离级别(Isolation Level)

如果让你来实现事务的隔离性，最容易的办法，你会想到什么？我想绝大部分的读者都会想到，给数据库加一个全局的操作锁，在同一时间里只允许一个用户对数据库进行操作，这就保证了隔离性。

的确，这样可以保证隔离性，但也限制了并发性，对数据库的性能产生了极大的影响。在实际情况中，没有数据库会这么去实现。并且这个世界并非非黑即白，隔离性也并不是有或者没有。数据库一般会提供多种隔离性的级别，供用户选择：越严格的隔离级别越接近全局锁，越宽松的隔离级别越能提高并发。天下没有免费的午餐，宽松的隔离级别也会随之带来一些问题。

我们结合并发事务可能带来的问题，来讲述一下不同的隔离级别。

首先，我们定义一个相对简单的事务模型，方便后续讨论各种隔离级别和可能遇到的数据问题。虽然数据库支持各种复杂的操作，但归根到底就是对数据基本单元的读写操作，对于任一给定数据单元A，我们定义read(A)，write(A, val)分别为读取和写入操作。同时，对于事务，提供begin(开启事务), commit(提交事务), rollback(回滚事务)操作。

先从最宽松的隔离级别开始，read uncommitted(读未提交)。顾名思义，读未提交就是在一个事务中，允许读取其他事务未提交的数据。下图示例很清晰地诠释了读未提交：

在事务T1中，读取A得到结果是5，是因为事务T2修改了A的值，虽然当时T2还未提交，甚至最后T2回滚了。读未提交导致的问题就是dirty read(脏读)。脏读的定义就是，一个事务读取了另一个事务还未提交的修改。虽然可能大多数情况下，我们都会认为脏读产生了不正确的结果。但是，抛开业务谈正确性都是耍流氓。或许，某些用户的某些业务，为了支持更大地并发，允许脏读的出现。因为，对于读未提交，完全不需要对操作进行加锁，自然并发性更高。

如何避免脏读呢？数据库引入了第二层的隔离级别，read committed(读提交)。读提交就是指在一个事务中，只能够读取到其他事务已经提交的数据。

在读提交的隔离级别下，再回看上面的例子，T1中读取A的值就应该还是10，因为当时T2还没有提交。沿着上面的例子，接着往下看，如果最后T2提交了事务，而T1在之后又读取了一次A，这时候的值就变为5了。

这又出现了什么问题呢？在T1事务中，先后读取了两次A，两次的值不一样了。回顾最早提及的事务的隔离性，两次读取同一数据的值不一样，其实违反了隔离性。因为隔离性定义了一个事务不需要感知其他事务的存在，但显然，由于值不同，说明在这个过程中另一个事务提交了数据。这类问题就被定义为nonrepeatable read(不可重复度读)：在一个事务过程中，可能出现多次读取同一数据但得到的值不同的现象。

如何避免不可重复度这个问题呢？数据库引入了第三层隔离级别，根据上面的经验，你可能已经猜出来了，名称就叫做repeatable read(可重复读)。可重复读指的是在一个事务中，只能读取已经提交的数据，且可以重复查询这些数据，并且，在重复查询之间，不允许其他事务对这些数据进行写操作。虽然我们还没讲到实现，但不难想象，对读数据加读锁锁就能实现。

对于可重复读级别来说，上述例子中的两次读取都会得到数据是10。读者可能会有疑问，那彼时T2的commit会失败吗？如果是加锁实现的可重复读，那T2的commit就会hold在那，直至T1结束，取决于T1最后有没有更新A，如果有，T2就会失败。

可重复读，似乎看上去很完美，解决了所有并行事务带来的不确定性。其实不然，我们通过下面这个SQL语句的例子来看：

T1:
BEGIN;
SELECT * FROM students WHERE class_id = 1;  // (1)
... 
SELECT * FROM students WHERE class_id = 1;  // (2)
...
COMMIT;

上面示例中的查询语句(1)和(2)，在可重复读隔离级别下，应该返回相同的结果吗？乍一看，应该觉得，没错啊。但可重复读隔离级别只是规定对被已经读取的数据，禁止其他事务进行修改。那如果是下面这个事务呢？

T2:
BEGIN;
INSERT INTO students (1 /* class_id */, ...);
COMMIT;

T2事务并没有修改现有数据，而是新增了一条新数据，恰巧class_id = 1。如果这条插入介于(1)和(2)之间，(2)的结果会改变吗？答案是，会的。语句(2)会比(1)多显示一条记录，即T2插入的。这个问题被称为phantom read(幻读)，指的是，在一个事务中，当查询了一组数据后，再次发起相同查询，却发现满足条件的数据被另一个提交的事务改变了。

如何才能避免幻读呢？数据库系统只能推出最保守的隔离机制，serializable(可有序化)，即所有的事务必须按照一定顺序执行，直接避免了不同事务并发带来的各种问题。

数据库系统针对不同需求，推出了不同的隔离级别，由宽到紧分别是：

1）读未提交：在一个事务中，允许读取其他事务未提交的数据。

2）读提交：在一个事务中，只能够读取到其他事务已经提交的数据。

3）可重复读：在一个事务中，只能读取已经提交的数据，且可以重复查询这些数据，并且，在重复查询之间，不允许其他事务对这些数据进行写操作。

4）可有序化：所有的事务必须按照一定顺序执行。

而后三种隔离级别分别为了解决前一种隔离级别遇到的问题：

1）脏读：一个事务读取了另一个事务还未提交的修改。

2）不可重复度：在一个事务过程中，可能出现多次读取同一数据但得到不同值的现象。

3）幻读：在一个事务中，当查询了一组数据后，再次发起相同查询，却发现满足条件的数据被另一个提交的事务改变了。

下方列出了一张表格，更直观地展现它们之间的关系。

隔离级别	脏读	不可重复度	幻读
读未提交	可能出现	可能出现	可能出现
读提交	不能	可能出现	可能出现
可重复读	不能	不能	可能出现
可有序化	不能	不能	不能

总结

这篇文章主要覆盖了事务的定义、ACID属性以及对于隔离性，数据库推出的不同隔离级别。虽然并没有提到很多的实现，不过，理清这些概念对于理解和学习事务的实现是很有必要的。预告一下，下篇文章我们会分享事务的实现。

创作场景

数据库内核杂谈 (十)：事务、隔离、并发（1）