本地事务简介

本地事务简介

1 事务基本性质

数据库事务的几个特性：原子性(Automicity)、一致性(Consistency)、隔离性或独立性(islation)和持久性(Durability)，简称ACID。

  • 原子性：一系列的操作，其整体不可拆分，要么同时成功，要么同时失败。

  • 一致性：数据在事务的前后，业务整体一致。

    • 转账 。A：1000； B：1000 ；转200
      事务成功。 A：800， B：1200

  • 隔离性：事务之间互相隔离。

  • 持久性：一旦事务成功，数据一定会记录在数据库。

2 事务的隔离级别
隔离级别特点
Read Uncommitted允许读取未提交的数据
Read committed只能读取已提交的数据
Repeatable Read同一事务中多次读取同一数据结果一致
Serializable事务完全串行化，按顺序执行
2.1 Read Uncommitted
场景描述

假设有一个银行账户表 accounts，记录用户的账户余额。现在有两个并发事务：

  1. 事务 A：从账户中扣除 100 元。
  2. 事务 B：查询账户余额。
数据库初始状态

假设账户初始余额为 1000 元。

事务操作步骤
  1. 事务 A 开始：
    • 查询账户余额：SELECT balance FROM accounts WHERE account_id = 1;（结果为 1000 元）
    • 扣除 100 元：UPDATE accounts SET balance = balance - 100 WHERE account_id = 1;（此时账户余额变为 900 元，但事务 A 还未提交）
  2. 事务 B 开始：
    • 查询账户余额：SELECT balance FROM accounts WHERE account_id = 1;（结果为 900 元，因为事务 A 的未提交数据被读取到了）
  3. 事务 A 回滚：
    • 由于某些原因，事务 A 回滚，撤销了之前的更新操作。此时账户余额恢复为 1000 元。
  4. 事务 B 结束：
    • 事务 B 查询到的余额是 900 元，但实际上账户的真实余额是 1000 元。
问题分析
  • 脏读：事务 B 读取到了事务 A 未提交的数据（900 元），而事务 A 最终回滚，导致事务 B 查询到的数据是不正确的。这种现象称为脏读。
Read Uncommitted 的特点
  • 在 Read Uncommitted 隔离级别下，事务可以读取到其他事务尚未提交的数据。
  • 这种隔离级别允许并发性能最高，但数据一致性最差，容易出现脏读问题。
2.2 Read Committed
场景描述

假设有一个库存表 inventory，记录商品的数量。现在有两个并发事务：

  1. 事务 A：更新商品的数量。
  2. 事务 B：查询商品的数量。
数据库初始状态

假设商品的初始数量为 100。

事务操作步骤
  1. 事务 A 开始：
    • 查询商品数量：SELECT quantity FROM inventory WHERE product_id = 1;（结果为 100）
    • 更新商品数量：UPDATE inventory SET quantity = quantity - 10 WHERE product_id = 1;（此时商品数量变为 90，但事务 A 还未提交）
  2. 事务 B 开始：
    • 查询商品数量：SELECT quantity FROM inventory WHERE product_id = 1;（结果为 100，因为事务 A 的更新尚未提交）
  3. 事务 A 提交：
    • 提交事务 A，更新操作生效，商品数量变为 90。
  4. 事务 B 再次查询：
    • 再次查询商品数量：SELECT quantity FROM inventory WHERE product_id = 1;（结果为 90，因为事务 A 已提交）
问题分析
  • 避免脏读：事务 B 在事务 A 提交之前查询到的商品数量是 100，而不是事务 A 未提交的 90。这避免了脏读问题。
  • 不可重复读：事务 B 在事务 A 提交后再次查询，结果从 100 变为 90。这种现象称为不可重复读，因为同一个事务在不同时间读取到的数据不一致。
  • 幻读：如果事务 B 在事务 A 提交之前查询商品数量，然后事务 A 插入了一条新的商品记录，事务 B 再次查询时可能会发现多了一条记录。这种现象称为幻读。
Read Committed 的特点
  • 避免脏读：事务只能读取到其他事务已经提交的数据。
  • 可能出现不可重复读和幻读：由于事务 B 在事务 A 提交前后读取到的数据不一致，可能会出现不可重复读和幻读问题。
  • 并发性能较好：相比更高隔离级别（如 Repeatable Read 和 Serializable），Read Committed 的并发性能更好，因为它允许更多的并发操作。
2.3 Repeatable Read
场景描述

假设有一个商品库存表 inventory，记录商品的数量。现在有两个并发事务：

  1. 事务 A：查询并更新商品的数量。
  2. 事务 B：查询商品的数量。
数据库初始状态

假设商品的初始数量为 100。

事务操作步骤
  1. 事务 A 开始：
    • 查询商品数量：SELECT quantity FROM inventory WHERE product_id = 1;（结果为 100）
    • 更新商品数量：UPDATE inventory SET quantity = quantity - 10 WHERE product_id = 1;（此时商品数量变为 90，但事务 A 还未提交）
  2. 事务 B 开始：
    • 查询商品数量：SELECT quantity FROM inventory WHERE product_id = 1;（结果为 100，因为事务 A 的更新尚未提交）
  3. 事务 A 提交：
    • 提交事务 A，更新操作生效，商品数量变为 90。
  4. 事务 B 再次查询：
    • 再次查询商品数量：SELECT quantity FROM inventory WHERE product_id = 1;（结果仍为 100，因为事务 B 在同一个事务中，读取到的结果是一致的）
问题分析
  • 避免脏读：事务 B 在事务 A 提交之前查询到的商品数量是 100，而不是事务 A 未提交的 90。这避免了脏读问题。
  • 避免不可重复读：事务 B 在同一个事务中多次查询商品数量，结果始终为 100，即使事务 A 已提交，事务 B 仍然读取到的是事务开始时的一致数据。这避免了不可重复读问题。
  • 可能出现幻读：虽然 Repeatable Read 避免了不可重复读，但在某些数据库实现中，如果事务 A 插入或删除了记录，事务 B 可能会看到不同的结果集。这种现象称为幻读。
Repeatable Read 的特点
  • 避免脏读和不可重复读：事务在同一个事务中多次读取同一数据的结果是一致的。
  • 可能出现幻读：在某些数据库实现中，如果事务 A 插入或删除了记录，事务 B 可能会看到不同的结果集。
  • 并发性能较好：相比 Serializable，Repeatable Read 的并发性能更好，因为它允许更多的并发操作。
2.4 Serializable
场景描述

假设有一个商品库存表 inventory，记录商品的数量。现在有两个并发事务：

  1. 事务 A：查询并更新商品的数量。
  2. 事务 B：查询商品的数量。
数据库初始状态

假设商品的初始数量为 100。

事务操作步骤
  1. 事务 A 开始：
    • 查询商品数量：SELECT quantity FROM inventory WHERE product_id = 1;（结果为 100）
    • 更新商品数量：UPDATE inventory SET quantity = quantity - 10 WHERE product_id = 1;（此时商品数量变为 90，但事务 A 还未提交）
  2. 事务 B 开始：
    • 查询商品数量：SELECT quantity FROM inventory WHERE product_id = 1;（事务 B 会被阻塞，直到事务 A 提交或回滚）
  3. 事务 A 提交：
    • 提交事务 A，更新操作生效，商品数量变为 90。
  4. 事务 B 继续执行：
    • 查询商品数量：SELECT quantity FROM inventory WHERE product_id = 1;（结果为 90，因为事务 A 已提交）
问题分析
  • 避免脏读：事务 B 在事务 A 提交之前无法读取数据，因此不会读取到事务 A 未提交的数据。
  • 避免不可重复读：事务 B 在同一个事务中多次查询商品数量，结果始终为 90，即使事务 A 已提交，事务 B 仍然读取到的是事务开始时的一致数据。
  • 避免幻读：事务 B 在事务 A 提交之前无法读取数据，因此不会看到事务 A 插入或删除的记录。
Serializable 的特点
  • 完全避免并发问题：Serializable 确保所有事务按顺序执行，完全避免了脏读、不可重复读和幻读。
  • 并发性能最低：由于事务必须按顺序执行，不能并行，因此并发性能最低。
  • 适用场景：适用于对数据一致性要求极高的场景，如金融交易系统、账务系统等。
3 事务的传播行为

在 Spring 中，事务传播行为（Transaction Propagation Behavior）定义了在一个事务中调用另一个事务方法时，事务如何被传播和管理。Spring 提供了多种事务传播行为，每种行为都对应不同的事务管理策略。以下是常见的事务传播行为及其解释：

传播行为当前有事务时当前无事务时
PROPAGATION_REQUIRED加入当前事务创建新事务
PROPAGATION_SUPPORTS加入当前事务非事务执行
PROPAGATION_MANDATORY加入当前事务抛出异常
PROPAGATION_REQUIRES_NEW创建新事务，挂起当前事务创建新事务
PROPAGATION_NOT_SUPPORTED挂起当前事务，非事务执行非事务执行
PROPAGATION_NEVER抛出异常非事务执行
PROPAGATION_NESTED创建嵌套事务创建新事务

实例代码：

#在注解上指定事务的传播行为
@Transational(Propagation=Propagation.REQUIRES_NEWS)
#方法签名
public void transaction(){...}
4 代理对象

在同一个类中，编写两个方法，内部调用的时候，会导致事务设置失效。原因是没有用到代理对象。

// TODO ps：貌似新版spring已经优化了，可以内部调用了。

解决方法：通过代理对象调用方法

①引入依赖

<dependency><groupId>org.springframe.boot</groupId><artifactId>spring-boot-starter-aop</artifactId>
</dependency>

②在启动类上加上注解@EnableAspectJAutoProxy(exposeProxy=true)

@EnableAspectJAutoProxy(exposeProxy=true)
@SpringBootApplication
public class Application {...}

③在类中使用代理对象如下：

OrderServiceImpl orderService = (OrderServiceImpl) AopContext.currentProxy();
// 在OrderServiceImpl类内部，通过代理对象调用自身的method1方法和method2方法
orderService.method1();
orderService.method2();

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.rhkb.cn/news/20044.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

长视频生成、尝试性检索、任务推理 | Big Model Weekly 第56期

长视频生成、尝试性检索、任务推理 | Big Model Weekly 第56期

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入&#xff01; 01 COMAL:AConvergent Meta-Algorithm for Aligning LLMs with General Preferences 许多对齐方法&#xff0c;包括基于人类反馈的强化学习&#xff08;RLHF&#xff09;&#xff0c;依赖于布拉德利-特里&#…
阅读更多...
SQL高级语法

SQL高级语法

1. TOP 子句 TOP 子句用于规定要返回的记录的数目。 对于拥有数千条记录的大型表来说&#xff0c;TOP 子句是非常有用的。 SQL Server 的语法&#xff1a; SELECT TOP number|percent column_name(s) FROM table_name MySQL 语法 在 MySQL 中&#xff0c;并没有直接支持 TOP 语…
阅读更多...
均匀面阵抗干扰算法原理及MATLAB仿真

均匀面阵抗干扰算法原理及MATLAB仿真

均匀面阵抗干扰算法原理及MATLAB仿真 仿真方向图&#xff0c;频谱图&#xff0c;计算输出SNR、INR、SINR 文章目录 前言一、抗干扰算法原理二、抗干扰算法仿真三、MATLAB源代码总结 前言 \;\;\;\;\; 在阵列信号处理中&#xff0c;信号的抗干扰处理是重中之重&#xff0c;传输期…
阅读更多...
Elasticsearch：同义词在 RAG 中重要吗？

Elasticsearch：同义词在 RAG 中重要吗？

作者&#xff1a;来自 Elastic Jeffrey Rengifo 及 Toms Mura 探索 RAG 应用程序中 Elasticsearch 同义词的功能。 同义词允许我们使用具有相同含义的不同词语在文档中搜索&#xff0c;以确保用户无论使用什么确切的词语都能找到他们所寻找的内容。你可能会认为&#xff0c;由于…
阅读更多...
算法与数据结构（最小栈）

算法与数据结构（最小栈）

题目 思路 为了返回栈中的最小元素&#xff0c;我们需要额外维护一个辅助栈 min_stack&#xff0c;它的作用是记录当前栈中的最小值。 min_stack的作用&#xff1a; min_stack的栈顶元素始终是当前栈 st 中的最小值。 每当st中压入一个新元素时&#xff0c;如果这个元素小于等…
阅读更多...
midjourney 一 prompt 提示词

midjourney 一 prompt 提示词

midjourney 不需要自然语言的描述&#xff0c;它只需要关键词即可。 一个完整的Midjourney prompt通常包括三个部分 图片提示&#xff08;Image Prompts&#xff09;、文本提示&#xff08;Text Prompt&#xff09;和参数&#xff08;Parameters&#xff09;。 1、图片提示(…
阅读更多...
英码科技基于昇腾算力实现DeepSeek离线部署

英码科技基于昇腾算力实现DeepSeek离线部署

DeepSeek-R1 模型以其创新架构和高效能技术迅速成为行业焦点。如果能够在边缘进行离线部署&#xff0c;不仅能发挥DeepSeek大模型的效果&#xff0c;还能确保数据处理的安全性和可控性。 英码科技作为AI算力产品和AI应用解决方案服务商&#xff0c;积极响应市场需求&#xff0…
阅读更多...
Android13-包安装器PackageInstaller-之apk安装流程

Android13-包安装器PackageInstaller-之apk安装流程

目的 我们最终是为了搞明白安装的整个流程通过安卓系统自带的包安装器来了解PMS 安装流程实现需求定制&#xff1a;静默安装-安装界面定制-安装拦截验证。【核心目的】 安装流程和PMS了解不用多说了; 安装定制相关&#xff1a; 如 手机上安装时候弹出锁屏界面需要输入密码;安…
阅读更多...
新型基于Go语言的恶意软件利用Telegram作为C2通信渠道

新型基于Go语言的恶意软件利用Telegram作为C2通信渠道

研究人员发现了一种新型后门恶意软件&#xff0c;使用Go语言编写&#xff0c;并利用Telegram作为其命令与控制&#xff08;C2&#xff09;通信渠道。尽管该恶意软件似乎仍处于开发阶段&#xff0c;但它已经具备完整的功能&#xff0c;能够执行多种恶意活动。这种创新的C2通信方…
阅读更多...
5分钟了解！ 探索 AnythingLLM，借助开源 AI 打造私有化智能知识库，熟悉向量数据库

5分钟了解！ 探索 AnythingLLM，借助开源 AI 打造私有化智能知识库，熟悉向量数据库

本文是系列文章&#xff0c;在前面提到安装Ollama和AnythingLLM的教程&#xff0c;本文会着重解决本地文档向量化的过程&#xff0c;同时本地应用的管理。 图1. 上传本地文档进行向量化处理 • 构建向量数据库特别慢&#xff1a;支持的文档格式很多&#xff0c;但在我的电脑32…
阅读更多...
电商小程序（源码+文档+部署+讲解）

电商小程序（源码+文档+部署+讲解）

引言 随着移动互联网的快速发展&#xff0c;电商小程序成为连接消费者与商家的重要桥梁。电商小程序通过数字化手段&#xff0c;为消费者提供了一个便捷、高效的购物平台&#xff0c;从而提升购物体验和满意度。 系统概述 电商小程序采用前后端分离的架构设计&#xff0c;服…
阅读更多...
基于SpringBoot的“高考志愿智能推荐系统”的设计与实现（源码+数据库+文档+PPT)

基于SpringBoot的“高考志愿智能推荐系统”的设计与实现（源码+数据库+文档+PPT)

基于SpringBoot的“高考志愿智能推荐系统”的设计与实现&#xff08;源码数据库文档PPT) 开发语言&#xff1a;Java 数据库&#xff1a;MySQL 技术&#xff1a;SpringBoot 工具&#xff1a;IDEA/Ecilpse、Navicat、Maven 系统展示 系统总体结构图 系统首页界面 系统注册页…
阅读更多...
合并多次commit记录

合并多次commit记录

合并多次commit记录 1. 首先先提交多次记录2. 某个版本之前的commit记录合并 1. 首先先提交多次记录 在log中可以看到有多次commit 记录 然后拉取最新代码 (base) ➜ gaolijie git:(master) git pull --rebase origin masterFrom https://gitee.com/Blue_Pepsi_Cola/gaoliji…
阅读更多...
哈希表（C语言版）

哈希表（C语言版）

文章目录 哈希表原理实现(无自动扩容功能)代码运行结果 分析应用 哈希表 如何统计一段文本中&#xff0c;小写字母出现的次数? 显然&#xff0c;我们可以用数组 int table[26] 来存储每个小写字母出现的次数&#xff0c;而且这样处理&#xff0c;效率奇高。假如我们想知道字…
阅读更多...
uniapp商城之首页模块

uniapp商城之首页模块

文章目录 前言一、自定义导航栏1.静态结构2.修改页面配置3.组件安全区适配二、通用轮播组件1. 静态结构组件2.自动导入全局组件3.首页轮播图数据获取三、首页分类1.静态结构2.首页获取分类数据并渲染四、热门推荐1.静态结构2.首页获取推荐数据并渲染3.首页跳转详细推荐页五、猜…
阅读更多...
CNAPPgoat：一款针对云环境的安全实践靶场

CNAPPgoat：一款针对云环境的安全实践靶场

关于CNAPPgoat CNAPPgoat是一款针对云环境的安全实践靶场&#xff0c;该工具旨在帮助广大研究人员在云环境中模块化地提供故意留下安全缺陷的设计组件&#xff0c;专为防御者和渗透测试人员提供练习场地而设计。 CNAPPgoat的主要功能是跨多个云服务提供商部署故意留下安全缺陷…
阅读更多...
【学习资源】时间序列数据分析方法(2)-mWDN和AutoEncoder

【学习资源】时间序列数据分析方法(2)-mWDN和AutoEncoder

接着上次的【学习资源】时间序列数据分析方法&#xff08;1&#xff09;-CSDN博客&#xff0c;本次介绍mWDN和AutoEncoder 解决时序数据分类的方法。介绍模型原理、应用场景和参考代码。也从模型性能、训练效率、模型复杂度、计算复杂度、可解释性、适应性和泛化能力、健壮性、…
阅读更多...
【C++】stack 和 queue 的适配器模式与实现

【C++】stack 和 queue 的适配器模式与实现

> &#x1f343; 本系列为初阶C的内容&#xff0c;如果感兴趣&#xff0c;欢迎订阅&#x1f6a9; > &#x1f38a;个人主页:[小编的个人主页])小编的个人主页 > &#x1f380; &#x1f389;欢迎大家点赞&#x1f44d;收藏⭐文章 > ✌️ &#x1f91e; &#x1…
阅读更多...
Chrome多开终极形态解锁！「窗口管理工具+IP隔离插件

Chrome多开终极形态解锁！「窗口管理工具+IP隔离插件

Web3项目多开&#xff0c;继ads指纹浏览器钱包被盗后&#xff0c;更多人采用原生chrome浏览器&#xff0c;当然对于新手&#xff0c;指纹浏览器每月成本也是一笔不小开支&#xff0c;今天逛Github发现了这样一个解决方案&#xff0c;作者开发了窗口管理工具IP隔离插件&#xff…
阅读更多...
从零开始部署DeepSeek：基于Ollama+Flask的本地化AI对话系统

从零开始部署DeepSeek：基于Ollama+Flask的本地化AI对话系统

从零开始部署DeepSeek&#xff1a;基于OllamaFlask的本地化AI对话系统 一、部署背景与工具选型 在AI大模型遍地开花的2025年&#xff0c;DeepSeek R1凭借其出色的推理能力和开源特性成为开发者首选。本文将以零基础视角&#xff0c;通过以下工具链实现本地化部署&#xff1a; …
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023