MySQL8四大事务隔离级别详解,彻底搞懂脏读、不可重复读、幻读

news2026/5/1 12:54:27
MySQL8四大事务隔离级别详解彻底搞懂脏读、不可重复读、幻读做后端开发久了我相信大家都碰到过一类特别头疼的线上疑难问题代码逻辑反复核对没有问题单元测试全部通过测试环境稳得一批。可一旦上线生产就随机出现库存莫名超卖、用户余额对账不平、订单数据错乱的问题。很多人排查日志、调试代码、优化SQL折腾一整天完全找不到问题根源最后只能无奈归结为数据库偶发抽风。其实从业这么多年我可以很明确的说绝大多数随机的数据不一致问题根本不是代码bug而是你没吃透 MySQL 事务隔离级别。事务隔离级别算是 MySQL 最基础、但也最容易被轻视的核心知识点。不管是面试必考还是线上问题排查都绕不开它。但大部分开发者都只是死记硬背概念分不清几种隔离级别的实际差异更不知道不同业务该如何选型遇到数据错乱问题完全无从下手。今天我结合自己线上真实踩坑经历抛开枯燥的教科书话术用通俗的大白话、可直接复制运行的SQL案例手把手带大家彻底读懂四大事务隔离级别搞定脏读、不可重复读、幻读这三个高频难题。内容偏向实战落地建议收藏以后面试、线上排查问题都用得上。一、到底什么是事务隔离熟悉数据库的朋友都知道事务拥有经典的 ACID 四大特性原子性、一致性、隔离性、持久性。在这四个特性里隔离性是专门用来解决数据库并发读写问题的关键。我们的线上系统同一时刻会涌入大量请求无数事务同时读写同一张表、同一条数据。如果事务之间没有任何隔离机制所有读写操作互相干扰数据错乱、数据覆盖的问题会遍地都是。简单来讲事务隔离级别就是用来约束并发事务的读写可见规则控制不同事务之间能不能互相读取对方的数据。这里有个大家一定要记住的取舍逻辑隔离级别越高数据一致性越强线上bug越少但数据库并发性能越差反之隔离级别越低并发吞吐越高但数据出错的风险会大幅提升。插图建议通俗易懂示意图——事务隔离级别「性能与安全性取舍关系图」二、并发事务三大数据异常脏读、不可重复读、幻读想要学懂隔离级别首先得搞明白并发场景下的三类数据异常。说白了MySQL 设计四大隔离级别唯一目的就是针对性解决这三个问题。全文案例统一复用下面这张测试表大家可以直接复制语句建表测试跟着实操更容易理解CREATETABLEgoods_stock(idintPRIMARYKEYAUTO_INCREMENT,goods_namevarchar(50)NOTNULLCOMMENT商品名称,stockintNOTNULLDEFAULT0COMMENT库存数量)ENGINEInnoDBDEFAULTCHARSETutf8mb4;-- 插入测试数据INSERTINTOgoods_stock(goods_name,stock)VALUES(夏季短袖,100);1、脏读读取到了无效的作废数据通俗解释一个事务读取到了其他事务尚未提交的数据如果对方后续回滚事务当前读取到的数据就彻底失效变成了毫无意义的脏数据。业务场景举例事务A查询商品库存为100此时事务B修改库存为80但没有提交。事务A读取到了80的库存并执行业务逻辑。后续事务B因为异常回滚库存恢复为100这就直接导致事务A基于错误数据完成业务出现数据错乱。核心特征读取未提交、随时会作废的数据风险最高。2、不可重复读同一事务两次查询结果不一致通俗解释在同一个事务生命周期内两次查询同一条数据期间被其他事务修改并提交导致前后查询结果不一致。业务场景举例事务A开启事务第一次查询库存是100。紧接着事务B扣减库存至90并成功提交。事务A再次查询同一条数据库存变为90。同一个事务内数据变动很容易造成对账、统计类业务出错。核心特征其他事务更新修改已有数据导致当前事务数据不稳定。3、幻读查询范围数据出现“幻觉”通俗解释同一个事务中做范围统计、批量查询时其他事务新增或删除数据导致当前事务前后查询的数据行数不一致就像出现了幻觉。业务场景举例事务A统计全部商品只有1条数据。事务B新增商品并提交事务A再次统计突然多出一条数据。核心特征其他事务新增/删除数据影响当前事务范围查询结果。插图建议三大读异常场景对比图解直观区分三者差异三、MySQL四大事务隔离级别从低到高实战拆解标准SQL规范定义了四种事务隔离级别InnoDB引擎全部兼容。按照隔离度从低到高排序依次是读未提交Read Uncommitted读已提交Read Committed可重复读Repeatable ReadMySQL默认级别串行化Serializable我结合实操案例逐一讲解大家可以清晰看到每一种级别能解决什么问题又会遗留哪些隐患。1、读未提交Read Uncommitted最低级别生产禁用核心特点所有事务可以直接读取其他事务未提交的数据没有任何读取限制。问题情况脏读、不可重复读、幻读三类问题全部存在我们简单实操验证事务A、事务B两个会话统一执行以下语句切换隔离级别并开启事务-- 设置当前会话隔离级别SETSESSIONTRANSACTIONISOLATIONLEVELREADUNCOMMITTED;-- 开启事务STARTTRANSACTION;1. 事务A查询库存结果为1002. 事务B更新库存为50不执行提交操作3. 事务A再次查询直接读取到未提交的库存50脏读现象出现4. 事务B执行回滚数据库库存恢复100。此时事务A拿到的50就是完全无效的脏数据极易引发业务bug。适用场景生产环境基本不会使用仅用于本地测试学习。并发性能极高但数据安全性极差。2、读已提交Read CommittedRC核心特点事务只能读取其他事务已经提交落地的数据读取不到未提交的临时数据。解决问题彻底杜绝脏读遗留问题依旧存在不可重复读、幻读执行以下语句切换隔离级别SETSESSIONTRANSACTIONISOLATIONLEVELREADCOMMITTED;实操下来可以发现事务B修改数据但不提交时事务A的数据不会变化成功规避脏读。但如果事务B修改数据并提交事务A在同一个事务内两次查询结果不一致也就是典型的不可重复读问题。适用场景后台数据统计、资讯展示、非核心页面查询。这类业务允许短暂的数据不一致优先保证接口并发速度。3、可重复读Repeatable ReadRRMySQL默认核心特点同一个事务内第一次查询会生成数据快照整个事务生命周期内都会读取快照数据。外部事务修改、提交数据都不会影响当前事务的查询结果。解决问题脏读、不可重复读全部解决遗留问题依然存在幻读这也是MySQL默认采用该级别的核心原因完美平衡了性能和数据安全性足以覆盖绝大多数线上业务场景。简单来说事务A开启事务后无论外部事务怎么修改提交数据自身查询结果始终保持不变保证了单事务数据稳定。这里很多人都有个疑问RR 既然叫可重复读为什么还会出现幻读这也是很多面试题的陷阱。下面我给大家一套百分百可复现的实战案例彻底讲透这个问题。实战前提两个事务均使用 MySQL 默认隔离级别 可重复读RR两个会话统一执行以下语句-- 会话A、会话B 统一执行SETSESSIONTRANSACTIONISOLATIONLEVELREPEATABLEREAD;STARTTRANSACTION;完整复现步骤1、事务A开启事务查询全部商品数据当前库内仅1条数据-- 事务A执行SELECT*FROMgoods_stock;查询结果仅1条【夏季短袖库存100】事务A生成数据快照固化当前数据状态。2、事务B开启事务新增商品数据并主动提交-- 事务B执行INSERTINTOgoods_stock(goods_name,stock)VALUES(冬季卫衣,200);COMMIT;3、事务A不结束当前事务再次执行全表查询-- 事务A再次执行SELECT*FROMgoods_stock;此时可以看到事务A依旧只能查询到1条旧数据看不到事务B新增的数据。很多人看到这里都会疑惑不是说 RR 存在幻读吗为什么复现不出来这就是网上大部分文章的误区MySQL 的 RR 隔离级别依靠快照机制规避了快照读普通SELECT的幻读但是完全挡不住当前读的幻读问题。我们继续操作真正复现幻读4、事务A持续不提交执行更新操作当前读-- 事务A执行更新UPDATEgoods_stockSETstock0;5、事务A再次执行查询语句SELECT*FROMgoods_stock;此时诡异的业务问题直接复现事务A查询到了2条数据不仅有原本的夏季短袖还多出了刚刚新增的冬季卫衣且两条数据的库存都被更新为0。这就是标准的幻读同一个事务内原本判定库中只有一条商品、准备批量清空库存结果执行更新后突然多出一条数据导致业务逻辑和预期完全不符这也是库存超卖、批量更新遗漏数据的核心元凶。幻读核心总结快照读普通 SELECT 查询RR 级别可以规避幻读当前读UPDATE/INSERT/DELETE/SELECT ... FOR UPDATERR 级别无法规避幻读这也是为什么订单、库存等高并发核心业务偶尔会出现莫名其妙的数据异常。适用场景绝大多数线上核心业务订单、支付、库存、用户数据读写场景基本都用此级别。4、串行化Serializable最高隔离级别核心特点数据库最高的隔离级别直接强制所有事务串行执行。读写操作互相阻塞同一时间仅允许单个事务操作数据表。解决问题脏读、不可重复读、幻读三类异常全部彻底解决缺点并发性能极差极易出现事务阻塞、请求超时系统吞吐量大幅下降适用场景仅用于数据一致性要求极高、并发量低的场景比如金融资金清算、财务对账、核心结算业务。四、四大隔离级别全方位汇总对比我整理了一份汇总对照表清晰罗列每种隔离级别的优缺点与适配场景方便大家快速对比查阅隔离级别脏读不可重复读幻读并发性能适用场景读未提交存在存在存在最高几乎不用读已提交不存在存在存在较高普通展示、统计业务可重复读默认不存在不存在存在中等绝大多数线上核心业务串行化不存在不存在不存在最低金融对账、资金结算五、线上业务如何选型直接抄作业很多开发者知识点背得很熟但落地到项目就不知道该怎么选。这里我结合多年线上运维经验给大家一套可以直接落地的选型标准绝大多数项目直接沿用 MySQL 默认的可重复读 RR兼顾性能和数据安全综合性价比最高适配订单、用户、库存等核心业务。后台报表、数据统计、内容展示选用读已提交 RC轻微的数据不一致不会影响业务还能有效提升接口并发速度。资金、对账、清算、核心交易极致一致性场景可酌情使用串行化优先保障数据绝对准确。生产环境绝对禁止读未提交数据风险极高完全没有使用价值。六、最后总结在我看来事务隔离级别不需要死记硬背核心逻辑特别简单隔离越低并发越强、数据越容易出问题隔离越高数据越稳、接口性能越差。脏读、不可重复读、幻读从来不是数据库bug而是并发读写场景下的正常现象。我们学习隔离级别本质是根据自身业务的一致性要求权衡性能与数据安全规避对应的业务漏洞解决库存超卖、对账异常、数据错乱等线上疑难问题。吃透这篇文章以后再遇到数据库随机数据异常不用再盲目重启服务、束手无策可以精准定位问题根源。

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.coloradmin.cn/o/2567896.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…