[spring]事務傳播級別隔離級別以及高併發下的應用經驗
事務是邏輯處理原子性的保證手段，通過使用事務控制，可以極大的避免出現邏輯處理失敗導致的髒資料等問題。
事務最重要的兩個特性，是事務的傳播級別和資料隔離級別。傳播級別定義的是事務的控制範圍，事務隔離級別定義的是事務在資料庫讀寫方面的控制範圍。
以下是事務的7種傳播級別：
1） PROPAGATION_REQUIRED ，預設的spring事務傳播級別，使用該級別的特點是，如果上下文中已經存在事務，那麼就加入到事務中執行，如果當前上下文中不存在事務，則新建事務執行。所以這個級別通常能滿足處理大多數的業務場景。
2）PROPAGATION_SUPPORTS ，從字面意思就知道，supports，支援，該傳播級別的特點是，如果上下文存在事務，則支援事務加入事務，如果沒有事務，則使用非事務的方式執行。所以說，並非所有的包在transactionTemplate.execute中的程式碼都會有事務支援。這個通常是用來處理那些並非原子性的非核心業務邏輯操作。應用場景較少。
3）PROPAGATION_MANDATORY
4）PROPAGATION_REQUIRES_NEW ，從字面即可知道，new，每次都要一個新事務，該傳播級別的特點是，每次都會新建一個事務，並且同時將上下文中的事務掛起，執行當前新建事務完成以後，上下文事務恢復再執行。
問題 ：如果其中一個子事務回滾了，父事務是否回滾？答案是不會，因為子事務是新建事務，父事務已經被掛起，兩者不會受到影響。
再問：如果父事務回滾了，子事務是否回滾？答案是不會，同樣的理由。但是可以手動控制一旦子事務回滾，父事務也回滾。
這是一個很有用的傳播級別，舉一個應用場景：現在有一個傳送100個紅包的操作，在傳送之前，要做一些系統的初始化、驗證、資料記錄操作，然後傳送100封紅包，然後再記錄傳送日誌，傳送日誌要求100%的準確，如果日誌不準確，那麼整個父事務邏輯需要回滾。
怎麼處理整個業務需求呢？就是通過這個PROPAGATION_REQUIRES_NEW 級別的事務傳播控制就可以完成。傳送紅包的子事務不會直接影響到父事務的提交和回滾。
5）PROPAGATION_NOT_SUPPORTED
這個級別有什麼好處？可以幫助你將事務極可能的縮小。我們知道一個事務越大，它存在的風險也就越多。所以在處理事務的過程中，要保證儘可能的縮小範圍。比如一段程式碼，是每次邏輯操作都必須呼叫的，比如迴圈1000次的某個非核心業務邏輯操作。這樣的程式碼如果包在事務中，勢必造成事務太大，導致出現一些難以考慮周全的異常情況。所以這個事務這個級別的傳播級別就派上用場了。用當前級別的事務模板抱起來就可以了。
6）PROPAGATION_NEVER ，該事務更嚴格，上面一個事務傳播級別只是不支援而已，有事務就掛起，而PROPAGATION_NEVER傳播級別要求上下文中不能存在事務，一旦有事務，就丟擲runtime異常，強制停止執行！這個級別上輩子跟事務有仇。
7）PROPAGATION_NESTED
那麼什麼是巢狀事務呢？很多人都不理解，我看過一些部落格，都是有些理解偏差。
巢狀是子事務套在父事務中執行，子事務是父事務的一部分，在進入子事務之前，父事務建立一個回滾點，叫save point，然後執行子事務，這個子事務的執行也算是父事務的一部分，然後子事務執行結束，父事務繼續執行。重點就在於那個save point。看幾個問題就明瞭了：
如果子事務回滾，會發生什麼？
父事務會回滾到進入子事務前建立的save point，然後嘗試其他的事務或者其他的業務邏輯，父事務之前的操作不會受到影響，更不會自動回滾。
如果父事務回滾，會發生什麼？
父事務回滾，子事務也會跟著回滾！為什麼呢，因為父事務結束之前，子事務是不會提交的，我們說子事務是父事務的一部分，正是這個道理。那麼：
事務的提交，是什麼情況？
是父事務先提交，然後子事務提交，還是子事務先提交，父事務再提交？答案是第二種情況，還是那句話，子事務是父事務的一部分，由父事務統一提交。
現在你再體會一下這個”巢狀“，是不是有那麼點意思？
以上是事務的7個傳播級別，在日常應用中，通常可以滿足各種業務需求，但是除了傳播級別，在讀取資料庫的過程中，如果兩個事務併發執行，那麼彼此之間的資料是如何影響的呢？
這就需要了解一下事務的另一個特性：資料隔離級別
資料隔離級別分為不同的四種：
1、Serializable ：最嚴格的級別，事務序列執行，資源消耗最大；
2、REPEATABLE READ ：保證了一個事務不會修改已經由另一個事務讀取但未提交（回滾）的資料。避免了“髒讀取”和“不可重複讀取”的情況，但是帶來了更多的效能損失。
3、READ COMMITTED :大多數主流資料庫的預設事務等級，保證了一個事務不會讀到另一個並行事務已修改但未提交的資料，避免了“髒讀取”。該級別適用於大多數系統。
4、Read Uncommitted ：保證了讀取過程中不會讀取到非法資料。
上面的解釋其實每個定義都有一些拗口，其中涉及到幾個術語：髒讀、不可重複讀、幻讀。
這裡解釋一下：
髒讀 :所謂的髒讀，其實就是讀到了別的事務回滾前的髒資料。比如事務B執行過程中修改了資料X，在未提交前，事務A讀取了X，而事務B卻回滾了，這樣事務A就形成了髒讀。
不可重複讀 ：不可重複讀字面含義已經很明瞭了，比如事務A首先讀取了一條資料，然後執行邏輯的時候，事務B將這條資料改變了，然後事務A再次讀取的時候，發現數據不匹配了，就是所謂的不可重複讀了。
幻讀 ：小的時候數手指，第一次數十10個，第二次數是11個，怎麼回事？產生幻覺了？
幻讀也是這樣子，事務A首先根據條件索引得到10條資料，然後事務B改變了資料庫一條資料，導致也符合事務A當時的搜尋條件，這樣事務A再次搜尋發現有11條資料了，就產生了幻讀。
一個對照關係表：
Dirty reads non-repeatable reads phantom reads
Serializable 不會 不會 不會
REPEATABLE READ 不會 不會 會
READ COMMITTED 不會 會 會
Read Uncommitted 會 會 會
所以最安全的，是Serializable，但是伴隨而來也是高昂的效能開銷。
另外，事務常用的兩個屬性：readonly和timeout
一個是設定事務為只讀以提升效能。
另一個是設定事務的超時時間，一般用於防止大事務的發生。還是那句話，事務要儘可能的小！
最後引入一個問題：
一個邏輯操作需要檢查的條件有20條，能否為了減小事務而將檢查性的內容放到事務之外呢？
很多系統都是在DAO的內部開始啟動事務，然後進行操作，最後提交或者回滾。這其中涉及到程式碼設計的問題。小一些的系統可以採用這種方式來做，但是在一些比較大的系統，
邏輯較為複雜的系統中，勢必會將過多的業務邏輯嵌入到DAO中，導致DAO的複用性下降。所以這不是一個好的實踐。
---------------分割PS：csdn的竟然崩潰了，而且無法恢復內容所以這是我第二次重寫這篇文章。。。。
來回答這個問題：能否為了縮小事務，而將一些業務邏輯檢查放到事務外面？答案是：對於核心的業務檢查邏輯，不能放到事務之外，而且必須要作為分散式下的併發控制！
一旦在事務之外做檢查，那麼勢必會造成事務A已經檢查過的資料被事務B所修改，導致事務A徒勞無功而且出現併發問題，直接導致業務控制失敗。
所以，在分散式的高併發環境下，對於核心業務邏輯的檢查，要採用加鎖機制。
比如事務開啟需要讀取一條資料進行驗證，然後邏輯操作中需要對這條資料進行修改，最後提交。
這樣的一個過程，如果讀取並驗證的程式碼放到事務之外，那麼讀取的資料極有可能已經被其他的事務修改，當前事務一旦提交，又會重新覆蓋掉其他事務的資料，導致資料異常。
所以在進入當前事務的時候，必須要將這條資料鎖住，使用for update就是一個很好的在分散式環境下的控制手段。
一種好的實踐方式是使用程式設計式事務而非生命式，尤其是在較為規模的專案中。對於事務的配置，在程式碼量非常大的情況下，將是一種折磨，而且人肉的方式，絕對不能避免這種問題。
將DAO保持針對一張表的最基本操作，然後業務邏輯的處理放入manager和service中進行，同時使用程式設計式事務更精確的控制事務範圍。
特別注意的，對於事務內部一些可能丟擲異常的情況，捕獲要謹慎，不能隨便的catch Exception 導致事務的異常被吃掉而不能正常回滾。
在高併發的分散式系統中，本地事務的處理要極為小心，比如ws超時等問題是否要回滾當前事務或者觸發重試機制，都要考慮特定的業務場景來決定。尤其是具有一定風險的系統。如支付寶。