開發者都應該瞭解的資料庫隔離級別
X-MAN導讀 ：談到事務隔離級別，開發同學都能說個八九不離十。髒讀、不可重複讀、RC、RR...這些常見術語也大概知道是什麼意思。但是做技術，嚴謹和細緻很重要。如果對事務隔離級別的認識，僅僅停留在大概知道的程度，資料庫核心研發者可能開發出令使用者費解的隔離級別表現，業務研發者可能從資料庫中查出與預期不符的結果。
那麼如何判斷自己是不是對事務隔離級別有了較為深入的理解了呢？開發同學可以問自己這樣兩個問題：（1）事務隔離級別分為幾類？分別能解決什麼問題？是否有明確定義？這樣的定義是否準確？（2）當前主流資料庫（Oracle/MySQL...）的隔離級別表現和實現是怎樣的？是否與“官方”定義一致？
如果能清楚明白的回答這兩個問題，恭喜，你對事務隔離級別認識已經非常深刻了。如果不能，也沒有關係，讀完本文你就有答案了。
事務隔離級別
事務隔離級別，主要保障關係資料庫ACID特性的I（Isolation），既針對存在衝突的併發事務，提供一定程度的安全保證。ANSI(American National Standards Institute) SQL 92標準首先定義了3種併發事務可能導致的不一致異象：
Dirty read: SQL-transaction T1 modifies a row. SQL- transaction T2 then reads that row before T1 performs a COMMIT. If T1 then performs a ROLLBACK, T2 will have read a row that was never committed and that may thus be considered to have never existed.
Non-repeatable read: SQL-transaction T1 reads a row. SQL- transaction T2 then modifies or deletes that row and performs a COMMIT. If T1 then attempts to reread the row, it may receive the modified value or discover that the row has been deleted.
Phantom: SQL-transaction T1 reads the set of rows N that satisfy some <search condition>. SQL-transaction T2 then executes SQL-statements that generate one or more rows that satisfy the <search condition> used by SQL-transaction T1. If SQL-transaction T1 then repeats the initial read with the same <search condition>, it obtains a different collection of rows.
嫌棄以上定義冗長，可以直接看以下形式化描述：
A1 Dirty Read：w1[x] ... r2[x] ... (a1 and c2 in any order)
A2 Fuzzy Read： r1[x] ... w2[x] ... c2 ... r1[x] ... c1
A3 Phantom Read： r1[P] ... w2[y in P] ... c2 ... r1[P] ... c1
其中w1[x]表示事務1寫入記錄x，r1表示事務1讀取記錄x，c1表示事務1提交，a1表示事務1回滾，r1[P]表示事務1按照謂詞P的條件讀取若干條記錄，w1[y in P]表示事務1寫入記錄y滿足謂詞P的條件。
據此，ANSI定義了四種隔離級別，分別解決以上三種異常：
根據上述幾種異常現象定義隔離級別，可謂十分不嚴謹，Jim Gray大名鼎鼎的論文A Critique of ANSI SQL Isolation Levels（後文簡稱Critique）就對此做了批判。
不嚴謹之一：禁止了P1/P2/P3的事務，即滿足了Serializable級別。但是在ANSI標準中又明確描述Serializable級別為“多個併發事務執行的效果與某種序列化執行的效果等價”。顯然這兩者是矛盾的，禁止P1/P2/P3的事務，不一定能滿足“等價於某種序列執行”。所以Critique將ANSI定義的禁止了P1/P2/P3的隔離級別稱為Anomaly Serializable。
不嚴謹之二：異常現象定義不準確，如下例並未被A1囊括，卻仍然出現了Dirty Read（Txn2讀到x+y！=100）。同樣，A2/A3也能舉出這樣的例子，感興趣的同學可以自己嘗試列舉，這裡不再詳述。
究其原因，ANSI對異象的定義太為嚴格，如果除去對事務提交、回滾和資料查詢範圍的要求，僅保留關鍵的併發事務之間讀寫操作的順序，更為寬鬆且準確的異象定義如下：
P1 Dirty Read: w1[x]...r2[x]...(c1 or a1)
P2 Fuzzy Read: r1[x]...w2[x]...(c1 or a1)
P3 Phantom: r1[P]...w2[y in P]...(c1 or a1)
不嚴謹之三：三種異象僅針對S(ingle) V(alue)系統，不足以定義M(ulti)V(ersion)系統的隔離性。很多商業資料庫所實現的SI，未違反P1、P2和P3，但又可能出現Constraint violation，不可序列化。除了P1/P2/P3，還可能出現哪些異常呢？
P4 Lost Update：r1[x]...w2[x]...w1[x]...c1
A5A Read Skew：r1[x]…w2[x]... w2[y]…c2…r1[y] …(c1 or a1)
A5B Write Skew：r1[x]…r2[y]…w1[y]…w2[x]…(c1 and c2 occur)
A5B2 Write Skew2：r1[P]... r2[P]…w1[y in P]…w2[x in P]...(c1 and c2 occur)
針對這四種情況，分別舉一個例子：
r1[x=50] r2[x=50] w2[x=60] c2 w1[x=70] c1
Lost Update:事務1和事務2同時向同一個賬戶x分別充20和10塊，事務1後提交，將70塊寫入資料庫，事務2提交結果60塊被覆蓋。正確的情況下，事務1和2提交成功，賬戶裡應該有80塊。
(x+y=100) r1[x=50] w2[x=10] w2[y=90] c2 r1[y=90] c1
Read Skew: x和y賬戶分別有50塊錢，加起來共100塊。事務1讀x（50塊）後，事務2將x賬戶的40塊轉到y賬戶，事務2提交後，事務1讀y（90塊）。在事務1看來，x+y=140，出現了不一致。
(x+y>=60) r1[x=50] r2[y=50] w1[y=10] c1 w2[x=10] c2
Write Skew：x和y賬戶分別有50塊錢，加起來共100塊。假設存在某種約束，x和y賬戶的錢加起來不得少於60塊。事務1和事務2在自認為不破壞約束的情況下（分別讀了x賬戶和y賬戶），再分別從y賬戶和x賬戶取走40。但事實上，這兩個事務完成後，x+y=20，約束條件被破壞。
(count(P)<=4):r1[count(P)=3],r2[count(P)=3],insert1[x in P],insert2[y in P],c1,c2
Write Skew2：將Write Skew的條件改為範圍。
隔離級別實現
上一節介紹了ANSI定義的3種異象，及根據禁止異象的個數而定義的事務隔離級別。因為不存在嚴格、嚴謹的“官方”定義，各主流資料庫隔離級別的表現也略有不同，一些現象甚至讓使用者感到困惑。我認為相較於糾結隔離級別的準確定義，認識各資料庫隔離級別的表現和實現，在生產環境中正確的使用它們才是更應該關注的事情。本節將以大篇幅具體的例子為切入點，介紹幾種主流資料庫隔離級別的表現，及內部對應的實現。
Lock-based 隔離級別實現
在展示Lock-based隔離級別實現前，先介紹幾個與鎖相關的概念：
Item Lock：對訪問行加鎖，可以防止dirty/fuzzy read。
Predicate Lock（gap lock）：對search的範圍加鎖，全表掃描直接對整張表加鎖，可防止phantom read。
Short duration：語句結束後釋放鎖。
Long duration：事務提交或回滾後釋放鎖。
上述鎖操作組合，便可實現不同級別的事務隔離標準，如下表所示。
其中S lock代表共享鎖，X lock代表排它鎖。
首先所有寫操作加X locks時，都會選擇Long duration，否則short duration鎖被釋放後，在事務提交前該條更改可能被其它事務寫操作覆蓋，造成髒寫（dirty write）。
其次對於讀操作：
Short duration Item S lock禁止了 P1發生，讀操作如果遇到正在修改的行（寫事務加了X Lock），阻塞在S Lock，直到寫事務提交。
Long duration Item S lock 禁止了P2發生，寫操作遇到讀事務（S Lock），阻塞在X Lock上直到讀事務提交或回滾。
Long duration Predicate/Table S Lock 禁止了P3發生，(範圍)寫操作遇到範圍讀操作(加Predicate S Lock)，會被阻塞，直到讀事務提交或回滾。
基於鎖實現的三種隔離級別分別能禁止的異象如下表所示：
然而當今資料庫基於效能等多方面考慮，很少有完全基於鎖實現隔離級別的，MVCC+Lock的方式，可以滿足讀請求不加鎖，是主流的實現方式。
Oracle隔離級別的實現
Oracle僅支援兩種隔離級別：Read Committed與Serializable。儘管官方這樣描述，Oracle的Serializable實際是基於MVCC+Lock based的SI（Snapshot Isolation）隔離級別。
為實現快照讀，內部維護了全域性變數SCN（System Commit/Change Number），在事務提交時遞增。讀請求獲取Snapshot便是獲取當前最新的SCN。Oracle實現MVCC的方式是將block分為兩類：（1）Current blocks為當前最新的頁面，與持久化態資料保持一致。（2）Consistent Read blocks，根據snapshot SCN生成相應的一致性版本頁面。
以下兩個具體的例子展示了：不同隔離級別下，讀寫語句在資料庫內部發生了什麼。
Oracle在read committed隔離級別下，每條語句都會獲取最新的snapshot，讀請求全部是snapshot讀。寫請求在更新行之前，需要加行鎖。由於寫操作不會因為有其它事務更新了同一行，而停止更新（除非不滿足更新的謂詞條件了），因此Lost Update有可能發生。
Oracle在serializable隔離級別下，事務開始便獲取snapshot。讀請求全部是snapshot讀，而寫請求在更新行之前，需要加行鎖。寫操作在加鎖後，首先檢查該行，如果發現：最近修改過這行的事務的SCN大於本事務的SCN，說明它已經被修改且無法被本事務看到，會做報錯處理，避免了Lost Update。這種寫衝突的實現，顯然是first committer wins。
下表展示了Oracle的兩種隔離級別，分別能夠避免哪些異象：
MySQL（InnoDB）隔離級別實現
InnoDB同樣以MVCC+Lock的方式實現隔離級別。其中普通select語句均是snapshot read。而delete/update/select for update等語句是加鎖實現的current read，如下表所示（注：該表為Pecona 5.6版本的程式碼實現）。
InnoDB的RC隔離級別的表現與Oracle相似。而相較於Oracle的SI，InnoDB RR隔離級別依舊不能避免Lost Update（例如下例）。究其原因，InnoDB在RR隔離級別下，不會在事務提交時判斷是否有其它事務修改過該行。這避免了了SI更新衝突帶來的回滾代價，帶來了可能發生Lost Update的風險。
由於update等操作均是加鎖的當前讀，因此Phantom Read的現象也是存在的（如下表所示）。但是如果將Txn1的update語句替換為select語句，Phantom Read現象則可以禁止，因為整個事務select語句使用的是同一個snapshot。
Innodb RR的實現方式雖然並非並未嚴格排除Lost Update和Repeatable Read，但其充分利用MVCC讀不加鎖的併發能力，同時current read避免了SI在更新衝突劇增時過多的回滾代價。
InnoDB還實現了Lock Based Serializable（詳見2.1），禁止了所有異象。
PolarDB X 隔離級別實現
PolarDB X隔離級別實現同樣採用MVCC+Lock的方式，支援RC和SI，表現與Oracle的RC，Serializable一致。具體實現層面，PolarDB X實現了行級MVCC，每條記錄的key都附有一條HLC時間戳（注：PolarDB X分散式事務是基於Hybrid Logic Clock實現的）表示自己的版本。所有的讀操作均是快照讀（包括加鎖讀），讀請求所需要的snapshot也是一個HLC時間戳。寫寫衝突處理依靠兩階段鎖，並遵循First committer wins。
按照慣例，以下面兩個例子分析，說明我們的實現原理：
與Oracle類似，PolarBD X SI隔離級別，可以避免Lost Update：
總結
前文介紹了多種資料庫隔離級別的表現，對比如上表所示。其種MySQL比較特殊，如前文所述，其RR級別可以禁止部分幻讀現象。開發人員在使用資料庫時，需要注意：儘管不同資料庫隔離級別名稱相同，但是表現卻可能存在差異。
