多版本并发控制MVCC

 MVCC（Multi-Version Concurrency Control，多版本并发控制）。是一个在数据库管理系统中用于处理并发控制的核心技术。理解它对于深入掌握数据库（尤其是 InnoDB、PostgreSQL 等）的工作原理至关重要。

1. 什么是 MVCC？

MVCC 的全称是 多版本并发控制。

核心思想：在数据库中，同一份数据可以保留多个历史版本。当事务需要读取数据时，它会根据一定的规则（比如事务的开始时间）看到一个特定的、一致性的“快照”（Snapshot），而不是直接读取最新的、可能还未提交的数据。写操作则会创建一个新版本的数据。

你可以把它想象成一个高效的版本控制系统（如 Git）：

• 读操作：就像 git checkout 到某个特定的 commit 版本，你看到的是那个时间点的完整项目状态，即使之后有新的提交，你的视图也不会变。
• 写操作：就像创建一个新的 commit，它不会覆盖旧的 commit，而是在旧版本的基础上生成一个新版本。

通过这种方式，读操作和写操作可以不再互相阻塞，从而极大地提高了数据库的并发性能。

2. 为什么需要 MVCC？

在传统的数据库并发控制中，主要使用两种机制：

1. 锁机制：

   • 读-写冲突：当一个事务在读取一行数据时，会给它加上共享锁（S锁）。另一个事务如果想修改这行数据，需要加排他锁（X锁），但 S 锁和 X 锁互斥，所以写事务必须等待读事务完成。反之亦然，写事务会阻塞读事务。
   • 问题：并发度低。读和写操作串行化，性能很差。

2. 基于时间戳的排序：

   • 所有操作按时间戳排序执行，如果操作冲突，则回滚其中一个事务。
   • 问题：事务冲突率高，回滚频繁，性能同样不理想。

MVCC 的出现就是为了解决这些问题，它提供了一种“乐观”的并发控制方式：

• 读写不冲突：读数据（快照读）不会阻塞写数据，写数据也不会阻塞读数据。这是 MVCC 最大的优势。
• 非锁定读：大多数情况下，普通的 SELECT 查询不需要加锁，避免了锁的开销和死锁的风险。
• 实现事务隔离：MVCC 是实现数据库事务隔离级别（特别是 READ COMMITTED 和 REPEATABLE READ）的基础。

3. MVCC 是如何工作的？

MVCC 的实现依赖于三个关键组件：隐藏列、Undo Log 和 Read View。我们以最经典的 MySQL InnoDB 存储引擎为例来讲解。

a. 隐藏列

InnoDB 会为每一行数据额外添加三个隐藏的字段：

• DB_TRX_ID (6字节): 最后修改该行的事务ID。记录了最后一次对这行记录进行 INSERT 或 UPDATE 的事务ID。每次事务修改一行，这个字段都会被更新。
• DB_ROLL_PTR (7字节): 回滚指针。它指向该行上一个版本的数据在 Undo Log 中的位置。通过这个指针，可以形成一个“版本链”，把一个数据行的所有历史版本串联起来。
• DB_ROW_ID (6字节): 隐藏的行ID。一个单调递增的ID，当表没有显式主键时，InnoDB会用它来生成一个聚集索引。

版本链示例：
假设一行数据被事务 10、事务 20 依次修改。

1. 初始状态：事务 10 插入一行数据。
   • DB_TRX_ID = 10
   • DB_ROLL_PTR = null (因为是第一个版本)
2. 事务 20 修改：事务 20 更新了这行数据。
   • InnoDB 不会直接覆盖旧数据，而是：
     1. 将旧版本的数据（DB_TRX_ID=10 的版本）复制到 Undo Log 中。
     2. 在原位置创建一个新版本的数据行。
     3. 更新新版本的字段：DB_TRX_ID = 20。
     4. 更新新版本的 DB_ROLL_PTR，让它指向 Undo Log 中旧版本的位置。
   • 现在，通过新版本的 DB_ROLL_PTR，我们可以找到旧版本，形成一条 版本链：最新版本(20) -> 旧版本(10)。

b. Undo Log

Undo Log 主要有两个作用：

1. 事务回滚：当一个事务需要回滚时，可以利用 Undo Log 中记录的旧版本数据，将数据恢复到修改之前的状态。
2. 构建版本链：如上所述，它存储了数据行的历史版本，是 MVCC 实现多版本的关键。当需要读取某个历史版本时，就可以从这里获取。

c. Read View（读视图）

Read View 是事务在执行快照读（普通的 SELECT）时，动态生成的一个“可见性判断”标准。它决定了当前事务能看到版本链上的哪个版本。

Read View 主要包含以下几个重要属性：

• creator_trx_id: 创建该 Read View 的事务的 ID。
• trx_ids: 创建 Read View 时，当前系统中所有活跃的（未提交的）读写事务的 ID 列表。
• up_limit_id: trx_ids 列表中事务 ID 的最小值。如果版本链上某个版本的 DB_TRX_ID 小于 up_limit_id，则表示这个版本在创建 Read View 之前已经提交，所以对当前事务是可见的。
• low_limit_id: 创建 Read View 时，系统应该分配给下一个事务的 ID。如果版本链上某个版本的 DB_TRX_ID 大于或等于 low_limit_id，则表示这个版本是在创建 Read View 之后才开启的事务中修改的，所以对当前事务是不可见的。

4. MVCC 如何解决并发问题？

现在，我们把这三个组件结合起来，看看一个 SELECT 语句是如何利用 MVCC 找到它应该看到的数据版本的。我们以 InnoDB 的 REPEATABLE READ（可重复读）隔离级别为例。

核心判断流程：
当一个事务（假设 ID 为 T1）执行 SELECT 时，它会获取一个 Read View。然后，它会从版本链的最新版本开始，逐个版本地应用以下规则，直到找到一个可见的版本：

1. 检查 DB_TRX_ID 是否是自己创建的？

   • 如果 DB_TRX_ID == creator_trx_id，说明这行数据是本事务自己修改的，可见。

2. 检查 DB_TRX_ID 是否小于 up_limit_id？

   • 如果 DB_TRX_ID < up_limit_id，说明修改这个版本的事务在当前事务开始前就已经提交了，可见。

3. 检查 DB_TRX_ID 是否大于或等于 low_limit_id？

   • 如果 DB_TRX_ID >= low_limit_id，说明修改这个版本的事务是在当前事务开始之后才启动的，不可见。需要根据 DB_ROLL_PTR 去 Undo Log 中查找上一个版本，然后重复整个判断流程。

4. 检查 DB_TRX_ID 是否在 trx_ids 列表中？

   • 如果 up_limit_id <= DB_TRX_ID < low_limit_id，则需要判断 DB_TRX_ID 是否在活跃事务列表 trx_ids 中。
   • 如果在：说明修改这个版本的事务在当前事务创建 Read View 时还未提交，不可见。需要去 Undo Log 中找上一个版本。
   • 如果不在：说明修改这个版本的事务在当前事务创建 Read View 时已经提交了，可见。

最终：如果遍历完整个版本链都找不到可见的版本，说明这行数据对当前事务是不可见的（比如被其他事务删除了）。

REPEATABLE READ vs READ COMMITTED 的关键区别

• REPEATABLE READ (可重复读)：

  • 事务中第一次执行 SELECT 时，会创建一个 Read View，之后该事务内的所有 SELECT 都复用这个 Read View。
  • 效果：确保了在同一个事务中，多次读取同一数据的结果是一致的，因为判断可见性的标准（Read View）从未改变。这就是“可重复读”的由来。

• READ COMMITTED (读已提交)：

  • 事务中每次执行 SELECT 时，都会重新创建一个新的 Read View。
  • 效果：每次读取都能看到其他已提交事务所做的最新修改。因为每次的 Read View 都是最新的，up_limit_id 和 trx_ids 都会更新，所以之前不可见的版本可能就变得可见了。

5. MVCC 的优缺点

优点

1. 高并发性：读写操作不阻塞，极大地提高了数据库的并发读写性能。
2. 非锁定读：避免了读操作加锁带来的开销和死锁风险。
3. 实现一致性读：为不同隔离级别提供了基础，保证了事务的隔离性。

缺点

1. 存储空间开销：需要维护多个版本的数据，Undo Log 会占用额外的存储空间。对于长事务或更新频繁的表，Undo Log 可能会变得非常大。
2. 管理开销：需要额外的逻辑来管理版本链、创建和判断 Read View，增加了数据库的复杂性。
3. 行版本清理：需要后台线程（如 InnoDB 的 Purge 线程）定期清理已经不再需要的旧版本数据（即没有事务再需要访问它们），否则 Undo Log 会无限增长。这个清理过程本身也消耗资源。
4. 并非万能：MVCC 主要解决的是 SELECT 的并发问题。对于 UPDATE、DELETE 之间的冲突，仍然需要使用锁（比如行锁、间隙锁、Next-Key Locks）来保证数据的一致性和防止幻读。

6. MVCC 与隔离级别的关系

7. 总结

MVCC 是一种优雅而强大的并发控制技术，其精髓在于“用空间换时间，用版本换锁”。

• 核心：通过为数据维护多个版本，让读操作访问历史快照，写操作创建新版本。
• 关键组件：隐藏列（DB_TRX_ID, DB_ROLL_PTR）构建版本链，Undo Log 存储历史版本，Read View 定义可见性规则。
• 目的：实现读写不阻塞，提高并发性能，并作为实现数据库事务隔离级别的基础。
• 应用：广泛应用于现代主流数据库，如 MySQL InnoDB、PostgreSQL、Oracle 等。