本文在学习了数据库库理论后的一个总结，以加深理解、形成知识架构和方便日后复习
本文大部分（包括文章框架、内容和图片）转载自数据库系统原理，针对自己的基础对部分模块进行了补充和修改
本文主要包括并发一致性问题与隔离级别，锁粒度与MVCC，三大范式。

一、事务(Transaction)shou'zhuo

概念

一组业务逻辑（如：ABCDEF）要么全部执行成功，要么全部执行不成功的操作就叫做事务。

事务

事务指的是满足 ACID 特性的一系列操作
在数据库中，可以通过 Commit 提交一个事务，也可以使用 Rollback 进行回滚

四大特性 ACID

1. 原子性（Atomicity）

事务被视为不可分割的最小单元，要么全部提交成功，要么全部失败回滚。

2. 一致性（Consistency）

事务执行前后都保持一致性状态。在一致性状态下，所有事务对一个数据的读取结果都是相同的。

3. 隔离性（Isolation）

多个事务并发执行时

一个事务的执行不应影响其他事务的执行
一个事务所做的修改在最终提交以前，对其它事务是不可见的

4. 持久性（Durability）

一旦事务提交，则其所做的修改将会永远保存到数据库中。即使系统发生崩溃，事务执行的结果也不能丢失
可以通过数据库备份和恢复来保证持久性。

二、并发一致性问题

在并发环境下，一个事务如果受到另一个事务的影响，那么事务操作就无法满足一致性条件。

问题

1. 丢失修改

T₁ 和 T₂ 两个事务都对一个数据进行修改，T₁ 先修改，T₂ 随后修改，T₂ 的修改覆盖了 T₁ 的修改。

2. 读脏数据(Dirty Reads)

脏读就是指当一个事务正在访问数据，并且对数据进行了修改，而这种修改还没有提交到数据库中，这时，另外一个事务也访问这个数据，然后使用了这个数据。
例子
T₁ 修改一个数据，T₂ 随后读取这个数据。如果 T₁ 撤销了这次修改，那么 T₂ 读取的数据是脏数据。

脏读

3. 不可重复读(NonRepeatable Reads)

是指在一个事务内，多次读同一数据。在这个事务还没有结束时，另外一个事务也访问该同一数据。那么，在第一个事务中的两次读数据之间，由于第二个事务的修改，那么第一个事务两次读到的的数据可能是不一样的。这样在一个事务内两次读到的数据是不一样的，因此称为是不可重复读。
解决办法：如果只有在修改事务完全提交之后才可以读取数据，则可以避免该问题
例子
T₂ 读取一个数据，T₁ 对该数据做了修改。如果 T₂ 再次读取这个数据，此时读取的结果和和第一次读取的结果不同。

不可重复读

4. 幻读(Phantom Reads)

当对某行执行插入或删除操作，而该行属于某个事务正在读取的行的范围时，会发生幻像读问题
解决办法：如果在操作事务完成数据处理之前，任何其他事务都不可以添加新数据，则可避免该问题
例子
T₁ 读取某个范围的数据，T₂ 在这个范围内插入新的数据，T₁ 再次读取这个范围的数据，此时读取的结果和和第一次读取的结果不同。

幻读

区别

不可重复读的重点是修改
同样的条件, 你读取过的数据,再次读取出来发现值不一样了
幻读的重点在于新增或者删除
同样的条件, 第 1 次和第 2 次读出来的记录数不一样

解决方法

产生并发不一致性问题主要原因是破坏了事务的隔离性，解决方法是通过并发控制来保证隔离性。

在没有并发的情况下，事务以串行的方式执行，互不干扰，因此可以保证隔离性。在并发的情况下，如果能通过并发控制，让事务的执行结果和某一个串行执行的结果相同，就认为事务的执行结果满足隔离性要求，也就是说是正确的。把这种事务执行方式称为 可串行化调度。

并发控制可以通过封锁来实现，但是封锁操作都要用户自己控制，相当复杂。数据库管理系统提供了事务的隔离级别，让用户以一种更轻松的方式处理并发一致性问题。

三、封锁

封锁粒度

结构

应该尽量只锁定需要修改的那部分数据，而不是所有的资源。锁定的数据量越少，发生锁争用的可能就越小，系统的并发程度就越高。

但是加锁需要消耗资源，锁的各种操作，包括获取锁，检查锁是否已经解除、释放锁，都会增加系统开销。因此封锁粒度越小，系统开销就越大。需要在锁开销以及数据安全性之间做一个权衡。

MySQL 中提供了两种封锁粒度：行级锁以及表级锁。

封锁类型

1. 排它锁与共享锁

排它锁（Exclusive），简写为 X 锁，又称写锁。
共享锁（Shared），简写为 S 锁，又称读锁。

有以下两个规定：

一个事务对数据对象 A 加了 X 锁：

可以对 A 进行读取和更新
加锁期间其它事务不能对 A 加任何锁

一个事务对数据对象 A 加了 S 锁

可以对 A 进行读取操作，但是不能进行更新操作
加锁期间其它事务能对 A 加 S 锁，但是不能加 X 锁

锁的兼容关系如下：

-	X	S
X	NO	No
S	No	Yes

2. 意向锁

意向锁（Intention Locks）可以支持多粒度封锁。它本身是一个表锁，通过在原来的 X/S 锁之上引入了 IX/IS，用来表示一个事务想要在某个数据行上加 X 锁或 S 锁。

有以下两个规定：

一个事务在获得某个数据行对象的 S 锁之前，必须先获得 IS 锁或者更强的锁；
一个事务在获得某个数据行对象的 X 锁之前，必须先获得 IX 锁。

各种锁的兼容关系如下：

-	X	IX	S	IS
X	No	No	No	No
IX	No	YES	No	Yes
S	No	No	Yes	Yes
IS	No	Yes	Yes	Yes

封锁协议

1. 三级封锁协议

一级封锁协议

定义
事务 T 要修改数据 A 时必须加 X 锁，直到事务结束才释放锁
解决丢失修改问题
因为不能同时有两个事务对同一个数据进行修改，那么一个事务的修改就不会被覆盖

T₁	T₁
lock-x(A)
read A=20
	lock-x(A)
	wait
write A=19
commit
unlock-x(A)
	obtain
	read A=19
	write A=21
	commit
	unlock-x(A)

二级封锁协议

定义
在一级的基础上，要求读取数据 A 时必须加 S 锁，读取完马上释放 S 锁。
解决读脏数据问题
因为如果一个事务在对数据 A 进行修改，根据 1 级封锁协议，会加 X 锁，那么就不能再加 S 锁了，也就是不会读入数据。

T₁	T₁
lock-x(A)
read A=20
write A=19
	lock-s(A)
	wait
rollback
A=20
unlock-x(A)
	obtain
	read A=20
	commit
	unlock-s(A)

三级封锁协议

定义
在二级的基础上，要求读取数据 A 时必须加 S 锁，直到事务结束了才能释放 S 锁。
解决不可重复读的问题
因为读 A 时，其它事务不能对 A 加 X 锁，从而避免了在读的期间数据发生改变。

T₁	T₁
lock-s(A)
read A=20
	lock-x(A)
	wait
read A=20
commit
unlock-s(A)
	obtain
	read A=20
	write A=19
	commit
	unlock-X(A)

2. 两段锁协议

加锁和解锁分为两个阶段进行

事务 T 对数据 A 进行读或者写操作之前，必须先获得对 A 的封锁
并且在释放一个封锁之后，T 不能再获得任何的其它锁。

事务遵循两段锁协议是保证并发操作可串行化调度的充分条件。例如以下操作满足两段锁协议，它是可串行化调度。

lock-x(A)...lock-s(B)...lock-s(c)...unlock(A)...unlock(C)...unlock(B)

但不是必要条件，例如以下操作不满足两段锁协议，但是它还是可串行化调度。

lock-x(A)...unlock(A)...lock-s(B)...unlock(B)...lock-s(c)...unlock(C)...

四、隔离级别

1. 未提交读（READ UNCOMMITTED）RU

事务中的修改，即使没有提交，对其它事务也是可见的

2. 提交读（READ COMMITTED）RC

一个事务只能读取已经提交的事务所做的修改。换句话说，一个事务所做的修改在提交之前对其它事务是不可见的

3. 可重复读（REPEATABLE READ）RR

保证在同一个事务中多次读取同样数据的结果是一样的

4. 可串行化（SERIALIXABLE）

强制事务串行执行

四个隔离级别的对比

隔离级别	脏读	不可重复读	幻影读
未提交读	YES	YES	YES
提交读	NO	YES	YES
可重复读	NO	NO	YES
可串行化	NO	NO	NO

五、多版本并发控制

（Multi-Version Concurrency Control, MVCC）是 MySQL 的 InnoDB 存储引擎实现隔离级别的一种具体方式。

用于实现提交读和可重复读这两种隔离级别
未提交读隔离级别总是读取最新的数据行，无需使用 MVCC
可串行化隔离级别需要对所有读取的行都加锁，单纯使用 MVCC 无法实现

版本号

定义

系统版本号：是一个递增的数字，每开始一个新的事务，系统版本号就会自动递增
事务版本号：事务开始时的系统版本号

实现

InooDB 的 MVCC 在每行记录后面都保存着两个隐藏的列，用来存储两个版本号：

创建版本号：指示创建一个数据行的快照时的系统版本号
删除版本号：如果该快照的删除版本号大于当前事务版本号表示该快照有效，否则表示该快照已经被删除了

Undo 日志

InnoDB 的 MVCC 使用到的快照存储在 Undo 日志中，该日志通过回滚指针把一个数据行（Record）的所有快照连接起来。

快照

实现过程

以下过程针对可重复读隔离级别。

1. SELECT

该操作必须保证多个事务读取到同一个数据行的快照，这个快照是最近的一个有效快照。但是也有例外，如果有一个事务正在修改该数据行，那么它可以读取事务本身所做的修改，而不用和其它事务的读取结果一致。

当开始新一个事务时，该事务的版本号肯定会大于所有数据行快照的创建版本号，理解这一点很关键。

把每对一个数据行做修改的事务称为 T₁：

T₁ 所要读取的数据行快照的创建版本号必须小于当前事务的版本号
因为如果大于或者等于当前事务的版本号，那么表示该数据行快照是其它事务的最新修改，因此不能去读取它。
T₁ 所要读取的数据行快照的删除版本号必须大于当前事务版本号
因为如果小于等于当前事务版本号，那么表示该数据行快照是已经被删除的，不应该去读取它。

2. INSERT

将系统版本号作为数据行快照的创建版本号。

3. DELETE

将系统版本号作为数据行快照的删除版本号。

4. UPDATE

将系统版本号作为更新后的数据行快照的创建版本号，同时将系统版本号作为作为更新前的数据行快照的删除版本号。可以理解为新执行 DELETE 后执行 INSERT。

快照读与当前读

快照读读指的是读取快照中的数据，而当前读指的是读取最新的数据。

当前读：

select  *  from table ....;

快照读：

select  *  from table where  ?  lock  in share mode;
select  *  from table where  ?  for update;
insert;
update ;
delete;`

引入当前读的目的主要是为了免去加锁操作带来的性能开销，但是快照读需要加锁。

六、Next-Key Locks

Next-Key Locks 也是 MySQL 的 InnoDB 存储引擎的一种实现。
MVCC 不能解决幻读的问题，Next-Key Locks 就是为了解决这个问题而存在的。在可重复读隔离级别下，MVCC + Next-Key Locks，就可以防止幻读的出现。

Record Locks

锁定的对象时索引，而不是数据。如果表没有设置索引，InnoDB 会自动在主键上创建隐藏的聚集索引，因此 Record Lock 依然可以使用。

Grap Locks

锁定一个范围内的索引，例如当一个事务执行以下语句，其它事务就不能在 t.c1 中插入 15。

SELECT c1 FROM t WHERE c1 BETWEEN 10  and  20 FOR UPDATE;

Next-Key Locks

它是 Record Locks 和 Gap Locks 的结合。在 user 中有以下记录：

| id | last_name | first_name | age |
|------|-------------|--------------|-------|
|  4  | stark | tony |  21  |
|  1  | tom | hiddleston |  30  |
|  3  | morgan | freeman |  40  |
|  5  | jeff | dean |  50  |
|  2  | donald | trump |  80  |
+------|-------------|--------------|-------+

那么就需要锁定以下范围：

(-∞,  21]
(21,  30]
(30,  40]
(40,  50]
(50,  80]
(80,  ∞)

七、关系数据库设计理论

一些概念

实体与属性

实体
现实世界中客观存在并可以被区别的事物。比如“一个学生”、“一本书”、“一门课”等等。值得强调的是这里所说的“事物”不仅仅是看得见摸得着的“东西”，它也可以是虚拟的，比如说“老师与学校的关系”。
属性
实体所具有的某一特性。属性一开始是个逻辑概念，比如说，“性别”是“人”的一个属性。在关系数据库中，属性又是个物理概念，属性可以看作是“表的一列”。

元组与分量

元组
表中的一行就是一个元组
分量
元组的某个属性值。在一个关系数据库中，它是一个操作原子，即关系数据库在做任何操作的时候，属性是“不可分的”。否则就不是关系数据库了

码

码
- 表中可以唯一确定一个元组的某个属性（或者属性组）
- 如果这样的码有不止一个，那么大家都叫候选码
- 我们从候选码中挑一个出来做老大，它就叫主码

全码
如果一个码包含了所有的属性，这个码就是全码
主属性
一个属性只要在任何一个候选码中出现过，这个属性就是主属性
非主属性
与上面相反，没有在任何候选码中出现过，这个属性就是非主属性
外码
一个属性（或属性组），它不是码，但是它别的表的码，它就是外码
候选码
若关系中的某一属性或属性组的值能唯一的标识一个元组，而其任何真子集都不能再标识，则称该属性组为（超级码）候选码

函数依赖

记 A->B 表示 A 函数决定 B，也可以说 B 函数依赖于 A。

如果 {A1，A2，… ，An} 是关系的一个或多个属性的集合，该集合决定了关系的其它所有属性并且是最小的，那么该集合就称为键码。

对于 W->A，如果能找到 W 的真子集 W’，使得 W’-> A，那么 W->A 就是部分函数依赖，否则就是完全函数依赖；

异常

以下的学生课程关系的函数依赖为 Sno, Cname -> Sname, Sdept, Mname, Grade，键码为 {Sno, Cname}。也就是说，确定学生和课程之后，就能确定其它信息。

Sno	Sname	Sdept	Mname	Cname	Grade
1	学生-1	学院-1	院长-1	课程-1	90
2	学生-2	学院-2	院长-2	课程-2	80
2	学生-2	学院-2	院长-2	课程-1	100

不符合范式的关系，会产生很多异常，主要有以下四种异常：

冗余数据，例如学生-2 出现了两次。
修改异常，修改了一个记录中的信息，但是另一个记录中相同的信息却没有被修改。
删除异常，删除一个信息，那么也会丢失其它信息。例如如果删除了课程-1，需要删除第一行和第三行，那么学生-1 的信息就会丢失。
插入异常，例如想要插入一个学生的信息，如果这个学生还没选课，那么就无法插入。

范式(NormalForm)

定义
范式理论是为了解决以上提到四种异常。高级别范式的依赖于低级别的范式。

范式

1. 第一范式 (1NF)--每列原子性

属性不可分
数据表中的每一列（每个字段）必须是不可拆分的最小单元，也就是确保每一列的原子性；

2. 第二范式 (2NF)--每个表只描述一件事

每个非主属性完全函数依赖于键码
- 满足1NF
- 要求表中的所有列，都必须依赖于主键，而不能有任何一列与主键没有关系，也就是说一个表只描述一件事情

可以通过分解来满足：

分解前

Sno	Sname	Sdept	Mname	Cname	Grade
1	学生-1	学院-1	院长-1	课程-1	90
2	学生-2	学院-2	院长-2	课程-2	80
2	学生-2	学院-2	院长-2	课程-1	100

以上学生课程关系中，{Sno, Cname} 为键码，有如下函数依赖：

Sno, Cname -> Sname, Sdept, Mname
Son -> Sname, Sdept
Sdept -> Mname
Sno -> Manme
Sno, Cname-> Grade

Grade 完全函数依赖于键码，它没有任何冗余数据，每个学生的每门课都有特定的成绩。

Sname, Sdept 和 Manme 都函数依赖于 Sno，而部分依赖于键码。当一个学生选修了多门课时，这些数据就会出现多次，造成大量冗余数据。

分解后

关系-1

Sno	Sname	Sdept	Mname
1	学生-1	学院-1	院长-1
2	学生-2	学院-2	院长-2

有以下函数依赖：

Sno -> Sname, Sdept, Mname
-Sdept -> Mname

关系-2

Sno	Cname	Grade
1	课程-1	90
2	课程-2	80
2	课程-1	100

有以下函数依赖：

Sno, Cname -> Grade

3. 第三范式 (3NF)--每列都和主键直接相关

非主属性不传递依赖于键码
- 满足第二范式（2NF）
- 表中的每一列只与主键直接相关而不是间接相关，（表中的每一列只能依赖于主键）

上面的关系-1 中存在以下传递依赖：Sno -> Sdept -> Mname，可以进行以下分解：

关系-11

Sno	Sname	Sdept
1	学生-1	学院-1
2	学生-2	学院-2

关系-12

Sdept	Mname
学院-1	院长-1
学院-2	院长-2

4. BC 范式（BCNF）

所有属性不传递依赖于键码。

关系 STC(Sname, Tname, Cname, Grade) 的四个属性分别为学生姓名、教师姓名、课程名和成绩，它的键码为 (Sname, Cname, Tname)，有以下函数依赖：

Sname, Cname -> Tname
Sname, Cname -> Grade
Sname, Tname -> Cname
Sname, Tname -> Grade
Tname -> Cname

存在着以下函数传递依赖：

Sname -> Tname -> Cname

可以分解成 SC(Sname, Cname, Grade) 和 ST(Sname, Tname)，对于 ST，属性之间是多对多关系，无函数依赖。

区别

第一范式和第二范式在于有没有分出两张表，第二范式是说一张表中包含了所种不同的实体属性，那么要必须分成多张表，第三范式是要求已经分成了多张表，那么一张表中只能有另一张表中的id（主键），而不能有其他的任何信息（其他的信息一律用主键在另一表查询）。

八、数据库系统概述

基本术语

1. 数据模型

由数据结构、数据操作和完整性三个要素组成。

2. 数据库系统

数据库系统包含所有与数据库相关的内容，包括数据库、数据库管理系统、应用程序以及数据库管理员和用户，还包括相关的硬件和软件。

数据库的三层模式和两层映像

外模式：局部逻辑结构
模式：全局逻辑结构
内模式：物理结构

结构

1. 外模式

又称用户模式，是用户和数据库系统的接口，特定的用户只能访问数据库系统提供给他的外模式中的数据。例如不同的用户创建了不同数据库，那么一个用户只能访问他有权限访问的数据库。

一个数据库可以有多个外模式，一个用户只能有一个外模式，但是一个外模式可以给多个用户使用。

2. 模式

可以分为概念模式和逻辑模式，概念模式可以用概念-关系来描述；逻辑模式使用特定的数据模式（比如关系模型）来描述数据的逻辑结构，这种逻辑结构包括数据的组成、数据项的名称、类型、取值范围。不仅如此，逻辑模式还要描述数据之间的关系、数据的完整性与安全性要求。

3. 内模式

又称为存储模式，描述记录的存储方式，例如索引的组织方式、数据是否压缩以及是否加密等等。

4. 外模式/模式映像

把外模式的局部逻辑结构和模式的全局逻辑结构联系起来。该映像可以保证数据和应用程序的逻辑独立性。

5. 模式/内模式映像

把模式的全局逻辑结构和内模式的物理结构联系起来，该映像可以保证数据和应用程序的物理独立性。

参考文章

数据库系统原理
Innodb中的事务隔离级别和锁的关系
施瓦茨. 高性能 MYSQL(第3版)[M]. 电子工业出版社, 2013.

数据库理论（一）