(脏读，不可重复读，幻读 ，mysql5.7以后默认隔离级别)、( 什么是qps，tps，并发量，pv，uv)、(什么是接口幂等性问题，如何解决？)

1 脏读，不可重复读，幻读 ，mysql5.7以后默认隔离级别是什么？
2 什么是qps，tps，并发量，pv，uv
3 什么是接口幂等性问题，如何解决？

1 脏读，不可重复读，幻读 ，mysql5.7以后默认隔离级别是什么？

脏读（Dirty Read），不可重复读（Non-Repeatable Read），和幻读（Phantom Read）是
数据库中事务隔离级别引发的问题，它们描述了不同类型的并发读取问题。

### 1. 脏读（Dirty Read）：

**定义：** 脏读是指一个事务读取了另一个事务未提交的数据。如果事务 A 修改了一行数据，
	而事务 B 读取了这个未提交的修改，如果事务 A 回滚，那么事务 B 读取到的数据就是无效的。

**例子：** 
1. 事务 A 开始，更新了某行数据但还未提交。
2. 事务 B 读取了这行数据。
3. 事务 A 回滚。
4. 事务 B 读取到的数据是无效的，因为事务 A 的更新被撤销了。

### 2. 不可重复读（Non-Repeatable Read）：

**定义：** 不可重复读是指在一个事务内，同一查询在不同时间点返回了不同的结果。
	这是因为在两次查询之间，另一个事务修改了相同的数据。

**例子：**
1. 事务 A 开始，读取某行数据。
2. 事务 B 开始，更新或删除了这行数据并提交。
3. 事务 A 再次读取相同的数据，但结果已经不同了。

### 3. 幻读（Phantom Read）：

**定义：** 幻读是指在一个事务内，同一查询在不同时间点返回了不同数量的行。
	这是因为在两次查询之间，另一个事务插入或删除了数据，导致查询结果不一致。

**例子：**
1. 事务 A 开始，根据某个条件查询了一批数据。
2. 事务 B 开始，插入了符合条件的新数据，并提交。
3. 事务 A 再次查询相同条件下的数据，结果行数不同了。

### 事务隔离级别：
- **读未提交（Read Uncommitted）：** 允许脏读、不可重复读和幻读。
- **读已提交（Read Committed）：** 防止脏读，但允许不可重复读和幻读。
- **可重复读（Repeatable Read）：** 防止脏读和不可重复读，但允许幻读。
- **串行化（Serializable）：** 防止脏读、不可重复读和幻读，是最高隔离级别。

选择合适的隔离级别取决于应用的需求和性能要求。更高的隔离级别通常伴随着更多的锁和性能开销。
在 MySQL 中，有四种事务隔离级别，分别是：

- **读未提交（Read Uncommitted）：** 允许事务读取尚未提交的更改。这可能导致脏读、不可重复读和幻读。

- **读已提交（Read Committed）：** 允许事务读取已经提交的更改。
	避免了脏读，但仍可能有不可重复读和幻读。

- **可重复读（Repeatable Read）：** 对相同字段的多次读取是一致的，除非事务本身进行写操作。
	避免了脏读和不可重复读，但仍可能有幻读。

- **串行化（Serializable）：** 最高的隔离级别，通过对读和写加锁来防止所有并发问题，包括脏读、不可重复读和幻读。

MySQL 5.7 默认的隔离级别是 **可重复读**。

事务什么？作用是什么？

**事务**是数据库管理系统（DBMS）执行的一个操作序列，被视为一个逻辑工作单元，
要么完全执行，要么完全不执行，而且是一个不可分割的工作单位。事务具有四个特性，通常称为ACID属性：

1. **原子性（Atomicity）：** 事务是一个不可分割的工作单元，要么全部执行，要么全部不执行。
	如果事务中的任何操作失败，整个事务都会被回滚到初始状态。
2. **一致性（Consistency）：** 事务在执行前后数据库必须保持一致性状态。这意味着事务执行后，
	数据库从一个一致性状态转变为另一个一致性状态。
3. **隔离性（Isolation）：** 各个事务的执行互相独立，一个事务的执行不能被其他事务干扰。
	事务的隔离性能防止并发执行的事务之间出现数据混乱。
4. **持久性（Durability）：** 一旦事务被提交，对数据库中的数据的改变是永久性的。
	即使在系统崩溃之后，数据库状态也能够恢复到事务提交的状态。
	
### 作用：

1. **确保数据一致性：** 事务能够保证在其运行过程中数据库始终处于一致的状态。如果事务执行失败，
	数据库将回滚到事务开始前的状态，不会留下部分执行的结果。
2. **并发控制：** 事务隔离性确保了并发执行的事务之间不会相互干扰，防止了数据的混乱。
	数据库系统需要保证并发事务的执行效率，同时又要保证数据的一致性。
3. **持久性：** 事务的持久性确保了数据一旦被提交就会永久保存在数据库中，
	即使系统崩溃也能够通过日志等手段进行恢复。
4. **错误恢复：** 当系统发生错误或者事务执行失败时，事务可以被回滚，使数据库恢复到一个一致的状态。

事务是数据库系统中保障数据完整性和一致性的一个重要机制，特别在多用户、高并发的数据库环境中，
事务的概念和ACID属性变得尤为重要。

2 什么是qps，tps，并发量，pv，uv

**QPS（Queries Per Second）：** 表示每秒查询次数，通常用于衡量系统的查询处理能力。
**TPS（Transactions Per Second）：** 表示每秒事务处理的数量，通常用于衡量系统的事务处理能力。
**并发量（Concurrency）：** 表示系统同时处理的请求数量。高并发指系统能够同时处理大量请求。
	QPS = 并发量 / 平均响应时间
    并发量 = QPS * 平均响应时间
    例如当前系统QPS为1w，每个请求的响应时间都是2s，那么并发量就是2w 
**PV（Page Views）：** 表示页面浏览量，即网站在一段时间内被访问的总次数。
**UV（Unique Visitors）：** 表示独立访客数量，即在一段时间内访问网站的不同访客数量。

**DAU(日活)**
	DAU(Daily Active User)，日活跃用户数量。常用于反映网站、app、网游的运营情况。
	DAU通常统计一日（统计日）之内，登录或使用了某个产品的用户数（去除重复登录的用户），与UV概念相似

**MAU(月活)**
	MAU(Month Active User)：月活跃用户数量，指网站、app等去重后的月活跃用户数量

2.1 模拟 QPS 和并发量

import time
import threading
from queue import Queue

# 模拟查询的函数
def query():
    # 模拟查询需要的时间
    time.sleep(0.1)

# 模拟 QPS 和并发量
def simulate_qps_and_concurrency(qps, concurrency):
    # 使用队列模拟并发请求
    request_queue = Queue()

    # 启动并发线程
    def worker():
        while True:
            request = request_queue.get()
            query()  # 执行查询
            request_queue.task_done()

    for _ in range(concurrency):
        t = threading.Thread(target=worker)
        t.daemon = True
        t.start()

    # 模拟 QPS
    start_time = time.time()
    for _ in range(qps):
        request_queue.put("query")

    # 等待所有查询完成
    request_queue.join()

    # 计算消耗的时间
    elapsed_time = time.time() - start_time
    print(f"QPS: {qps}, Concurrency: {concurrency}, Elapsed Time: {elapsed_time:.2f} seconds")

# 测试
simulate_qps_and_concurrency(qps=10, concurrency=5)

3 什么是接口幂等性问题，如何解决？

- **问题描述：** 
	接口幂等性是指同一请求的重复执行不会产生不同的效果，即无论调用一次还是多次，系统的状态都是一致的。
	-接口幂等性：无论调用多少次，产生的效果是一样的
            -get 获取数据天然幂等
            -put 修改数据天然幂等
            	-修改库存（数字加减）：不幂等
            -delete 删除 天然幂等
            -post 新增数据，会出现不幂等的情况，要把它做成幂等性的
            
- **解决方案：**
  1. **唯一标识符：** 为每个请求生成一个唯一标识符，通过这个标识符来判断请求是否已经被处理。
  	-唯一ID(unique)：调用接口时，生成一个唯一id，redis将数据保存到集合中（去重），存在即处理过。
  	-唯一主键：这个机制是利用了数据库的主键唯一约束的特性，解决了在insert场景时幂等问题。
  		但主键的要求不是自增的主键，这样就需要业务生成全局唯一的主键
  2. **幂等接口设计：** 接口本身应该设计成幂等的，即多次调用不会产生额外的影响。
  	 -防重表：使用订单号orderNo做为去重表的唯一索引，把唯一索引插入去重表，再进行业务操作，
  	 	且他们在同一个事务中。这个保证了重复请求时，因为去重表有唯一约束，导致请求失败，
  	 	避免了幂等问题。这里要注意的是，去重表和业务表应该在同一库中，这样就保证了在同一个事务，
  	 	即使业务操作失败了，也会把去重表的数据回滚。这个很好的保证了数据一致性。
  3. **使用 Token：** 在请求中包含一个令牌，服务器验证令牌的有效性，避免重复执行。
	1、下单接口的前一个接口，只要一访问，后端生成一个随机字符串，存到redis中，把随机字符串返回给前端。
	2、然后调用业务接口请求时，把随机数字符串携带过去，一般放在请求头部。
	3、服务器判断随机字符串是否存在redis中，存在表示第一次请求，然后redis删除随机字符串,继续执行业务。
	4、如果判断随机字符串不存在redis中，就表示是重复操作，直接返回重复标记给client，这样就保证了业务代码，不被重复执行。
  4. **数据库乐观锁：** 在数据库层面使用乐观锁机制，确保同一数据项在同一时间只能被处理一次。

保证接口的幂等性对于处理因网络问题、重试或其他原因导致的重复请求是非常重要的。

3.1 通过添加唯一标识符保证接口的幂等性

import uuid

class IdempotentApi:
    def __init__(self):
        self.processed_requests = set()

    def process_request(self, request_id):
        if request_id in self.processed_requests:
            print(f"Request {request_id} has already been processed. Ignoring.")
            return

        # 模拟处理请求的业务逻辑
        print(f"Processing request {request_id}...")
        # ...

        # 标记请求已经处理
        self.processed_requests.add(request_id)
        print(f"Request {request_id} processed successfully.")

# 创建一个 IdempotentApi 实例
api = IdempotentApi()

# 模拟重复调用
request_id = str(uuid.uuid4())
api.process_request(request_id)
api.process_request(request_id)