拖欠规范根据三种植异常现象将隔离性定义为四独级别。该专业根据三栽异常现象将隔离性定义为四单级别。

描绘于前面

即两年分布式数据库技术加快进化,而出于金融行业技术生态的范围,周围多校友对那并无深入之了解,所以进行高性能、高可靠系统规划时往往不够这一利器。Ivan希望因为系列文章的法子同大家交流探讨,加深我们本着分布式数据库的认识。本文是欠系列文章的率先首,主要探索事务管理中的隔离性,厘清相关概念以及关键技术,为后阐述分布式数据库的事务管理做一个选配,姑且算是一篇前污染吧。


形容以前方

走近两年分布式数据库技术加快进化,而由经济行业技术生态之限量,周围多同校对那个并没有深入之摸底,所以进行大性能、高可靠系统规划时数不够这一利器。Ivan希望盖系列文章的法门与大家交流探讨,加深我们针对分布式数据库的认识。本文是该系列文章的第一篇,主要探索事务管理中的隔离性,厘清相关概念与关键技术,为后面阐述分布式数据库的事务管理做一个搭配,姑且算是一篇前污染吧。


正文

咱俩率先从概念出发,事务管理包括原子性、一致性、隔离性和持久性四个点,即ACID。所有数据库专著都见面吃有是四只特色的概念,本文我们引用了Jim
Gray对该的概念。

Jim
Gray是事务处理方面的大师,本文中有的是情还来源于他的专著及舆论。为避免翻译引入的歧义,这里我们一直引用原文。

Atomicity: Either all the changes from the transaction occur
(writes, and messages sent), or none occur.

Consistency: The transaction preserves the integrity of stored
information.

Isolation: Concurrently executing transactions see the stored
information as if they were running serially (one after another).

Durability: Once a transaction commits, the changes it made
(writes and messages sent) survive any system failures.

于上述隔离性(Isolation)的定义着,我们得窥见该目标是使并发事务的尽效果以及串行一致,但在切实技术实现达标频繁得以出现能力与串行化效果之间开展平衡,很麻烦两者兼顾。平衡的结果虽是会见冒出违背串行效果的状况就是异常现象(Phenomenon)。通常来说,隔离级别的晋升伴随在出新能力的下挫,两者负相关。各种数据库在开口到断级别时犹见面引用ANSI
SQL-92标准隔离级别,我们来探望它的具体内容。

正文

俺们先是由概念出发,事务管理包括原子性、一致性、隔离性和持久性四单地方,即ACID。所有数据库专著都见面给闹这四独特点的概念,本文我们引用了Jim
Gray对那个的定义。

Jim
Gray是事务处理方面的大师傅,本文中广大情还来他的专著及论文。为避翻译引入的歧义,这里我们直接引用原文。

Atomicity: Either all the changes from the transaction occur
(writes, and messages sent), or none occur.

Consistency: The transaction preserves the integrity of stored
information.

Isolation: Concurrently executing transactions see the stored
information as if they were running serially (one after another).

Durability: Once a transaction commits, the changes it made
(writes and messages sent) survive any system failures.

每当上述隔离性(Isolation)的定义着,我们可以发现那目标是如并发事务的履行效力跟串行一致,但以切实可行技术实现达标往往需要在出现能力以及串行化效果之间开展平衡,很麻烦两者兼顾。平衡的结果虽是会见起违背串行效果的气象便异常现象(Phenomenon)。通常来说,隔离级别之升官伴随着出新能力的下跌,两者负相关。各种数据库在叙到断级别时都见面引用ANSI
SQL-92标准隔离级别,我们来瞧她的具体内容。

ANSI SQL-92 Isolation Levels

ANSI
SQL-92可能是不过早提出了基于异常现象来定义隔离级别的法,同时没有将切断级别及具象贯彻机制绑定,隔离的实现好因锁(lock-based)或者无锁(lock-free),兼容了延续的技巧进步。该标准根据三种异常现象将隔离性定义为四单级别,具体如下。

图片 1

脏读,事务(T1)中改的数量项在无提交的景况下叫别作业(T2)读取到,而T1进行Rollback操作,则T2刚刚读取到之数码并无实际存在。
不可再读,T1读取数据项,T2对中间的数开展了修改或者去且Commit成功。如果T1尝试再次读取这些数据,会拿走T2修改后的数额或者发现数已经去除。这样T1于一个作业中有数次于同条件的读取,且结果集内容改动或结果集数量缩减。
幻读,T1使用一定的询问条件得一个结出集,T2插入新的多少都这些数量可T2刚刚操作的查询条件。T2
commit 成功后,T1再次实施同一的查询,此时取得的结果集增大。

过剩文章都成数据库产品对上述异常现象的实例和拍卖体制进行了证,本文中不再赘言,有趣味的同校可以参照文末的链接[1]。

ANSI
SQL-92标准早于92年公布,但不管即要么后来且无吃各级大数据库厂商严格依照,部分原因或者是规范过于简化和实际用来肯定水平之退。Jim
Gray等人口以1995揭晓了论文“A Critique of ANSI SQL Isolation Levels”
(本文中简称也Critique[2])对隔断级别进行更完善的阐发,可以扶持我们深化了解。

ANSI SQL-92 Isolation Levels

ANSI
SQL-92可能是极度早提出了依据异常现象来定义隔离级别之法,同时没有拿割裂级别及具象实现机制绑定,隔离的实现好依据锁(lock-based)或者无锁(lock-free),兼容了继往开来之技能进步。该规范根据三种异常现象将隔离性定义也四单级别,具体如下。

图片 2

脏读,事务(T1)中改的数码项于从来不提交的情形下于别作业(T2)读取到,而T1进行Rollback操作,则T2刚刚读取到之数据并没有实际存在。
不可再读,T1读取数据项,T2对里面的多少开展了改动或删除且Commit成功。如果T1尝试重新读取这些数据,会取得T2修改后底数还是发现数目就抹。这样T1当一个事务中简单软同条件的读取,且结果集内容改动或结果集数量减少。
幻读,T1使用一定的询问条件获得一个结实集,T2插入新的数码都这些数据符合T2刚刚操作的查询条件。T2
commit 成功后,T1再次实施同样的查询,此时获得的结果集增大。

不少章都结合数据库产品针对上述异常现象的实例和处理机制进行了证,本文中不再赘言,有趣味之同校可以参见文末的链接[1]。

ANSI
SQL-92标准早于92年颁,但无论即或新兴犹无让列大数据库厂商严格遵循,部分缘由恐怕是规范过于简化和事实上用来早晚程度之脱离。Jim
Gray等人口当1995发表了舆论“A Critique of ANSI SQL Isolation Levels”
(本文中简称为Critique[2])对隔断级别进行重复完善的阐释,可以帮忙我们深化理解。

Critique Isolation Levels

Critique提出了ANSI
SQL-92存在的蝇头单问题,首先是自然语言方式界定的异常现象并无严格导致有同质化的异常现象被遗漏;其次是局部独立的异常现象并从未吃含有进去,导致隔离级别在显著少。因此,文中对ANSI
SQL-92的老三栽异常现象(将该编号也A1/A2/A3)进行了扩大(编号为P1/P2/P3),并追加了另外5栽普遍的异常现象。受压篇幅,这里才对少数种异常现象进行验证。

Critique Isolation Levels

Critique提出了ANSI
SQL-92存在的少数独问题,首先是自然语言方式界定的异常现象并无严加导致部分同质化的异常现象被遗漏;其次是片突出的异常现象并没有给含有进去,导致隔离级别是明显缺欠。因此,文中对ANSI
SQL-92的老三种异常现象(将那个编号也A1/A2/A3)进行了扩大(编号吧P1/P2/P3),并增了另外5种常见的异常现象。受抑制篇幅,这里仅对有限种植异常现象进行说明。

Lost Update

掉更新(Lost
Update)是一个经文的数据库问题,由于极端过重大所有主流数据库都解决了该问题,我们这边将操作稍加变形来比喻。

咱们采取MySQL进行现身说法,创建表并初始化数据

create table account (balance int,name varchar(20)) ENGINE=InnoDB;
insert into account values(50,'Tom');
T1 T2
begin; begin;
select balance into @bal from account where name='Tom'
——————–
@bal = 50
select balance into @bal from account where name='Tom'
——————-
@bal = 50
update account set balance = @bal -40 where name = ‘Tom’;
commit;
update account set balance = @bal - 1 where name = ‘Tom’;
commit;

于上述操作中T1、T2串行执行力量是指向余额进行简单潮看减,分别吗40及1,最终价值为9,但相互的终极价值也49,T2的改为遗失。我们得窥见Lost
update的本来面目是T1事务读取数据,而后该数额让T2事务修改并付诸,T1基于已经晚点的数码开展了再也修改,造成T2的改被埋。

Lost Update

掉更新(Lost
Update)是一个经文的数据库问题,由于太过重大所有主流数据库都解决了该问题,我们这边将操作稍加变形来比喻。

咱用MySQL进行现身说法,创建表并初始化数据

create table account (balance int,name varchar(20)) ENGINE=InnoDB;
insert into account values(50,'Tom');
T1 T2
begin; begin;
select balance into @bal from account where name='Tom'
——————–
@bal = 50
select balance into @bal from account where name='Tom'
——————-
@bal = 50
update account set balance = @bal -40 where name = ‘Tom’;
commit;
update account set balance = @bal - 1 where name = ‘Tom’;
commit;

在上述操作中T1、T2串行执行效力是指向余额进行简单糟糕看减,分别吗40同1,最终价值为9,但相互的终极价值也49,T2的改为遗失。我们得以窥见Lost
update的本质是T1事务读取数据,而后该数额让T2事务修改并交由,T1基于已经过期的数目开展了又修改,造成T2的改被覆盖。

Read Skew

念偏序(Read
Skew)是RC级遇到的问题。如果数量项x与y存在一致性约束,T1预先对读x,而后T2修改x和y后commit,此时T1再念y。T1获得的x与y不满足原有的一致性约束。

MySQL默认隔离级别也RR,我们要手工安装为RC并初始化数据

set session transaction isolation level read committed;
insert into account values(70,'Tom');
insert into account values(30,'Kevin');
T1 T2
begin; begin;
select * from account where name=’Tom’;
———————
balance name
70 Tom
select * from account where name=’Tom’;
———————
balance name
70 Tom
update account set balance = balance - 30 where name='Tom';
update account set balance = balance + 30 where name=’Kevin’;
commit;
select * from account where name='Kevin';
———————
balance name
60 Kevin
commit;

启数据Tom与Kevin的账户合计为100,在T1事务内的星星次等读取得到账户合计为130,显然不称之前的一致性约束。

补偿这些异常现象后,Critique给出了新的矩阵,相比ANSI更加完善呢更贴合真实的数据库产品。

图片 3

主流数据库考虑到离谱行化效果以及出新性能的平衡,一般默认隔离级别都在RC与RR之间,部分提供了Serializable。特别提醒,无论ASNI
SQL-92还是Critique的断级别都不能够保证直接照射到实在数据库的同名隔离级别。

Read Skew

读偏序(Read
Skew)是RC级遇到的题目。如果数据项x与y存在一致性约束,T1预对读x,而后T2修改x和y后commit,此时T1再念y。T1得到的x与y不满足原有的一致性约束。

MySQL默认隔离级别为RR,我们用手工安装也RC并初始化数据

set session transaction isolation level read committed;
insert into account values(70,'Tom');
insert into account values(30,'Kevin');
T1 T2
begin; begin;
select * from account where name=’Tom’;
———————
balance name
70 Tom
select * from account where name=’Tom’;
———————
balance name
70 Tom
update account set balance = balance - 30 where name='Tom';
update account set balance = balance + 30 where name=’Kevin’;
commit;
select * from account where name='Kevin';
———————
balance name
60 Kevin
commit;

初始数据Tom与Kevin的账户合计为100,在T1事务内的星星点点赖读取得到账户合计为130,显然不吻合之前的一致性约束。

填补这些异常现象后,Critique给来了初的矩阵,相比ANSI更加健全与否再度贴合真实的数据库产品。

图片 4

主流数据库考虑到离谱行化效果及产出性能的抵,一般默认隔离级别都在于RC与RR之间,部分提供了Serializable。特别提示,无论ASNI
SQL-92还是Critique的割裂级别都不可知确保直接照射到骨子里数据库的同名隔离级别。

SI&MVCC

快照隔离(SI,Snapshot
Isolation)是讨论隔离性时周边的术语,可以做简单栽的解读,一凡是具体的隔断级别,SQL
Server、CockroachDB都一直定义了此隔离级别;二凡是均等种植隔离机制用来落实相应的割裂级别,在Oracle、MySQL
InnoDB、PostgreSQL等主流数据库中常见应用。多版本出现控制(MVCC,multiversion
concurrency
control)是通过记录数据项历史版本的措施提升系统应多事务访问的出现处理能力,例如避免单值(Single-Valued)存储情况下写操作对读操作的吊排斥。MVCC和沿都是SI的第一实现手段,当然为存无锁的SI实现。以下是Critique描述的SI运作过程。

业务(记为T1)开始的转会见博得一个工夫戳Start
Timestamp(记为ST),而数据库内的有所数据项之每个历史版本都记录在相应的时间戳Commit
Timestamp(记为CT)。T1读取的快照由具有数据项版本被那些CT小于ST且最近的史版本构成,由于这些多少项内容只有是历史版本不会见重给描写操作锁定,所以不见面生出读写冲突,快照内之宣读操作永远不见面让封堵。其他事情在ST之后的修改,T1勿可见。当T1
commit的霎时见面获取一个CT,并保证大于此刻数据库被已经存在的随机时间穿(ST或CT),持久化时会以此CT将作为数据项之本子时间穿。T1的写操作为体现于T1的快照中,可以被T1舅的朗读操作更读取。当T1
commit后,修改会对那些具有ST大于T1 CT的事情可见。
假使有任何事情(T2),其CT在T1的运转间隔【ST,CT】之间,与T1对同样的多少项进行勾勒操作,则T1
abort,T2
commit成功,这个特性深受称为First-committer-wins,可以保证不出现Lost
update。事实上,部分数据库会用那调整也First-write-wins,将闯判断提前到write操作时,减少冲之代价。

这个过程未是某某数据库的现实贯彻,事实上不同数据库对于SI实现有好可怜差异。例如,PostgreSQL会以历史版本与手上本一起保存通过日戳区分,而MySQL和Oracle都以回滚段受到保留历史版本。MySQL的RC与RR级别都以了SI,如果手上政工(T1)读操作的数目为另外业务之写操作加锁,T1转向回滚段读取快照数据,避免读操作为死。但是RC的快照定义跟以上描述不同,也包罗了T1执行进程被其他工作提交的新颖版本[6]。

除此以外,我们还有一个至关重要发现,时间戳是生成SI的第一要素。在单机系统被,唯一时间戳比较轻实现,而对分布式系统在跨节点、跨数据核心还跨城市部署之图景下怎样建立一个唯一时钟就变成一个非常复杂的题目,我们临时留下一个伏笔将当后边的专题篇中进行座谈。

SI&MVCC

快照隔离(SI,Snapshot
Isolation)是座谈隔离性时大的术语,可以做简单种植之解读,一凡是具体的隔离级别,SQL
Server、CockroachDB都一直定义了此隔离级别;二凡是一致种植隔离机制用来落实相应的隔断级别,在Oracle、MySQL
InnoDB、PostgreSQL等主流数据库被普遍应用。多本出现控制(MVCC,multiversion
concurrency
control)是通过记录数据项历史版本的措施提升系统应对多事务访问的起处理能力,例如避免单值(Single-Valued)存储情况下写操作对读操作的缉排斥。MVCC和钉都是SI的严重性实现手段,当然为有无锁的SI实现。以下是Critique描述的SI运作过程。

工作(记为T1)开始之一瞬会得到一个时日戳Start
Timestamp(记为ST),而数据库内之享有数据项之每个历史版本都记录在相应之时日戳Commit
Timestamp(记为CT)。T1读取的快照由所有数据项版本中那些CT小于ST且最近底历史版本构成,由于这些数量项内容仅仅是历史版本不见面另行给形容操作锁定,所以未见面产生读写冲突,快照内之宣读操作永远不见面给死。其他业务在ST之后的修改,T1不可见。当T1
commit的霎时会晤获取一个CT,并保证大于此刻数据库被已经存在的人身自由时间穿(ST或CT),持久化时会以此CT将当数据项之本子时间戳。T1的描写操作也反映于T1的快照中,可以被T1内的朗读操作更读取。当T1
commit后,修改会指向那些具有ST大于T1 CT的作业可见。
万一是任何事情(T2),其CT在T1的运转间隔【ST,CT】之间,与T1对相同的数目项进行勾勒操作,则T1
abort,T2
commit成功,这个特点深受称First-committer-wins,可以包不起Lost
update。事实上,部分数据库会用其调整也First-write-wins,将闯判断提前到write操作时,减少冲的代价。

这个过程不是某某数据库的现实落实,事实上不同数据库对于SI实现有异常要命差别。例如,PostgreSQL会用史版本与当前本一起保存通过时戳区分,而MySQL和Oracle都以回滚段受到保存历史版本。MySQL的RC与RR级别都采取了SI,如果手上工作(T1)读操作的多寡给外事情之描写操作加锁,T1转向回滚段读取快照数据,避免读操作为卡住。但是RC的快照定义跟以上描述不同,也席卷了T1执行进程遭到任何工作提交的新式版本[6]。

另外,我们还有一个要发现,时间穿是生成SI的严重性因素。在单机系统受到,唯一时间穿比较便于实现,而对于分布式系统在跨节点、跨数据基本还跨城市部署之情事下怎么树立一个唯一时钟就成一个非常复杂的问题,我们小留下一个伏笔将在后的专题文章被开展座谈。

Serializable VS SSI

SI是如此有效,甚至以TPC-C
benchmark测试着吗绝非出现其它异常状况[5],但事实上SI不克管完全的差行化效果。Critique中指出,SI还无法处理A5B(Write
Skew,写偏序),如下图所出示。

图片 5

Serializable VS SSI

SI是这样有效,甚至在TPC-C
benchmark测试着呢从未起其它异常现象[5],但其实SI不克保证总体的差行化效果。Critique中指出,SI还无法处理A5B(Write
Skew,写偏序),如下图所出示。

图片 6

Write Skew

形容偏序(Write
Skew)也是一致性约束下的异常现象,即有限单相互事务都基于自己读到的数目集去覆盖任何一样有数据集,在阴差阳错行化情况下零星单业务不管何种先后顺序,最终用高达同等状态,但SI隔离级别下无法实现。下图的“黑白球”常常叫用来说明写偏序问题。

图片 7

怎么兑现真正的差行化效果也?事实上,早期的数据库都通过从严两流锁协议(S2PL,Strict
Two-Phase Locking)实现了净的差行化隔离(Serializable
Isolation),即在进展读操作的数码阻塞对应写操作,写操作阻塞所有操作(包括读操作与描绘操作)。如阻塞导致循环将成死锁,则用展开rollback操作。S2PL的题材肯定,在竞争剧烈场面下,阻塞与死锁会造成数据库吞吐量下降以及响应时间的充实,所以这种串行化无法采取叫实际生育环境。直到SSI的起,人们终于找到有实际价值的失误行化隔离方案。

阴差阳错行化快照隔离(SSI, Serializable Snapshot
Isolation,也会见让翻译啊序列化快照)是因SI改进上Serializable级别之隔离性。SSI由Michael
James Cahill在他的论文”Serializable Isolation for Snapshot
Databases”[3]屡遭提出(该论文得到2008 Sigmod Best Paper
Award,文章最后提供了拖欠论文的2009年总体版本[4]连锁消息,有趣味的同桌可以深深研讨)。SSI保留了SI的诸多优点,特别是读不打断任何操作,写不见面死读。事务依然在快照中运作,但净增了对工作中读写冲突之监控用于识别事务图(transaction
graph)中的生死存亡结构。当一组并发事务可能产生异常现象(anomaly),系统以由此回滚其中一些事情进行干涉为散anomaly发生的或者。这个进程尽管会招某些事情之荒谬回滚(不见面促成anomaly的事情让误杀),但足以管消除anomaly[3]。

自从理论模型看,SSI性能接近SI,远远好于S2PL。2012年,PostgreSQL在9.1本被实现了SSI[7],可能吧是首只支持SSI的小买卖数据库,验证了SSI的贯彻力量。CockroachDB也于Cahill的舆论获得灵感,实现SSI并以那个当做那个默认隔离级别。

乘机技术的上扬,SI/SSI已经成为主流数据库的隔断技术,尤其是后者的面世,无需开发人员在代码通过显式锁来避免大,从而降低了口啊错误的几率。在分布式数据库的连锁章节中,我们将更加对SSI实现机制进行深入探讨。


参考文献
[1]Innodb中的业务隔离级别跟沿之涉,ameng,https://tech.meituan.com/innodb-lock.html
[2]H. Berenson, P. Bernstein, J. Gray, J.Melton, E. O’Neil,and P.
O’Neil. A critique of ANSI SQL isolation levels. InProceedings of the
SIGMOD International Conference on Management of Data, pages1–10, May

  1. [3]Michael J. Cahill, Uwe Röhm, and Alan D.Fekete. 2008. Serializable
    isolation for snapshot databases. In SIGMOD ’08:Proceedings of the 2008
    ACM SIGMOD international conference on Management of data, pages
    729–738, New York, NY, USA. ACM.
    [4]Michael James Cahill. 2009. Serializable Isolation for Snapshot
    Databases. Sydney Digital Theses. University of Sydney, School of
    Information Technologies
    [5] A. Fekete, D. Liarokapis, E. O’Neil, P.O’Neil, andD. Shasha.
    Making snapshot isolation serializable. In ACM transactions on database
    systems, volume 39(2), pages 492–528, June 2005.
    [6]姜承尧,MySQL技术内幕:InnoDB存储引擎机, 械工业出版社, 2011
    [7]https://wiki.postgresql.org/wiki/Serializable
Write Skew

描绘偏序(Write
Skew)也是一致性约束下的异常现象,即有限个彼此事务都冲自己读到的数量集去覆盖任何一样有些数据集,在错行化情况下零星独事情不管何种先后顺序,最终以达成平状态,但SI隔离级别下无法兑现。下图的“黑白球”常常给用来证实写偏序问题。

图片 8

怎样兑现真正的错行化效果啊?事实上,早期的数据库已经由此严两等级锁协议(S2PL,Strict
Two-Phase Locking)实现了完全的错行化隔离(Serializable
Isolation),即着进展读操作的数阻塞对应写操作,写操作阻塞所有操作(包括读操作以及描绘操作)。如阻塞导致循环将做死锁,则需进行rollback操作。S2PL的题目旗帜鲜明,在竞争可以场面下,阻塞与死锁会造成数据库吞吐量下降和响应时间之增加,所以这种串行化无法用为实际生育环境。直到SSI的面世,人们终于找到有实际价值的错行化隔离方案。

差行化快照隔离(SSI, Serializable Snapshot
Isolation,也会见被翻译啊序列化快照)是基于SI改进上Serializable级别的隔离性。SSI由Michael
James Cahill在他的舆论”Serializable Isolation for Snapshot
Databases”[3]吃提出(该论文获得2008 Sigmod Best Paper
Award,文章最后提供了该论文的2009年整体版本[4]连锁信息,有趣味之同窗可以深入钻研)。SSI保留了SI的洋洋亮点,特别是读不死任何操作,写不会见堵塞读。事务依然以快照中运行,但净增了针对事情间读写冲突的监察用于识别事务图(transaction
graph)中之险恶结构。当一组连发事务可能产生异常现象(anomaly),系统将通过回滚其中一些事情进行干涉为消弭anomaly发生的也许。这个进程虽然会促成某些事情之失实回滚(不见面造成anomaly的业务让误杀),但足以保证消除anomaly[3]。

打理论模型看,SSI性能接近SI,远远好于S2PL。2012年,PostgreSQL在9.1本子被实现了SSI[7],可能啊是首只支持SSI的经贸数据库,验证了SSI的贯彻效益。CockroachDB也于Cahill的舆论得到灵感,实现SSI并拿那作其默认隔离级别。

乘机技术之发展,SI/SSI已经改为主流数据库的隔离技术,尤其是后世的面世,无需开发人员在代码通过显式锁来避免大,从而降低了丁乎左的票房价值。在分布式数据库的系章节中,我们以更加对SSI实现机制进行深入探讨。


参考文献
[1]Innodb中的作业隔离级别及沿之涉,ameng,https://tech.meituan.com/innodb-lock.html
[2]H. Berenson, P. Bernstein, J. Gray, J.Melton, E. O’Neil,and P.
O’Neil. A critique of ANSI SQL isolation levels. InProceedings of the
SIGMOD International Conference on Management of Data, pages1–10, May

  1. [3]Michael J. Cahill, Uwe Röhm, and Alan D.Fekete. 2008. Serializable
    isolation for snapshot databases. In SIGMOD ’08:Proceedings of the 2008
    ACM SIGMOD international conference on Management of data, pages
    729–738, New York, NY, USA. ACM.
    [4]Michael James Cahill. 2009. Serializable Isolation for Snapshot
    Databases. Sydney Digital Theses. University of Sydney, School of
    Information Technologies
    [5] A. Fekete, D. Liarokapis, E. O’Neil, P.O’Neil, andD. Shasha.
    Making snapshot isolation serializable. In ACM transactions on database
    systems, volume 39(2), pages 492–528, June 2005.
    [6]姜承尧,MySQL技术内幕:InnoDB存储引擎机, 械工业出版社, 2011
    [7]https://wiki.postgresql.org/wiki/Serializable

相关文章