系统中有三个事务T1、T2、T3分别对数据R1和R2进行操作，其中R1和R2的初值R1=120、R2=5..

免费智能真题库 > 历年试卷 > 数据库系统工程师 > 2012年上半年数据库系统工程师上午试卷综合知识

第46题

知识点：并发操作带来的问题不可重复读丢失修改读脏数据基础知识事务一致性并发控制数据库写操作

关键词：并发操作并发控制不可重复读不一致性数据库并发数据章/节：事务管理

系统中有三个事务T1、T2、T3分别对数据R1和R2进行操作，其中R1和R2的初值R1=120、R2=50„假设事务T1、T2、T3操作的情况如下图所示，图中T1与T2间并发操作（45)问题，T2与T3间并发操作（46)问题。

A. 不存在任何

B. 存在T2读“脏”数据的

C. 存在T2丢失修改的

D. 存在T3丢失修改的

相关试题：并发操作、并发调度与并发控制

更多>

第60题 2021年上半年

58%

以下关于并发调度的说法中，正确的是（）。

第45题 2015年上半年

34%

假设系统中只有事务T₁和T₂，两个事务都要对数据D₁和D₂进行操作。若T₁对..

第56题 2011年上半年

42%

设有两个事务T1、T2有如下调度，产生的不一致性是（56）。


知识点讲解
· 并发操作带来的问题 · 不可重复读 · 丢失修改 · 读脏数据 · 基础知识 · 事务 · 一致性 · 并发控制 · 数据库 · 写操作

并发操作带来的问题

并发操作带来的数据不一致性有三类：丢失修改、不可重复读和读脏数据。对并发操作带来的三类数据不一致性举例说明如下图所示。

数据不一致性举例

丢失修改

如上图（a）所示，事务T₁、T₂都是对数据A做减1操作。事务T₁在时刻t₅把A修改后的值15写入数据库，但事务T₂在时刻t₇再把它对A减1后的值15写入。两个事务都是对A的值进行减1操作并且都执行成功，但A中的值却只减了1。现实的例子如售票系统，同时售出了两张票，但数据库里的存票却只减了一张，造成数据的不一致。原因在于T₁事务对数据库的修改被T₂事务覆盖而丢失了，破坏了事务的隔离性。

不可重复读

如上图（b）所示，事务T₁读取A、B的值后进行运算，事务T₂在t₅时刻对B的值做了修改以后，事务T₁又重新读取A、B的值再运算，同一事务内对同一组数据的相同运算结果不同，显然与事实不相符。同样是事务T₂干扰了事务T₁的独立性。

读脏数据

如上图（c）所示，事务T₁对数据C修改之后，在t₄时刻事务T₂读取修改后的C值做处理，之后事务T₁回滚，数据C恢复了原来的值，事务T₂对C所做的处理是无效的，它读的是被丢掉的垃圾值。

通过以上三个例子，在事务并行处理的过程中，因为多个事务对相同数据的访问，干扰了其他事务的处理，产生了数据的不一致性，这是因事务的隔离性被破坏。

问题的焦点在于事务在读写数据时不加控制而相互干扰。解决问题的方法是从如何保证事务的隔离性入手。

不可重复读

丢失修改

读脏数据

问题的焦点在于事务在读写数据时不加控制而相互干扰。解决问题的方法是从如何保证事务的隔离性入手。

基础知识

关系数据库系统

关系数据库系统是支持关系数据模型的数据库系统。

关系数据库应用数学方法来处理数据库中的数据。最早提出将这类方法用于数据处理的是1962年CODASYL发表的“信息代数”一文，之后有1968年David Child在7090机上实现的集合论数据结构，但系统而严格地提出关系模型的是美国IBM公司的E.F.Codd。

1970年E.F.Codd在美国计算机学会会刊Communication of the ACM上发表的题为“A Relational Model of Data for Shared Data Banks”的论文，开创了数据库系统的新纪元。以后，他连续发表了多篇论文，奠定了关系数据库的理论基础。

20世纪70年代末，关系方法的理论研究和软件系统的研制均取得了很大成果，IBM公司的San Jose实验室在IBM370系列机上研制的关系数据库实验系统System R获得成功。1981年IBM公司又宣布了具有System R全部特征的新的数据库软件产品SQL/DS问世。与System R同期，美国加州大学柏克利分校也研制了Ingres关系数据库实验系统，并由Inges公司发展成为Ingres数据库产品。

几十年来，关系数据库系统的研究取得了辉煌的成就。关系方法从实验室走向了社会，涌现出许多性能良好的商品化关系数据库管理系统（RDBMS）。如著名的IBM DB2、Oracle、Ingres、SYBASE、Informix等。数据库的应用领域迅速扩大。

关系的相关名词

（1）属性（Attribute）：在现实世界中，要描述一个事务常常取若干特征来表示。这些特征称为属性。例如学生用学号、姓名、性别、系别、年龄、籍贯等属性来描述。

（2）域（Domain）：每个属性的取值范围所对应一个值的集合，称为该属性的域。例如，学号的域是6位整型数；姓名的域是10位字符；性别的域为｛男，女｝；……一般在关系数据模型中，对域还加了一个限制，所有的域都应是原子数据（atomic data）。例如，整数、字符串是原子数据，而集合、记录、数组是非原子数据。关系数据模型的这种限制称为第一范式（first normal form，简称1NF）条件。但也有些关系数据模型突破了1NF的限制，称为非1NF的。

（3）目或度（Degree）：D₁×D₂×…×D_n的子集的称作在域D₁，D₂…，D_n上的关系，表示为R（D₁，D₂，…，D_n）。这里的R表示关系的名字，n是关系的目或度。

（4）候选码（Candidate Key）：若关系中的某一属性或属性组的值能唯一标识一个元组，则称该属性或属性组为候选码。

（5）主码（Primary Key）：或称主键，若一个关系有多个候选码，则选定其中一个为主码。

（6）主属性（Prime attribute）：包含在任何候选码中的属性称为主属性。不包含在任何候选码中的属性称为非主属性（NonPrime attribute）。

（7）外码（Foreign key）：如果关系模式R中的属性或属性组非该关系的码，但它是其他关系的码，那么该属性集对关系模式R而言是外码。

例如，客户与贷款之间的借贷联系c-l（

，loan-no），属性c-id是客户关系中的码，所以c-id是外码；属性loan-no是贷款关系中的码，所以loan-no也是外码。

（8）全码（All-key）：关系模型的所有属性组是这个关系模式的候选码，称为全码。

例如，关系模式R（T，C，S），属性T表示教师，属性C表示课程，属性S表示学生。假设一个教师可以讲授多门课程，某门课程可以由多个教师讲授，学生可以听不同教师讲授的不同课程，那么，要想区分关系中的每一个元组，这个关系模式R的码应为全属性T、C和S，即All-key。

笛卡儿积与关系

【定义7.1】设D₁，D₂，D₃，…，D_n为任意集合，定义D₁，D₂，D₃，…，D_n的笛卡儿积为：

D₁×D₂×D₃×…×D_n=｛（d₁，d₂，d₃，…，d_n）｜d_i∈D_i，i=l，2，3，…，n｝

其中集合中的每一个元素（d₁，d₂，d₃，…，d_n）叫作一个n元组（n-tuple，即n个属性的元组），元素中的每一个值d_i叫作元组一个分量。若D_i（i=1，2，3，…，n）为有限集，其基数（Cardinal number，元组的个数）为m_i（i=1，2，3，…，n），则D₁×D₂×D₃×…×D_n的基数M为：

。

注意：笛卡儿积可以用二维表来表示。

【定义7.2】D₁×D₂×D₃×…×D_n的子集叫作在域D₁，D₂，D₃，…，D_n上的关系，记为R（D₁，D₂，D₃，…，D_n），称关系R为n元关系。

定义7.2可以得出一个关系，也可以用二维表来表示。关系中属性的个数称为“元数”，元组的个数称为“基数”。关系模型中的术语与一般术语的对应情况可以通过下图中的学生关系说明。

学生关系与术语的对应情况

上图中属性S_no、Sname、SD和Sex分别表示学号、姓名、所在院系、性别。该学生关系模式可表示为：学生（

，Sname，SD，Sex）；属性S_no加下画线表示该属性为主码；属性Sex的域为男、女，等等。从图中不难看出，该学生关系的元数为4，基数为6。

关系的三种类型

关系的三种类型如下：

（1）基本关系（通常又称为基本表或基表）：实际存在的表，它是实际存储数据的逻辑表示。

（2）查询表：查询结果对应的表。

（3）视图表：是由基本表或其他视图表导出的表。由于它本身不独立存储在数据库中，数据库中只存放它的定义，所以常称为虚表。

事务

概述

事务（Transaction）是一系列的数据库操作，是数据库应用程序的基本逻辑单位，即应用程序对数据库的操作都应该以事务的方式进行。

事务是一个操作序列，这些操作“要么都做，要么都不做”，是数据库环境中不可分割的逻辑工作单位。事务和程序是两个不同的概念，一般一个程序可包含多个事务。

事务通常由数据库操纵语言或其他高级语言（如SQL、CoBOL、C、C++、Java等）书写的用户程序来实现。一个事务由应用程序的一组操作序列组成，它以BEGIN TRANSACTION语句开始，以END TRANSACTION结束语句。

事务定义的语句如下：

（1）BEGIN TRANSACTION：事务开始。

（2）END TRANSACTION：事务结束。

（3）COMMIT：事务提交。该操作表示事务成功地结束，它将通知事务管理器该事务的所有更新操作现在可以被提交或永久地保留。

（4）ROLLBACK：事务回滚。该操作表示事务非成功地结束，它将通知事务管理器出故障了，数据库可能处于不一致状态，该事务的所有更新操作必须回滚或撤销。

典型的例子是银行转账业务。对“从账户A转入账户B金额x元”业务，站在顾客角度来看，转账是一次单独操作；而站在数据库系统的角度它至少是由两个操作组成的，第一步从账户A减去x元，第二步给账户B加上x元。下面是银行转账事务的伪代码：

SQL中事务的开始与结束

SQL标准规定当一条SQL语句被执行，就隐式地开始了一个事务，SQL中的Commit work和Rollback work语句之一会结束一个事务。

（1）Commit work：提交当前事务。这意味着将该事务所做的更新在数据库中永久保存。一旦事务被提交后，一个新的事务自动开始。

（2）Rollback work：回滚当前事务。这意味着将撤销该事务对数据库的更新。这样，数据库恢复到该事务执行第一条语句之前的状态。

需要注意的是，若事务已执行了Commit work，就不能用Rollback work来撤销。数据库系统能保证在发生诸如某条SQL语句错误、断电、系统崩溃的情况下，若事务还没有执行Commit work，则所造成的影响将被回滚。对断电、系统崩溃的情况，回滚是在系统重新启动时进行。

一致性

在讨论一致性之前，先看一下CAP理论。它作为一种理论依据，使得在不同应用中，对一致性也有了不同的要求。CAP理论：简单地说，就是对于一个分布式系统，一致性（Consistency）、可用性（Availablity）和分区容忍性（Partition tolerance）三个特点最多只能三选二。

一致性意味着系统在执行了某些操作后仍处在一个一致的状态，这点在分布式的系统中尤其明显。比如某用户在一处对共享的数据进行了修改，那么所有有权使用这些数据的用户都可以看到这一改变。简言之，就是所有的结点在同一时刻有相同的数据。

可用性指对数据的所有操作都应有成功的返回。高可用性则是在系统升级（软件或硬件）或在网络系统中的某些结点发生故障的时候，仍可以正常返回。简言之，就是任何请求不管成功或失败都有响应。

分区容忍性这一概念的前提是在网络发生故障的时候。在网络连接上，一些结点出现故障，使得原本连通的网络变成了一块一块的分区，若允许系统继续工作，那么就是分区可容忍的。

在数据库系统中，事务的ACID属性保证了数据库的一致性。比如银行系统中，转账就是一个事务，从原账户扣除金额，以及向目标账户添加金额，这两个数据库操作的总和构成一个完整的逻辑过程，具有原子的不可拆分特性，从而保证了整个系统中的总金额没有变化。

然而，这些ACID特性对于大型的分布式系统来说，是和高性能不兼容的。比如，你在网上书店买书，任何一个人买书这个过程都会锁住数据库直到买书行为彻底完成（否则书本库存数可能不一致），买书完成的那一瞬间，世界上所有的人都可以看到书的库存减少了一本（这也意味着两个人不能同时买书）。这在小的网上书城也许可以运行得很好，可是对Amazon这种网上书城却并不是很好。

而对于Amazon这种系统，它也许会用Cache系统，剩余的库存数也许是几秒甚至几个小时前的快照，而不是实时的库存数，这就舍弃了一致性。并且，Amazon可能也舍弃了独立性，当只剩下最后一本书时，也许它会允许两个人同时下单，宁愿最后给那个下单成功却没货的人道歉，而不是整个系统性能的下降。

由于CAP理论的存在，为了提高性能，出现了ACID的一种变种BASE（这四个字母分别是Basically Available，Soft—state，Eventual consistency的开头字母，是一个弱一致性的理论，只要求最终一致性）：

.Basically Available：基本可用。

.Soft state：软状态，可以理解为“无连接”的，而与之相对应的Hard state就是“面向连接”的。

.Eventual consistency：最终一致性，最终整个系统（时间和系统的要求有关）看到的数据是一致的。

在BASE中，强调可用性的同时，引入了最终一致性这个概念，不像ACID，其并不需要每个事务都是一致的，只需要整个系统经过一定时间后最终达到一致。比如Amazon的卖书系统，也许在卖的过程中，每个用户看到的库存数是不一样的，但最终卖完后，库存数都为0。再比如SNS网络中，C更新状态，A也许可以1分钟就看到，而B甚至5分钟后才看到，但最终大家都可以看到这个更新。

具体地说，如果选择了CP（一致性和分区容忍性），那么就要考虑ACID理论（传统关系型数据库的基石，事务的四个特点）。如果选择了AP（可用性和分区容忍性），那么就要考虑BASE系统。如果选择了CA（一致性和可用性），如Google的bigtable，那么在网络发生分区的时候，将不能进行完整的操作。

ACID理论和BASE的具体对比如下表所示。

ACID和BASE的对比表

并发控制

在多用户共享系统中，许多事务可能同时对同一数据进行操作，称为并发操作，此时数据库管理系统的并发控制子系统负责协调并发事务的执行，保证数据库的完整性不受破坏，同时避免用户得到不正确的数据。

并发操作的问题

数据库的并发操作带来的主要问题有：丢失更新问题、不一致分析问题（读过时的数据）、依赖于未提交更新的问题（读脏数据）。这3个问题需要DBMS的并发控制子系统来解决。

（1）丢失更新（丢失修改）：两个事务T₁和T₂读入同一数据并修改，T₂提交的结果破坏了T₁提交的结果，T₁的修改被丢失。

（2）读过时的数据（不可重复读）：事务T₁读取某一数据，事务T₂读取并修改了同一数据，T₁为了对读取值进行校对再读此数据，得到了不同的结果。例如，T₁读取B=100，T₂读取B并把B改为200，T₁再读B得200，与第一次读取值不一致。

（3）读脏数据：事务T₁修改某一数据，事务T₂读取同一数据，而T₁由于某种原因被撤销，则T₂读到的数据就为“脏”数据，即不正确的数据。例如，T₁把C由100改为200，T₂读到C为200，而事务T₁由于被撤销，其修改宣布无效，C恢复为原值100，而T₂却读到了C为200，与数据库内容不一致。

例如，假设某3个事务T₁、T₂和T₃并发执行的过程如下表所示。

事务并发执行的过程

在上表中，事务T₁、T₂分别对数据D₁、D₂和D₃进行读写操作，在t₄时刻，事务T₁将D₁、D₂和D₃相加存入X₁，X₁等于450。在t₈时刻，事务T₂将D₃减去D₂存入D₂，D₂等于200。在t₁₃时刻，事务T₁将D₁、D₂和D₃相加存入X₁，X₁等于550，验算结果不对。这种情况就属于不可重复读。在t₁₄时刻事务T₃将D₂加50存入D₂，D₂等于150。这样，就丢失了事务T₂对D₂的修改，这种情况就属于丢失更新。

封锁的类型

处理并发控制的主要方法是采用封锁技术，主要有两种类型的封锁，分别是X封锁和S封锁。

（1）排他型封锁（X封锁）：如果事务T对数据A（可以是数据项、记录、数据集以至整个数据库）实现了X封锁，那么只允许事务T读取和修改数据A，其他事务要等事务T解除X封锁以后，才能对数据A实现任何类型的封锁。可见X封锁只允许一个事务独锁某个数据，具有排他性。

（2）共享型封锁（S封锁）：X封锁只允许一个事务独锁和使用数据，要求太严。需要适当从宽，如可以允许并发读，但不允许修改，这就产生了S封锁概念。S封锁的含义是：如果事务T对数据A实现了S封锁，那么允许事务T读取数据A，但不能修改数据A，在所有S封锁解除之前决不允许任何事务对数据A实现X封锁。

封锁协议

在多个事务并发执行的系统中，主要采取封锁协议来进行处理。

（1）一级封锁协议：事务T在修改数据R之前必须先对其加X锁，直到事务结束才释放。一级封锁协议可防止丢失更新，并保证事务T是可恢复的，但不能保证可重复读和不读脏数据。

（2）二级封锁协议：一级封锁协议加上事务T在读取数据R之前先对其加S锁，读完后即可释放S锁。二级封锁协议可防止丢失更新，还可防止读脏数据，但不能保证可重复读。

（3）三级封锁协议：一级封锁协议加上事务T在读取数据R之前先对其加S锁，直到事务结束才释放。三级封锁协议可防止丢失更新、防止读脏数据与数据重复读。

（4）两段锁协议：所有事务必须分两个阶段对数据项加锁和解锁。其中，扩展阶段是在对任何数据进行读、写操作之前，首先要申请并获得对该数据的封锁；收缩阶段是在释放一个封锁之后，事务不能再申请和获得任何其他封锁。若并发执行的所有事务均遵守两段封锁协议，则对这些事务的任何并发调度策略都是可串行化的（可以避免丢失更新、不可重复读和读脏数据问题）。遵守两段封锁协议的事务可能发生死锁。

所谓封锁的粒度即是被封锁数据目标的大小，在关系数据库中封锁粒度有属性值、属性值集、元组、关系、某索引项（或整个索引）、整个关系数据库、物理页（块）等几种。

封锁粒度小则并发性高，但开销大；封锁粒度大则并发性低，但开销小。综合平衡照顾不同需求以合理选取适当的封锁粒度是很重要的。

死锁

采用封锁的方法固然可以有效防止数据的不一致性，但封锁本身也会产生一些麻烦，最主要就是死锁问题。死锁是指多个用户申请不同封锁，由于申请者均拥有一部分封锁权而又需等待另外用户拥有的部分封锁而引起的永无休止的等待。死锁是可以避免的，目前采用的办法有如下几种。

（1）预防法：采用一定的操作方式以避免死锁的出现，顺序申请法、一次申请法等即是此类方法。顺序申请法是指对封锁对象按序编号，用户申请封锁时必须按编号顺序（从小到大或反之）申请，这样能避免死锁发生；一次申请法是指用户在一个完整操作过程中必须一次性申请它所需要的所有封锁，并在操作结束后一次性归还所有封锁，这样能避免死锁的发生。

（2）死锁的解除法：允许产生死锁，并在死锁产生后通过解锁程序以解除死锁。这种方法中需要有两个程序，一个是死锁检测程序，用它测定死锁是否发生；另一个是解锁程序，一旦检测到系统已产生死锁，则启动解锁程序以解除死锁。

数据库

数据库（DataBase，DB）是指长期存储在计算机内的、有组织的、可共享的数据集合。数据库中的数据按一定的数据模型组织、描述和存储，具有较小的冗余度、较高的数据独立性和易扩展性，并可为各种用户共享。

系统使用的所有数据存储在一个或几个数据库中。

写操作

因为需要保证缓存在Cache中的数据与内存中的内容一致，相对读操作而言，Cache的写操作比较复杂，常用的有以下几种方法。

（1）写直达（write through）。当要写Cache时，数据同时写回内存，有时也称为写通。

（2）写回（write back）。CPU修改Cache的某一行后，相应的数据并不立即写入内存单元，而是当该行从Cache中被淘汰时，才把数据写回到内存中。

（3）标记法。对Cache中的每一个数据设置一个有效位。当数据进入Cache后，有效位置1；而当CPU要对该数据进行修改时，数据只需写入内存并同时将该有效位清0。当要从Cache中读取数据时需要测试其有效位：若为1则直接从Cache中取数，否则从内存中取数。

题号导航 2012年上半年数据库系统工程师上午试卷综合知识

本试卷我的完整做题情况



	第46题在手机中做本题