image.png

    这时，如果我告诉你事务B查到的k的值是3，而事务A查到的k的值是1，你是不是感觉有点晕 呢？

    在MySQL里，有两个“视图”的概念：

    1. 一个是view。它是一个用查询语句定义的虚拟表，在调用的时候执行查询语句并生成结果。 创建视图的语法是create view … ，而它的查询方法与表一样。
    2. 另一个是InnoDB在实现MVCC时用到的一致性读视图，即consistent read view，用于支持 RC（Read Committed，读提交）和RR（Repeatable Read，可重复读）隔离级别的实现。

    “快照”在MVCC里是怎么工作的？

    在可重复读隔离级别下，事务在启动的时候就“拍了个快照”。注意，这个快照是基于整库的。

    这时，你会说这看上去不太现实啊。如果一个库有100G，那么我启动一个事务，MySQL就要拷 贝100G的数据出来，这个过程得多慢啊。可是，我平时的事务执行起来很快啊。

    实际上，我们并不需要拷贝出这100G的数据。我们先来看看这个快照是怎么实现的。

    InnoDB里面每个事务有一个唯一的事务ID，叫作transaction id。它是在事务开始的时候向 InnoDB的事务系统申请的，是按申请顺序严格递增的。

    而每行数据也都是有多个版本的。每次事务更新数据的时候，都会生成一个新的数据版本，并且 把transaction id赋值给这个数据版本的事务ID，记为row trx_id。同时，旧的数据版本要保留， 并且在新的数据版本中，能够有信息可以直接拿到它。

    也就是说，数据表中的一行记录，其实可能有多个版本(row)，每个版本有自己的row trx_id。

    如图2所示，就是一个记录被多个事务连续更新后的状态。
    image.png

    图中虚线框里是同一行数据的4个版本，当前最新版本是V4，k的值是22，它是被transaction id 为25的事务更新的，因此它的row trx_id也是25。

    你可能会问，前面的文章不是说，语句更新会生成undo log（回滚日志）吗？那么，undo log 在哪呢？

    实际上，图2中的三个虚线箭头，就是undo log；而V1、V2、V3并不是物理上真实存在的，而 是每次需要的时候根据当前版本和undo log计算出来的。比如，需要V2的时候，就是通过V4依 次执行U3、U2算出来。

    按照可重复读的定义，一个事务启动的时候，能够看到所有已经提交的事务结果。但是之后，这 个事务执行期间，其他事务的更新对它不可见。

    因此，一个事务只需要在启动的时候声明说，“以我启动的时刻为准，如果一个数据版本是在我 启动之前生成的，就认；如果是我启动以后才生成的，我就不认，我必须要找到它的上一个版 本”。

    当然，如果“上一个版本”也不可见，那就得继续往前找。还有，如果是这个事务自己更新的数 据，它自己还是要认的。

    在实现上， InnoDB为每个事务构造了一个数组，用来保存这个事务启动瞬间，当前正在“活 跃”的所有事务ID。“活跃”指的就是，启动了但还没提交。 数组里面事务ID的最小值记为低水位，当前系统里面已经创建过的事务ID的最大值加1记为高水 位。

    这个视图数组和高水位，就组成了当前事务的一致性视图（read-view）。 而数据版本的可见性规则，就是基于数据的row trx_id和这个一致性视图的对比结果得到的。 这个视图数组把所有的row trx_id 分成了几种不同的情况。
    image.png

    这样，对于当前事务的启动瞬间来说，一个数据版本的row trx_id，有以下几种可能：

    1. 如果落在绿色部分，表示这个版本是已提交的事务或者是当前事务自己生成的，这个数据是 可见的；
    2. 如果落在红色部分，表示这个版本是由将来启动的事务生成的，是肯定不可见的；
    3. 如果落在黄色部分，那就包括两种情况:
      • 若 row trx_id在数组中，表示这个版本是由还没提交的事务生成的，不可见
      • 若 row trx_id不在数组中，表示这个版本是已经提交了的事务生成的，可见。

    比如，对于图2中的数据来说，如果有一个事务，它的低水位是18，那么当它访问这一行数据 时，就会从V4通过U3计算出V3，所以在它看来，这一行的值是11。

    所以你现在知道了，InnoDB利用了“所有数据都有多个版本”的这个特性，实现了“秒级创建 快照”的能力。

    接下来，我们继续看一下图1中的三个事务，分析下事务A的语句返回的结果，为什么是k=1。 这里，我们不妨做如下假设：

    1. 事务A开始前，系统里面只有一个活跃事务ID是99；
    2. 事务A、B、C的版本号分别是100、101、102，且当前系统里只有这四个事务；
    3. 三个事务开始前，(1,1）这一行数据的row trx_id是90。

    这样，事务A的视图数组就是[99,100], 事务B的视图数组是[99,100,101], 事务C的视图数组是 [99,100,101,102]。

    为了简化分析，我先把其他干扰语句去掉，只画出跟事务A查询逻辑有关的操作：
    image.png

    从图中可以看到，第一个有效更新是事务C，把数据从(1,1)改成了(1,2)。这时候，这个数据的最 新版本的row trx_id是102，而90这个版本已经成为了历史版本。

    第二个有效更新是事务B，把数据从(1,2)改成了(1,3)。这时候，这个数据的最新版本（即row trx_id）是101，而102又成为了历史版本。

    你可能注意到了，在事务A查询的时候，其实事务B还没有提交，但是它生成的(1,3)这个版本已 经变成当前版本了。但这个版本对事务A必须是不可见的，否则就变成脏读了。

    好，现在事务A要来读数据了，它的视图数组是[99,100]。当然了，读数据都是从当前版本读起 的。所以，事务A查询语句的读数据流程是这样的：

    1. 找到(1,3)的时候，判断出row trx_id=101，比高水位大，处于红色区域，不可见
    2. 接着，找到上一个历史版本，一看row trx_id=102，比高水位大，处于红色区域，不可见
    3. 再往前找，终于找到了（1,1)，它的row trx_id=90，比低水位小，处于绿色区域，可见。

    这样执行下来，虽然期间这一行数据被修改过，但是事务A不论在什么时候查询，看到这行数据 的结果都是一致的，所以我们称之为一致性读。

    一个数据版本，对于一个事务视图来说，除了自己的更新总是可见以 外，有三种情况：

    1. 版本未提交，不可见
    2. 版本已提交，但是是在视图创建后提交的，不可见；
    3. 版本已提交，而且是在视图创建前提交的，可见。

    现在，我们用这个规则来判断图4中的查询结果，事务A的查询语句的视图数组是在事务A启动的 时候生成的，这时候：

    1. (1,3)还没提交，属于情况1，不可见；
    2. (1,2)虽然提交了，但是是在视图数组创建之后提交的，属于情况2，不可见；
    3. (1,1)是在视图数组创建之前提交的，可见。
    • 更新逻辑

    细心的同学可能有疑问了：事务B的update语句，如果按照一致性读，好像结果不对哦？

    你看图5中，事务B的视图数组是先生成的，之后事务C才提交，不是应该看不见(1,2)吗，怎么能 算出(1,3)来？
    image.png详见资料