本文目录导读：
并发操作下数据不一致性的类型及分析
在数据库系统或多线程编程等涉及并发操作的场景中，并发操作可能会产生以下几类数据的不一致性：
丢失修改（Lost Update）
1、现象描述
- 当多个事务或线程同时对同一数据进行修改操作时，可能会出现一个事务的修改覆盖了另一个事务的修改，从而导致其中一个事务的修改丢失，在一个在线购票系统中，有两个用户同时购买同一航班的最后一张机票，事务T1和事务T2都读取到剩余票数为1，T1先将票数减1并更新数据库，然后T2也将票数减1并更新数据库，最终结果是数据库中的票数为0，而实际上T1的购票操作被T2覆盖，T1的修改丢失了。
2、影响与危害
- 这种数据不一致性会导致业务逻辑错误，在上述购票的例子中，可能会导致超售的情况，即售出的票数超过了实际可售票数，这会给航空公司带来运营上的混乱，如安排座位时出现问题，影响乘客的出行体验，同时也可能损害航空公司的声誉并带来经济损失。
二、不可重复读（Non - Repeatable Read）
1、现象描述
- 一个事务在两次读取同一数据项期间，由于另一个事务对该数据项进行了修改操作，导致该事务两次读取到的数据不一致，事务T1读取员工的工资为5000元，然后事务T2将该员工的工资更新为5500元并提交，接着事务T1再次读取该员工的工资时，发现工资变为5500元，与第一次读取的值不同，这种情况在需要多次读取同一数据以进行某些计算或验证的场景中会造成问题。
2、影响与危害
- 在财务报表统计场景中，如果出现不可重复读的情况，可能会导致统计结果错误，在计算某个部门的月度工资总额时，第一次读取员工工资总和为一定数值，由于中间有其他事务修改了部分员工工资，再次读取计算时结果不同，这会影响到财务决策、预算分配等工作，可能导致资金分配不合理，影响公司的运营效率。
读脏数据（Dirty Read）
1、现象描述
- 一个事务读取了另一个未提交事务修改的数据，事务T1修改了一个账户的余额，将其从1000元修改为1500元，但T1尚未提交，此时事务T2读取该账户余额为1500元，如果之后T1由于某种原因回滚，比如业务逻辑校验不通过，那么T2读取到的1500元就是脏数据，因为这个数据实际上是无效的，不应该被T2看到。
2、影响与危害
- 在金融交易系统中，读脏数据可能会导致严重的后果，假设银行系统中存在这样的情况，事务T1是一笔转账操作，在未完成所有校验（如转账金额是否超过限额等）前修改了账户余额，而事务T2是一个查询账户余额以进行信用评估的操作，如果T2读取到了T1修改后的脏数据并据此做出信用评估，可能会错误地给予客户过高的信用额度，当T1回滚后，实际账户余额恢复，但信用评估已经出错，这可能会导致银行面临信贷风险，如客户可能会利用过高的信用额度进行过度借贷，最终可能无法偿还，给银行带来经济损失。
幻读（Phantom Read）
1、现象描述
- 一个事务按照某个查询条件进行数据读取，在两次查询期间，另一个事务插入或删除了满足该查询条件的数据，导致第一个事务两次查询结果不一致，事务T1查询年龄大于30岁的员工列表，第一次查询得到了3名员工，然后事务T2插入了一名年龄大于30岁的新员工并提交，当事务T1再次按照相同条件查询时，得到了4名员工，就好像出现了“幻影”数据一样。
2、影响与危害
- 在库存管理系统中，如果出现幻读，可能会影响库存盘点的准确性，假设事务T1正在盘点库存中某种商品的数量，按照一定的筛选条件（如特定仓库中的该商品）进行查询统计，事务T2在T1盘点期间向该仓库补充了这种商品并提交了入库操作，当T1再次查询时，发现商品数量增加了，这会导致库存盘点结果不准确，进而影响到后续的采购计划、销售策略等，如果根据错误的盘点结果制定了过多的采购计划，可能会导致库存积压，增加仓储成本；如果制定的采购计划不足，可能会出现缺货现象，影响销售业绩。
为了避免这些并发操作导致的数据不一致性，数据库系统采用了多种并发控制技术，如封锁、时间戳、乐观并发控制等方法，而在多线程编程中，也有类似的同步机制，如互斥锁、信号量等，以确保数据的一致性和完整性。
评论列表