本文目录导读：
《并发操作下数据不一致性的类型解析》
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不一致的情况：
丢失修改
1、定义与场景示例
图片来源于网络，如有侵权联系删除
- 丢失修改是指两个或多个事务同时对同一数据进行修改，最后的修改结果覆盖了前面的修改，导致前面的修改丢失，在一个机票预订系统中，事务T1和事务T2同时读取某航班的剩余票数为10张，事务T1打算为旅客A预订2张票，它将剩余票数修改为8张并写回数据库，事务T2也打算为旅客B预订3张票，它读取到的也是初始的10张票（因为事务T1还未完全提交），事务T2将剩余票数修改为7张并写回数据库，这样，事务T1对剩余票数的修改就被事务T2的修改覆盖了，导致旅客A的订票操作在票数计算上出现错误，好像事务T1的修改从未发生过一样。
2、影响与危害
- 在商业应用中，这种丢失修改可能会导致严重的业务逻辑错误，对于库存管理系统，可能会出现库存数量不准确的情况，导致过度销售或者货物积压，对于金融系统，可能会导致账户余额计算错误，影响用户的资金安全和企业的财务状况。
不可重复读
1、定义与场景示例
- 不可重复读是指一个事务在多次读取同一数据时，由于其他并发事务对该数据进行了修改或删除操作，导致每次读取的结果不一致，事务T1读取员工表中员工A的工资为5000元，随后，事务T2更新了员工A的工资为5500元并提交了事务，如果事务T1再次读取员工A的工资，就会得到5500元这个不同的值，这种情况在需要对数据进行多次读取以进行统计或决策的事务中会造成问题，一个审计事务需要多次读取某个账户在一段时间内的余额数据，如果存在不可重复读的情况，就无法准确统计该账户在这段时间内的真实余额变化情况。
图片来源于网络，如有侵权联系删除
2、影响与危害
- 在数据分析和报表生成的场景中，不可重复读会使数据的统计结果不可靠，对于依赖历史数据进行趋势分析的业务，如市场研究公司分析某产品多年的销售数据，如果因为并发操作导致不可重复读，可能会得出错误的销售趋势结论，进而影响企业的市场策略制定。
读脏数据
1、定义与场景示例
- 读脏数据是指一个事务读取了另一个未提交事务修改的数据，事务T1修改了学生表中某个学生的成绩为90分，但尚未提交，事务T2此时读取了该学生的成绩为90分，如果事务T1后来因为某种原因回滚，比如数据录入错误被发现，那么事务T2读取到的90分就是一个不存在的“脏数据”，在一个在线考试系统中，如果存在这种情况，可能会导致对考生成绩的错误评估，根据这个错误的“脏成绩”判断考生是否及格或者进行排名等操作。
2、影响与危害
图片来源于网络，如有侵权联系删除
- 读脏数据会导致基于错误数据的决策，在医疗信息系统中，如果一个未提交的药品剂量修改被另一个事务读取并用于患者的治疗决策，而该修改随后被回滚，可能会对患者的健康造成严重威胁，在企业的人力资源管理系统中，读脏数据可能会导致错误的员工绩效评估，影响员工的晋升和奖励决策。
为了避免这些并发操作导致的数据不一致性，数据库管理系统通常采用并发控制技术，如封锁、时间戳、乐观并发控制等方法，在多线程编程中，也有类似的同步机制，如互斥锁、信号量等，来确保数据的一致性和正确性。
评论列表