事务隔离级别|学习笔记

简介: 快速学习事务隔离级别

开发者学堂课程【JDBC数据库开发进阶:事务隔离级别】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/32



事务的并发读问题,(并发事务问题)

脏读:

读取到另一个事务未提交数据,既读取到了脏数据,任何的操作必须避免脏读,害处不大,一般对不可重复读都会采取允许的状态,

不可重复读:

两次读取不一致,不可重复读,对同一记录的两次读取不一致,因为另一事务对该记录做了修改。

幻读(虚读):

读到另一事务已提取数据。对同一张表的两次查询不一致,因为另一事物插入了一条记录,很多情况都允许幻读存在。

四大隔离级别(防止并发事务问题)

串行化:

不会出现任何并发问题,因为它是对同一数据的访问是串行的,非并发访问的,性能最差,但是安全性最高。 平时坚决不用 (三种读问题都能处理)

可重复性:

防止脏读和不可重复读,可处理不可重复问题,但是不能处理幻读问题,性能比repeatable好 ,处理两种性能问题(脏读,不可重复读,不能处理幻读)

读已提交数据:

防止脏读,没有处理不可重复读,也没有处理幻读。性能比repeatable read好(只能处理脏读,不能处理不可重复读和幻读)

读未提交数据:

可能出现任何事务并发问题。性能最好。(不处理)

如何设置隔离级别,如何查看隔离级别.

事务总结:

1、事务的特征:ACID,

2、分为提交和回滚,

事务开始边界与结束边界:开始边界(con.setautocommit(false))结束边界(con.commit)或con.rollback

3、事务的隔离级别:

多个事务并发执行时才需要考虑并发事务。

相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
292 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
303 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
809 6