MVCC a blokady, moje uwagi.

Kilka faktów:

• MVCC pozwala bazie takiej jak postgresql pracę z danymi bez potrzeby posiłkowania się blokadami.

• MVCC umożliwia czytanie danych bez blokowania zapisu, a także zapis danych bez blokowania czytania.

• Każdy query ma osobny snapshot bazy, bo pod spodem baza zarządza zakresem widoczności danych.

PYTANIE:

Co taki MVCC zmienia z perspetywy transakcji, a właściwie co tak naprawdę wnosi?

PROBLEM:

Sęk w tym, że o ile MVCC jest zorientowane na zapytania, to w przypadku transakcji moim zdaniem nie trudno o problemy.

Przykładowo programiści dzień za dniem tłuką podobne zapytania gdzie np:

• pierwsze zapytanie odczytuje użytkowników,
• a drugie zapytanie listę powiązanych z nim rekordów (np. piosenek).

Wszystko super jeśli w między czasie nic się nie zmienia, ale przecież drugie zapytanie może mieć inny snapshot, ponieważ w międzyczasie mogły zostać zatwierdzone inne transakcje, które mogły przecież coś już zmienić, dodać, usunąć.

Problem jaki widzę to fakt, że praca transakcji jest zaburzona, tzn. im więcej ona zapytań wykonuje tym gorzej dla niej, bo sytuacja w bazie przed pierwszym zapytaniem może wyglądać inaczej niż gdy dojdzie do wykonania drugiego czy trzeciego zapytania. Jeśli te dane są ze sobą powiązane (a w SQL są powiązane) wtedy łatwo o rozbieżność i niespójne wyniki.

Powiedzcie mi czy wy o takich rzeczach w ogóle myślicie? A jeśli tak to czy stosujecie na to blokady? Co musi się stać w zadaniu byś myślał o blokadach? A jeśli stosujecie blokady to jaki w zasadzie macie wtedy pożytek z MVCC?

Ja widzę to tak, że gdybym chciał chronić spójność akcji tzn dbać o to, by przez całą transakcje pobrane dane były ze sobą spójne musiałbym przyjąć drugą skrajność i zmierzać w kierunku blokad i/lub zmiany poziomu izolacji.

Np. w powyższym przykładzie założyłbym blokady na użytkowniów, i na piosenki typu shard (by nie blokować innych odczytów) i prawdopodobnie założyłbym blokadę exclusive na coś co uniemożliwi dodawanie piosenek przez czas trwania wykonywanej transakcji. Oczywiście to umniejsza ogólną wydajność systemu (ale nie tak bardzo jak poziom serializable), ale to na czym mi zależy to fakt, że wpływa na jego poprawność wykonanego zadania.

Dajcie mi znać co sami o tym myślicie, dzięki.

Co taki MVCC zmienia z perspetywy transakcji, a właściwie co tak naprawdę wnosi?

Robi się mniej poziomów izolacji transakcji. Kto by tam chciał read uncommited? (Jaki problem rozwiązuje taki poziom izolacji? Chyba tylko problem blokujących odczytów...)

Powiedzcie mi czy wy o takich rzeczach w ogóle myślicie? A jeśli tak to czy stosujecie na to blokady? Co musi się stać w zadaniu byś myślał o blokadach? A jeśli stosujecie blokady to jaki w zasadzie macie wtedy pożytek z MVCC?

Nieblokujące zapisy i odczyty to jest fantastyczna rzecz z perspektywy wydajności systemów grzebiących w bazach. Baza nie wie nic n/t danych i sposobu w jaki są one wykorzystywane, po prostu ma blokady na ogólniejszym poziomie (przez co są mniej elastyczne). Mając wiedzę w jaki sposób dane są przetwarzane, przez ile procesów, można pokusić się o implementację lepszej strategii dostępu do nich (własne blokady mogą być lżejsze od tego co oferuje baza).

W jaki sposób stosuję blokady? Tak jak każde inne locki - najkrótsze jak się da.
a) LOCK TABLE EXCLUSIVE - zdarzyło mi się, ze 2 razy w życiu (raz jak nie wiedziałem jak działają bazy, a drugi raz jak już wiedziałem i wiedziałem dlaczego była to akceptowalna opcja)
b) SELECT * FROM TABELKA WHERE WARUNEK FOR UPDATE (blokujące blokowanie zakresu wierszy)
c) SELECT * FROM TABELKA WHERE WARUNEK FOR UPDATE SKIP LOCKED ROWS (nieblokujące blokowanie zakresu wierszy)
d) select * from moje_semafory where semafor='FOOBAR' FOR UPDATE WAIT (taki tam semafor - czasem do synchronizacji jobów bazodanowych)

To co opisałeś, czyli każde zapytanie w transakcji widzące inny stan danych to poziom izolacji znany jako read commited i rzeczywiście jest podatny na tego typu problemy które opisałeś.
MVCC pozwala jednak na implementację snapshot isolation gdzie wszystkie query w transakcji widzą jeden, konsystentny obraz bazy danych. Nie oznacza to jednak kłopotów, bo ciągle jesteśmy podatni na write skew. Jeśli chodzi o radzenie sobie z tym problemem to jednym z rozwiązań jest materializing conflicts czyli na przykład stworzenie dodatkowej tabeli jedynie na cele lockowania. Według Martina Kleppermana nie jest to jednak najlepsze rozwiązanie:

This approach is called materializing conflicts, because it takes a phantom and
turns it into a lock conflict on a concrete set of rows that exist in the database
[11]. Unfortunately, it can be hard and error-prone to figure out how to
materialize conflicts, and it’s ugly to let a concurrency control mechanism leak
into the application data model. For those reasons, materializing conflicts should
be considered a last resort if no alternative is possible. A serializable isolation
level is much preferable in most cases

Z Designing Data-Intensive Applications - świetna książka, polecam rozdział 7.

W przypadku write skew które redukuje się do lost update (transakcje modyfikujące ten sam obiekt w bazie danych) możemy liczyć na to, że przy snapshot isolation sama baza danych wykryje konflikt i zrobi abort (co nam pozwala na retry):

An advantage of this approach is that databases can perform this check
efficiently in conjunction with snapshot isolation. Indeed, PostgreSQL’s
repeatable read, Oracle’s serializable, and SQL Server’s snapshot isolation levels
automatically detect when a lost update has occurred and abort the offending
transaction. However, MySQL/InnoDB’s repeatable read does not detect lost
updates [23]. Some authors [28, 30] argue that a database must prevent lost
updates in order to qualify as providing snapshot isolation, so MySQL does not
provide snapshot isolation under this definition.