背景
以前接触到的数据库死锁，都是批量更新时加锁顺序不一致而导致的死锁，但是上周却遇到了一个很难理解的死锁。借着这个机会又重新学习了一下 mysql 的死锁知识以及常见的死锁场景。在多方调研以及和同事们的讨论下终于发现了这个死锁问题的成因，收获颇多。虽然是后端程序员，我们不需要像 DBA 一样深入地去分析与锁相关的源码，但是如果我们能够掌握基本的死锁排查方法，对我们的日常开发还是大有裨益的。
PS：本文不会介绍死锁的基本知识，mysql 的加锁原理可以参考本文的参考资料提供的链接。
死锁起因
先介绍一下数据库和表情况，因为涉及到公司内部真是的数据，所以以下都做了模拟，不会影响具体的分析。
我们采用的是 5.5 版本的 mysql 数据库，事务隔离级别是默认的 RR（Repeatable-Read），采用 innodb 引擎。假设存在 test 表：
- CREATE TABLE `test` (
- `id` int(11) unsigned NOT NULL AUTO_INCREMENT,
- `a` int(11) unsigned DEFAULT NULL,
- PRIMARY KEY (`id`),
- UNIQUE KEY `a` (`a`)
- ) ENGINE=InnoDB AUTO_INCREMENT=100 DEFAULT CHARSET=utf8;
表的结构很简单，一个主键 id，另一个***索引 a。表里的数据如下：
- mysql> select * from test;
- +----+------+
- | id | a |
- +----+------+
- | 1 | 1 |
- | 2 | 2 |
- | 4 | 4 |
- +----+------+
- 3 rows in set (0.00 sec)
出现死锁的操作如下：
| 步骤 | 事务 1 | 事务 2 |
|---|---|---|
| 1 | begin | |
| 2 | delete from test where a = 2; | |
| 3 | begin | |
| 4 | delete from test where a = 2; （事务 1 卡住） | |
| 5 | 提示出现死锁：ERROR 1213 (40001): Deadlock found when trying to get lock; try restarting transaction | insert into test (id, a) values (10, 2); |
然后我们可以通过 SHOW ENGINE INNODB STATUS; 来查看死锁日志：
- ------------------------
- LATEST DETECTED DEADLOCK
- ------------------------
- 170219 13:31:31
- *** (1) TRANSACTION:
- TRANSACTION 2A8BD, ACTIVE 11 sec starting index read
- mysql tables in use 1, locked 1
- LOCK WAIT 2 lock struct(s), heap size 376, 1 row lock(s)
- MySQL thread id 448218, OS thread handle 0x2abe5fb5d700, query id 18923238 renjun.fangcloud.net 121.41.41.92 root updating
- delete from test where a = 2
- *** (1) WAITING FOR THIS LOCK TO BE GRANTED:
- RECORD LOCKS space id 0 page no 923 n bits 80 index `a` of table `oauthdemo`.`test` trx id 2A8BD lock_mode X waiting
- Record lock, heap no 3 PHYSICAL RECORD: n_fields 2; compact format; info bits 32
- 0: len 4; hex 00000002; asc ;;
- 1: len 4; hex 00000002; asc ;;
- *** (2) TRANSACTION:
- TRANSACTION 2A8BC, ACTIVE 18 sec inserting
- mysql tables in use 1, locked 1
- 4 lock struct(s), heap size 1248, 3 row lock(s), undo log entries 2
- MySQL thread id 448217, OS thread handle 0x2abe5fd65700, query id 18923239 renjun.fangcloud.net 121.41.41.92 root update
- insert into test (id,a) values (10,2)
- *** (2) HOLDS THE LOCK(S):
- RECORD LOCKS space id 0 page no 923 n bits 80 index `a` of table `oauthdemo`.`test` trx id 2A8BC lock_mode X locks rec but not gap
- Record lock, heap no 3 PHYSICAL RECORD: n_fields 2; compact format; info bits 32
- 0: len 4; hex 00000002; asc ;;
- 1: len 4; hex 00000002; asc ;;
- *** (2) WAITING FOR THIS LOCK TO BE GRANTED:
- RECORD LOCKS space id 0 page no 923 n bits 80 index `a` of table `oauthdemo`.`test` trx id 2A8BC lock mode S waiting
- Record lock, heap no 3 PHYSICAL RECORD: n_fields 2; compact format; info bits 32
- 0: len 4; hex 00000002; asc ;;
- 1: len 4; hex 00000002; asc ;;
- *** WE ROLL BACK TRANSACTION (1)
分析
阅读死锁日志
遇到死锁，***步就是阅读死锁日志。死锁日志通常分为两部分，上半部分说明了事务 1 在等待什么锁：
- 170219 13:31:31
- *** (1) TRANSACTION:
- TRANSACTION 2A8BD, ACTIVE 11 sec starting index read
- mysql tables in use 1, locked 1
- LOCK WAIT 2 lock struct(s), heap size 376, 1 row lock(s)
- MySQL thread id 448218, OS thread handle 0x2abe5fb5d700, query id 18923238 renjun.fangcloud.net 121.41.41.92 root updating
- delete from test where a = 2
- *** (1) WAITING FOR THIS LOCK TO BE GRANTED:
- RECORD LOCKS space id 0 page no 923 n bits 80 index `a` of table `oauthdemo`.`test` trx id 2A8BD lock_mode X waiting
- Record lock, heap no 3 PHYSICAL RECORD: n_fields 2; compact format; info bits 32
- 0: len 4; hex 00000002; asc ;;
- 1: len 4; hex 00000002; asc ;;
从日志里我们可以看到事务 1 当前正在执行 delete from test where a = 2，该条语句正在申请索引 a 的 X 锁，所以提示 lock_mode X waiting。
然后日志的下半部分说明了事务 2 当前持有的锁以及等待的锁：
- *** (2) TRANSACTION:
- TRANSACTION 2A8BC, ACTIVE 18 sec inserting
- mysql tables in use 1, locked 1
- 4 lock struct(s), heap size 1248, 3 row lock(s), undo log entries 2
- MySQL thread id 448217, OS thread handle 0x2abe5fd65700, query id 18923239 renjun.fangcloud.net 121.41.41.92 root update
- insert into test (id,a) values (10,2)
- *** (2) HOLDS THE LOCK(S):
- RECORD LOCKS space id 0 page no 923 n bits 80 index `a` of table `oauthdemo`.`test` trx id 2A8BC lock_mode X locks rec but not gap
- Record lock, heap no 3 PHYSICAL RECORD: n_fields 2; compact format; info bits 32
- 0: len 4; hex 00000002; asc ;;
- 1: len 4; hex 00000002; asc ;;
- *** (2) WAITING FOR THIS LOCK TO BE GRANTED:
- RECORD LOCKS space id 0 page no 923 n bits 80 index `a` of table `oauthdemo`.`test` trx id 2A8BC lock mode S waiting
- Record lock, heap no 3 PHYSICAL RECORD: n_fields 2; compact format; info bits 32
- 0: len 4; hex 00000002; asc ;;
- 1: len 4; hex 00000002; asc ;;
从日志的 HOLDS THE LOCKS(S) 块中我们可以看到事务 2 持有索引 a 的 X 锁，并且是记录锁（Record Lock）。该锁是通过事务 2 在步骤 2 执行的 delete 语句申请的。由于是 RR 隔离模式下的基于***索引的等值查询（Where a = 2），所以会申请一个记录锁，而非 next-key 锁。
从日志的 WAITING FOR THIS LOCK TO BE GRANTED 块中我们可以看到事务 2 正在申请 S 锁，也就是共享锁。该锁是 insert into test (id,a) values (10,2) 语句申请的。insert 语句在普通情况下是会申请排他锁，也就是 X 锁，但是这里出现了 S 锁。这是因为 a 字段是一个***索引，所以 insert 语句会在插入前进行一次 duplicate key 的检查，为了使这次检查成功，需要申请 S 锁防止其他事务对 a 字段进行修改。
那么为什么该 S 锁会失败呢？这是对同一个字段的锁的申请是需要排队的。S 锁前面还有一个未申请成功的 X 锁，所以 S 锁必须等待，所以形成了循环等待，死锁出现了。
通过阅读死锁日志，我们可以清楚地知道两个事务形成了怎样的循环等待，再加以分析，就可以逆向推断出循环等待的成因，也就是死锁形成的原因。
死锁形成流程图
为了让大家更好地理解死锁形成的原因，我们再通过表格的形式阐述死锁形成的流程：
| 步骤 |
事务 1 | 事务 2 |
|---|---|---|
| 1 | begin | |
| 2 | delete from test where a = 2; 执行成功，事务 2 占有 a=2 下的 X 锁，类型为记录锁。 | |
| 3 | begin | |
| 4 | delete from test where a = 2; 事务 1 希望申请 a=2 下的 X 锁，但是由于事务 2 已经申请了一把 X 锁，两把 X 锁互斥，所以 X 锁申请进入锁请求队列。 | |
| 5 | 出现死锁，事务 1 权重较小，所以被选择回滚（成为牺牲品）。 | insert into test (id, a) values (10, 2); 由于 a 字段建立了***索引，所以需要申请 S 锁以便检查 duplicate key，由于插入的 a 的值还是 2，所以排在 X 锁后面。但是前面的 X 锁的申请只有在事务 2commit 或者 rollback 之后才能成功，此时形成了循环等待，死锁产生。 |
拓展
在排查死锁的过程中，有个同事还发现了上述场景会产生另一种死锁，该场景无法通过手工复现，只有高并发场景下才有可能复现。
该死锁对应的日志这里就不贴出了，与上一个死锁的核心差别是事务 2 等待的锁从 S 锁换成了 X 锁，也就是 lock_mode X locks gap before rec insert intention waiting。我们还是通过表格来详细说明该死锁产生的流程：
| 步骤 |
事务 1 | 事务 2 |
|---|---|---|
| 1 | begin | |
| 2 | delete from test where a = 2; 执行成功，事务 2 占有 a=2 下的 X 锁，类型为记录锁。 | |
| 3 | begin | |
| 4 | 【insert 第 1 阶段】insert into test (id, a) values (10, 2); 事务 2 申请 S 锁进行 duplicate key 进行检查。检查成功。 | |
| 5 | delete from test where a = 2; 事务 1 希望申请 a=2 下的 X 锁，但是由于事务 2 已经申请了一把 X 锁，两把 X 锁互斥，所以 X 锁申请进入锁请求队列。 | |
| 6 | 出现死锁，事务 1 权重较小，所以被选择回滚（成为牺牲品）。 | 【insert 第 2 阶段】insert into test (id, a) values (10, 2); 事务 2 开始插入数据，S 锁升级为 X 锁，类型为 insert intention。同理，X 锁进入队列排队，形成循环等待，死锁产生。 |
总结
排查死锁时，首先需要根据死锁日志分析循环等待的场景，然后根据当前各个事务执行的 SQL 分析出加锁类型以及顺序，逆向推断出如何形成循环等待，这样就能找到死锁产生的原因了。
PS：上述分析都是基于经验的推断，希望其他小伙伴们能够指出当中的错误以及不足指出，谢谢！
