DB2 9 根柢(730 考试)认证指南,第 6 部分: 数据并发性(6)

2024-01-10 05:40

本文主要是介绍DB2 9 根柢(730 考试)认证指南,第 6 部分: 数据并发性(6),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

developerWorks








结束语

本教程旨在介绍数据分歧性的不雅念,以及 DB2 9 在单用户和多用户状况下用来维护数据库分歧性的各种机制。假如用户忘掉了举办统统需求的变动,大年夜约假如在用户举办变动的进程中系统崩溃了,又大年夜约数据库应用步伐由于某种启事过早地中缀了,数据库都会变得不平等。当几个用户同时访谒分歧数据库时,也或许发作不平等的状况。比如,一个用户或许在得外地更新统统表之前读取另一个用户的变动,并凭据所读取的不是终极的数据值举办了一些不适合的应用或举办了错误的变动。为了灌注数据不平等(尤其是在多用户状况中),DB2 9 的垦荒人员将下列数据分歧性支撑机制兼并到其方案中:

  • 工作
  • 隔离级别


工作(也称为任务单位)是一种将一个或多个 SQL 应用组织成一个单位的可规复序列,素日位于应用步伐进程中。工作的启动和中缀界说了数据库分歧性点;要么将工作中实验的统统 SQL 应用的结果都应用于数据库(提交),要么完全取消并丢弃已实验的统统 SQL 应用的结果(回滚)。在这两种状况下,数据库都保证在每个工作竣事后处于分歧的形状。

维护数据库分歧性和数据无缺性,同时又容许多个应用步伐同时访谒分歧数据,这种特性称为并发性。在 DB2 中,并发性是经由应用隔离级别完成的。可以应用四种差另外隔离级别:

  • 可反复的读
  • 读动摇性
  • 游标动摇性
  • 未提交的读


可反复的读隔离级别可以灌注统统征象,但是会大年夜大年夜低沉并发性的程度(可以同时访谒分歧资源的工作数量)。未提交的读隔离级别提供了最大年夜的并发性,但是脏读、不行反复的读和幻像都或许泛起。

除了隔离级别,DB2 经由对锁的应用在多用户状况下提供并发性。锁是一种用来将数据资源与单个工作讨论相干起来的机制,其用处是控制其他工作在资源与拥有锁的工作相讨论相干的状况下怎样与资源举办交互。可以应用几种不同类型的锁:

  • 意向无(IN)
  • 意向共享(IS)
  • 下一键共享(NS)
  • 共享(S)
  • 意向互斥(IX)
  • 带意向互斥的共享(SIX)
  • 更新(U)
  • 下一键弱互斥(NW)
  • 互斥(X)
  • 弱互斥(W)
  • 超等互斥(Z)


为了维护数据无缺性,DB2 数据库打点步伐隐式地获取锁,获取的统统锁都在 DB2 数据库打点步伐的控制之下。锁可以摆设在表空间、表和行上。

为了举办优化以获取最大年夜的并发性,行级锁素日比表级锁更好,由于它们所限定访谒的资源要小得多。但是,由于所获取的每个锁都需求必然命量的存储空间和处理责罚时间来举办打点,所以单个表级锁需求的开支比几个单独的行级锁低。




版权声明: 原创作品,容许转载,转载时请务必以超链接体例标明文章 原始情由 、作者信息和本声明。否则将清查法令责任。

转载于:https://www.cnblogs.com/zgqjymx/archive/2011/03/07/1972941.html

这篇关于DB2 9 根柢(730 考试)认证指南,第 6 部分: 数据并发性(6)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/589728

相关文章

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题

题库来源:安全生产模拟考试一点通公众号小程序 2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题是由安全生产模拟考试一点通提供,流动式起重机司机证模拟考试题库是根据流动式起重机司机最新版教材,流动式起重机司机大纲整理而成(含2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题参考答案和部分工种参考解析),掌握本资料和学校方法,考试容易。流动式起重机司机考试技

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了