Hemos tenido problemas, durante la alta concurrencia, de consultas que devuelven resultados no sensitivos, resultados que violan la lógica de las consultas que se emiten. Me llevó un tiempo reproducir el problema. Me las arreglé para destilar el problema reproducible a unos pocos puñados de T-SQL.
Nota : La parte del sistema en vivo que tiene el problema se compone de 5 tablas, 4 disparadores, 2 procedimientos almacenados y 2 vistas. He simplificado el sistema real en algo mucho más manejable para una pregunta publicada. Se han reducido las cosas, se han eliminado las columnas, los procedimientos almacenados están en línea, las vistas se han convertido en expresiones de tabla comunes, se han cambiado los valores de las columnas. Todo esto es un largo camino para decir que si bien lo que sigue reproduce un error, puede ser más difícil de entender. Tendrás que abstenerte de preguntarte por qué algo está estructurado de la manera que es. Estoy tratando de averiguar por qué la condición de error ocurre de forma reproducible en este modelo de juguete.
/*
The idea in this system is that people are able to take days off.
We create a table to hold these *"allocations"*,
and declare sample data that only **1** production operator
is allowed to take time off:
*/
IF OBJECT_ID('Allocations') IS NOT NULL DROP TABLE Allocations
CREATE TABLE [dbo].[Allocations](
JobName varchar(50) PRIMARY KEY NOT NULL,
Available int NOT NULL
)
--Sample allocation; there is 1 avaialable slot for this job
INSERT INTO Allocations(JobName, Available)
VALUES ('Production Operator', 1);
/*
Then we open up the system to the world, and everyone puts in for time.
We store these requests for time off as *"transactions"*.
Two production operators requested time off.
We create sample data, and note that one of the users
created their transaction first (by earlier CreatedDate):
*/
IF OBJECT_ID('Transactions') IS NOT NULL DROP TABLE Transactions;
CREATE TABLE [dbo].[Transactions](
TransactionID int NOT NULL PRIMARY KEY CLUSTERED,
JobName varchar(50) NOT NULL,
ApprovalStatus varchar(50) NOT NULL,
CreatedDate datetime NOT NULL
)
--Two sample transactions
INSERT INTO Transactions (TransactionID, JobName, ApprovalStatus, CreatedDate)
VALUES (52625, 'Production Operator', 'Booked', '20140125 12:00:40.820');
INSERT INTO Transactions (TransactionID, JobName, ApprovalStatus, CreatedDate)
VALUES (60981, 'Production Operator', 'WaitingList', '20150125 12:19:44.717');
/*
The allocation, and two sample transactions are now in the database:
*/
--Show the sample data
SELECT * FROM Allocations
SELECT * FROM Transactions
Las transacciones se insertan como WaitingList. A continuación, tenemos una tarea periódica que se ejecuta, buscando espacios vacíos y pone a cualquiera en la lista de espera en un estado reservado.
En una ventana SSMS separada, tenemos el procedimiento almacenado recurrente simulado:
/*
Simulate recurring task that looks for empty slots,
and bumps someone on the waiting list into that slot.
*/
SET NOCOUNT ON;
--Reset the faulty row so we can continue testing
UPDATE Transactions SET ApprovalStatus = 'WaitingList'
WHERE TransactionID = 60981
--DBCC TRACEON(3604,1200,3916,-1) WITH NO_INFOMSGS
DECLARE @attempts int
SET @attempts = 0;
WHILE (@attempts < 1000000)
BEGIN
SET @attempts = @attempts+1;
/*
The concept is that if someone is already "Booked", then they occupy an available slot.
We compare the configured amount of allocations (e.g. 1) to how many slots are used.
If there are any slots leftover, then find the **earliest** created transaction that
is currently on the WaitingList, and set them to Booked.
*/
PRINT '=== Looking for someone to bump ==='
WITH AvailableAllocations AS (
SELECT
a.JobName,
a.Available AS Allocations,
ISNULL(Booked.BookedCount, 0) AS BookedCount,
a.Available-ISNULL(Booked.BookedCount, 0) AS Available
FROM Allocations a
FULL OUTER JOIN (
SELECT t.JobName, COUNT(*) AS BookedCount
FROM Transactions t
WHERE t.ApprovalStatus IN ('Booked')
GROUP BY t.JobName
) Booked
ON a.JobName = Booked.JobName
WHERE a.Available > 0
)
UPDATE Transactions SET ApprovalStatus = 'Booked'
WHERE TransactionID = (
SELECT TOP 1 t.TransactionID
FROM AvailableAllocations aa
INNER JOIN Transactions t
ON aa.JobName = t.JobName
AND t.ApprovalStatus = 'WaitingList'
WHERE aa.Available > 0
ORDER BY t.CreatedDate
)
IF EXISTS(SELECT * FROM Transactions WHERE TransactionID = 60981 AND ApprovalStatus = 'Booked')
begin
--DBCC TRACEOFF(3604,1200,3916,-1) WITH NO_INFOMSGS
RAISERROR('The later tranasction, that should never be booked, managed to get booked!', 16, 1)
BREAK;
END
END
Y finalmente ejecute esto en una tercera ventana de conexión SSMS. Esto simula un problema de concurrencia en el que la transacción anterior pasa de ocupar un espacio, a estar en la lista de espera:
/*
Toggle the earlier transaction back to "WaitingList".
This means there are two possibilies:
a) the transaction is "Booked", meaning no slots are available.
Therefore nobody should get bumped into "Booked"
b) the transaction is "WaitingList",
meaning 1 slot is open and both tranasctions are "WaitingList"
The earliest transaction should then get "Booked" into the slot.
There is no time when there is an open slot where the
first transaction shouldn't be the one to get it - he got there first.
*/
SET NOCOUNT ON;
--Reset the faulty row so we can continue testing
UPDATE Transactions SET ApprovalStatus = 'WaitingList'
WHERE TransactionID = 60981
DECLARE @attempts int
SET @attempts = 0;
WHILE (@attempts < 100000)
BEGIN
SET @attempts = @attempts+1
/*Flip the earlier transaction from Booked back to WaitingList
Because it's now on the waiting list -> there is a free slot.
Because there is a free slot -> a transaction can be booked.
Because this is the earlier transaction -> it should always be chosen to be booked
*/
--DBCC TRACEON(3604,1200,3916,-1) WITH NO_INFOMSGS
PRINT '=== Putting the earlier created transaction on the waiting list ==='
UPDATE Transactions
SET ApprovalStatus = 'WaitingList'
WHERE TransactionID = 52625
--DBCC TRACEOFF(3604,1200,3916,-1) WITH NO_INFOMSGS
IF EXISTS(SELECT * FROM Transactions WHERE TransactionID = 60981 AND ApprovalStatus = 'Booked')
begin
RAISERROR('The later tranasction, that should never be booked, managed to get booked!', 16, 1)
BREAK;
END
END
Conceptualmente, el chocar procedimiento mantiene en busca de cualquiera de las ranuras vacías. Si encuentra uno, toma la primera transacción que está en el WaitingListy lo marca como Booked.
Cuando se prueba sin concurrencia, la lógica funciona. Tenemos dos transacciones:
- 12:00 pm: Lista de espera
- 12:20 pm: Lista de espera
Hay 1 asignación y 0 transacciones reservadas, por lo que marcamos la transacción anterior como reservada:
- 12:00 pm: reservado
- 12:20 pm: Lista de espera
La próxima vez que se ejecute la tarea, ahora hay una ranura ocupada, por lo que no hay nada que actualizar.
Si luego actualizamos la primera transacción y la colocamos en WaitingList:
UPDATE Transactions SET ApprovalStatus='WaitingList'
WHERE TransactionID = 60981
Luego volvemos a donde comenzamos:
- 12:00 pm: Lista de espera
- 12:20 pm: Lista de espera
Nota : Puede que se pregunte por qué vuelvo a colocar una transacción en la lista de espera. Esa es una baja del modelo de juguete simplificado. En el sistema real, las transacciones pueden ser
PendingApproval, que también ocupa un espacio. Una transacción de aprobación pendiente se coloca en la lista de espera cuando se aprueba. No importa No te preocupes por eso.
Pero cuando introduzco la concurrencia, al tener una segunda ventana que vuelve a colocar constantemente la primera transacción en la lista de espera después de ser reservada, la transacción posterior logró obtener la reserva:
- 12:00 pm: Lista de espera
- 12:20 pm: reservado
Los scripts de prueba de juguete captan esto y dejan de iterar:
Msg 50000, Level 16, State 1, Line 41
The later tranasction, that should never be booked, managed to get booked!
¿Por qué?
La pregunta es, ¿por qué en este modelo de juguete, se está desencadenando esta condición de rescate?
Hay dos estados posibles para el estado de aprobación de la primera transacción:
- Reservado : en cuyo caso el espacio está ocupado y la transacción posterior no puede tenerlo
- WaitingList : en cuyo caso hay un espacio vacío y dos transacciones que lo desean. Pero dado que siempre somos
selectla transacción más antigua (es decirORDER BY CreatedDate), la primera transacción debería obtenerla.
Pensé que tal vez por otros índices
Aprendí que después de que se inicia una ACTUALIZACIÓN y se modifican los datos , es posible leer los valores anteriores. En las condiciones iniciales:
- Índice agrupado :
Booked - Índice no agrupado :
Booked
Luego hago una actualización, y aunque el nodo hoja de índice agrupado ha sido modificado, cualquier índice no agrupado todavía contiene el valor original y todavía está disponible para leer:
- Índice agrupado (bloqueo exclusivo):
BookedWaitingList - Índice no agrupado : (desbloqueado)
Booked
Pero eso no explica el problema observado. Sí, la transacción ya no está reservada , lo que significa que ahora hay un espacio vacío. Pero ese cambio aún no se ha comprometido, todavía se mantiene exclusivamente. Si se ejecuta el procedimiento de choque, ya sea:
- bloque: si la opción de base de datos de aislamiento de instantánea está desactivada
- lea el valor anterior (p
Booked. ej. ): si el aislamiento de instantánea está activado
De cualquier manera, el trabajo de choque no sabría que hay una ranura vacía.
Entonces no tengo idea
Hemos estado luchando durante días para descubrir cómo podrían suceder estos resultados sin sentido.
Puede que no entiendas el sistema original, pero hay un conjunto de guiones reproducibles de juguete. Se rescatan cuando se detecta el caso no válido. ¿Por qué se está detectando? Por que esta sucediendo?
Pregunta extra
¿Cómo resuelve NASDAQ esto? ¿Cómo funciona cavirtex? ¿Cómo funciona mtgox?
tl; dr
Hay tres bloques de guiones. Póngalos en 3 pestañas SSMS separadas y ejecútelos. El segundo y tercer guiones generarán un error. Ayúdame a descubrir por qué aparece el error.
