1. 问题现象：事务提交后查询到旧数据的诡异现象
最近在排查一个Spring事务相关的诡异问题：在某个业务方法中，我们明确执行了数据修改操作并提交了事务，但后续查询时却返回了修改前的旧数据。这种"幽灵数据"现象让团队困惑不已，明明数据库事务日志显示更新已提交，但应用层却像被施了障眼法。
典型场景复现：
java复制@Transactional
public void updateAndQuery(Long id) {
// 步骤1：更新用户状态为1
userRepository.updateStatus(id, 1);
// 步骤2：立即查询同一用户
User user = userRepository.findById(id);
// 此处user.getStatus()返回的竟然是0！
}
2. 核心原理：Spring事务工作机制深度解析
2.1 Spring事务的代理机制
Spring通过AOP实现事务管理，关键点在于：
- 使用JDK动态代理或CGLIB生成代理对象
- 在@Transactional方法调用时开启事务
- 方法执行成功后提交事务
- 异常时回滚事务
2.2 事务隔离级别的影响
MySQL默认使用REPEATABLE READ隔离级别，这意味着：
- 同一事务内多次读取会保持一致性视图
- 但不同事务间的可见性需要特别注意
隔离级别对照表：
| 隔离级别 | 脏读 | 不可重复读 | 幻读 | 备注 |
|---|---|---|---|---|
| READ UNCOMMITTED | ✓ | ✓ | ✓ | 性能最高但问题最多 |
| READ COMMITTED | × | ✓ | ✓ | Oracle默认级别 |
| REPEATABLE READ | × | × | ✓ | MySQL默认级别 |
| SERIALIZABLE | × | × | × | 最严格但性能最差 |
3. 问题根因分析
3.1 一级缓存与事务的交互问题
Hibernate/JPA的一级缓存（Session缓存）会导致：
- 同一事务内相同查询会直接返回缓存对象
- 即使执行了update语句，缓存对象不会自动更新
3.2 事务传播行为的陷阱
如果方法调用链中存在不同传播行为（如REQUIRES_NEW），可能导致：
- 外层事务看不到内层事务的修改
- 内层事务提交后数据未及时刷新到主内存
3.3 数据库连接池的缓存效应
某些连接池（如HikariCP）可能缓存查询结果，导致：
- 相同SQL短时间内返回缓存结果
- 即使底层数据已变更
4. 解决方案与实战技巧
4.1 强制刷新缓存
java复制@Transactional
public void updateAndQuery(Long id) {
userRepository.updateStatus(id, 1);
entityManager.flush(); // 强制同步到数据库
entityManager.clear(); // 清除一级缓存
User user = userRepository.findById(id);
// 现在能获取到最新数据
}
4.2 调整事务隔离级别
java复制@Transactional(isolation = Isolation.READ_COMMITTED)
public void updateAndQuery(Long id) {
// ...
}
4.3 使用原生SQL查询绕过缓存
java复制@Query(value = "SELECT * FROM users WHERE id = ?1", nativeQuery = true)
User findByIdNative(Long id);
5. 最佳实践与避坑指南
-
事务设计原则：
- 保持事务方法短小精悍
- 避免在事务内进行远程调用
- 读写分离考虑使用@Transactional(readOnly=true)
-
缓存管理技巧：
- 关键修改后手动flush()
- 复杂业务流中适时clear()缓存
- 考虑使用@CacheEvict同步更新缓存
-
监控与排查工具：
- 开启Spring事务调试日志：
properties复制logging.level.org.springframework.transaction=DEBUG - 使用Arthas等工具动态观察事务状态
- 开启Spring事务调试日志：
-
性能权衡建议：
- 读多写少场景：REPEATABLE READ+缓存
- 写密集场景：READ COMMITTED+适时清除缓存
6. 扩展思考：分布式事务下的数据一致性
当系统演进到微服务架构时，还会遇到：
- 跨服务数据修改的可见性问题
- Saga模式下的最终一致性挑战
- Seata等分布式事务方案的选型考量
这个看似简单的"数据不同步"问题，实际上涉及了Spring事务管理、ORM框架、数据库隔离级别、连接池实现等多层技术栈的交互。理解这些底层机制，才能写出健壮的事务代码。