Azure Data Studio 事务隔离级别设置问题解析
2025-05-29 17:47:30作者:管翌锬
问题背景
在数据库管理工具Azure Data Studio(ADS)中,用户发现了一个关于事务隔离级别设置的异常行为。当用户尝试通过T-SQL语句SET TRANSACTION ISOLATION LEVEL修改当前会话的事务隔离级别时,设置无法持久生效,系统仍然保持默认的"read committed"隔离级别。
问题现象
用户在使用Azure Data Studio 1.48.0版本时发现:
- 单独执行
SET TRANSACTION ISOLATION LEVEL SERIALIZABLE语句后 - 再执行
DBCC USEROPTIONS查看当前设置 - 结果显示事务隔离级别仍为"read committed"
然而,当这两条语句在同一批处理中执行时,隔离级别设置能够正确显示。这表明ADS在批处理之间重置了会话级别的设置。
技术分析
通过扩展事件会话追踪发现,Azure Data Studio在每次执行查询时都会自动重置所有ANSI标志和事务隔离级别。这种行为与SQL Server Management Studio(SSMS)不同,SSMS会保持用户设置的会话级别参数直到显式更改。
这种行为源于ADS的设计实现:它将所有查询选项(包括隔离级别)在每次查询执行时都重新设置,而不是像SSMS那样将选项分为两类(一些只在会话初始化时设置,另一些每次查询执行时重置)。
影响评估
这种设计带来了几个重要影响:
- 违反了SQL Server文档中关于
SET TRANSACTION ISOLATION LEVEL的说明:"只能设置一个隔离级别选项,并且它会保持设置直到显式更改" - 与用户长期使用数据库客户端工具的习惯不符
- 可能导致开发人员在不知情的情况下使用了错误的隔离级别
- 在高并发场景下可能引发意外的数据一致性问题
解决方案
微软开发团队已经确认这是一个需要修复的问题。相关修复已合并到代码库中,并计划在1.49.0版本(2023年7月发布)中包含此修复。新版本将调整选项设置方式,使其行为与SSMS保持一致。
临时应对措施
在修复版本发布前,用户可以采用以下临时解决方案:
- 将所有相关语句(包括隔离级别设置和后续查询)放在同一批处理中执行
- 避免在批处理之间依赖会话级别的设置
- 对于关键事务,在每个查询前显式设置所需隔离级别
总结
事务隔离级别是数据库并发控制的核心机制,正确的设置对保证数据一致性至关重要。Azure Data Studio的这一行为虽然出于特定设计考虑,但与标准实践存在差异。开发团队已认识到问题并积极修复,体现了对产品完善和用户体验的重视。用户应关注即将发布的1.49.0版本,以获得更符合预期的行为。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218