死锁检测本身不卡顿,但高并发下频繁触发会拖慢整个事务队列;单表批量UPDATE易因全表扫描、行序不一致、未用索引的ORDER BY/LIMIT引发死锁检测;SHOW PROCESSLIST看不到死锁因检测后仅回滚一个事务,其余仍等待持锁者提交;应监控长事务、锁等待次数及平均等待时间。

死锁检测本身不卡顿,但高并发下频繁触发会拖慢整个事务队列
MySQL 的死锁检测是轻量级的图遍历(wait-for graph),单次开销极小,不会直接导致卡顿。真正让系统“卡住”的,是大量事务在等待锁的过程中,被反复卷入死锁检测流程——尤其是当多个事务同时尝试批量更新同一张表的多行时,InnoDB 会为每条匹配行加 X 锁,而这些锁的持有/等待关系极易形成环,触发检测;检测一启动,所有涉及事务都会被短暂挂起参与图分析,线程调度压力陡增。
单表批量 UPDATE 容易触发死锁检测的三个技术原因
不是语句本身有问题,而是执行路径天然容易撞上死锁检测的敏感区:
-
WHERE条件没走索引 → 触发全表扫描 → InnoDB 升级为表级意向锁 + 大量行锁 → 锁数量爆炸,冲突概率指数上升 - 批量更新的行顺序不一致 → 事务 A 按 id 升序更新,事务 B 按 create_time 降序更新,哪怕只改同一张表,也大概率形成交叉等待链
- 使用
ORDER BY或LIMIT但未配合索引 → 排序过程引入临时锁或间隙锁(Gap Lock),尤其在REPEATABLE READ隔离级别下,UPDATE ... WHERE status = 'pending' ORDER BY id LIMIT 100会锁住满足条件的所有间隙,而非仅目标行
为什么 SHOW PROCESSLIST 看不到死锁,却一直卡着
这是最典型的误判场景:死锁检测成功后,MySQL 会自动回滚其中一个事务(报错 Deadlock found when trying to get lock),但剩下的事务仍卡在 Waiting for row lock 或 Updating 状态,因为持锁者还没提交。此时 SHOW FULL PROCESSLIST 里看不到 “Deadlock” 字样,但你能看到:
安装、修复、更新或打包一个基于 Python 和 PyMySQL 实现的 Windows `mysql` 命令。适用于用户希望在 PowerShell/CMD 中输入 `mysql` 时重定向到 Python 实现、需要交互式输入 MySQL 连接信息、需要同步到当前用户本地 bin 目录,或需要将该能力封装成可公开复用的 Codex skill。
- 多个连接的
State是Updating,Time持续增长(> 30s) -
Info列显示相同表、相似UPDATE语句,例如都是UPDATE orders SET status = 'processed' WHERE batch_id = ? - 用
SELECT * FROM sys.innodb_lock_waits查,blocking_pid对应的事务TRX_STATE是LOCK WAIT或RUNNING,但TRX_STARTED时间远早于当前时间 → 基本确定是长事务未提交,而非死锁残留
真正该盯住的配置和监控点
别只盯着死锁日志,生产环境卡顿往往来自“死锁检测高频触发 + 持锁者不释放”的组合拳:
- 检查
innodb_deadlock_detect是否为ON(默认是)→ 关掉它不能解决问题,只会让等待变成超时,更难定位 - 确认
innodb_lock_wait_timeout值(默认 50 秒)→ 如果业务能接受 5 秒内失败重试,建议设为5,避免线程长时间堆积 - 重点查
information_schema.INNODB_TRX中TRX_ROWS_LOCKED> 1000 且TRX_STARTED超过 10 秒的事务 → 这类事务大概率是批量更新没控制好范围,或隐式开启了事务却忘了COMMIT - 监控
Innodb_row_lock_waits和Innodb_row_lock_time_avg(通过SHOW STATUS LIKE 'Innodb_row_lock%')→ 平均锁等待时间突然飙升,比死锁次数更能反映真实卡顿根源
复杂点在于:批量更新是否加锁、加多少锁、何时释放,取决于索引结构、WHERE 条件、隔离级别、甚至 MySQL 版本对间隙锁的处理逻辑。一个 UPDATE 语句,在 8.0.33 和 9.6.0 上的锁行为可能完全不同,不能靠经验硬套。










