1.隔离级别介绍
隔离级别并不是某个SQL数据库所特有的，而所有SQL数据库都要实现的一种并发事务隔离机制。隔离性其实比想象的要复杂。在SQL标准中定义了四种隔离级别，每一种隔离级别都规定了一个事务中所作的修改，哪些在事务内和事务间是可见的，哪些是不可见的。较低的级别的隔离通常可以执行更高的并发，系统的开销也更低，然而数据的改变在事务间几乎是透明，也更容易引发各种无法预估的问题。下面简单介绍下四种隔离级别：
Read Uncommitted（未提交读）
在Read Uncommitted级别，事务的修改，即使没有提交，对其他事务也是可见的。事务可以读取其它事务未提交的数据，这也被称为脏读（Dirty Read）。这个级别会导致很多问题，从性能上说，Read Uncommitted不会比其他级别好太多，但缺乏其他级别的很多好处。除非真的有非常必要的理由，在实际应用中一般很少使用。
Read Committed（已提交读）
大多数数据库的默认隔离级别都是Read Committed（但MySQL 不是）。Read Committed满足隔离性的简单定义：一个事务开始时，只能看见已经提交的事务所作的修改。换句话说，一个事务从开始知道提交之前，所作的任何修改对其它事务是不可见的。这个级别有时候也叫做不可重复读（Nonrepeatable Read），因为事务可以读到另一个事务提交的数据，可能存在先后两次读取到的数据不一致（中间存在另一个事务提交的数据），执行两次同样的查询，得到的结果不一致。
Repeatable Read（可重复读，MySQL默认隔离级别）
Repeatable Read解决了不可重复读的问题。该级别保证了在同一个事务中多次读取同样的记录的结果是一致的。但是理论上，可重复读隔离级别还是无法解决另外一个幻读问题。所谓幻读，指的是当某个事务在读取某个范围内的记录时，另一个事务又在这个范围内插入了新记录，当之前的事务再次读取该范围的记录，会产生幻行。也就是说可重复读只会在修改事务有效，比如一个事务先后读取同一个范围的记录，而在这中间另一个事务对某一条记录做了修改，当前事务两次读取到的结果是一样的，但是如果是新增数据就会产生幻读的现象。为了解决在可重复读级别下发生的幻读的问题，MySQL的InnoDB和XtraDB存储引擎通过多版本并发控制机制（MVCC）解决了幻读的问题。
Serializable（可串化读）
Serializable是最高的隔离级别。它通过强制事务串行执行，避免幻读问题。简单来说Serializable会在读取的每一行上加锁，所以可能导致大量的超时和锁竞争问题。实际开发中也很少用到这个隔离级别，只有在非常需要保证数据的一致性而且可以接受没有并发的情况下，才考虑采用该级别。
2.隔离级别演示
以mysql演示前三个隔离级别（串读个人觉得没啥必要）。以表user(id,name,salary)为例。
Read Uncommitted（未提交读）演示
设置隔离级别为Read Uncommitted，并开启两个事务A，B。事务A先开启事务并查询user，数据为空。
mysql> set session transaction isolation level read uncommitted; --设置隔离级别 Query OK, 0 rows affected mysql> start transaction; --事务A Query OK, 0 rows affected mysql> select * from user;--查询user表，数据为空 Empty set
再开启事务B，新增一条记录不提交。
mysql> set session transaction isolation level read uncommitted; --设置隔离级别
Query OK, 0 rows affected
mysql> start transaction; --事务B
Query OK, 0 rows affected
mysql> insert into user(name,salary) values ('jack',1000); --插入一条数据未提交
Query OK, 1 row affected
mysql>
这时事务A再查user表能查到数据，查到B未提交的数据
mysql> set session transaction isolation level read uncommitted; Query OK, 0 rows affected mysql> start transaction; Query OK, 0 rows affected mysql> select * from user; Empty set mysql> select * from user; --事务A再查询，能查到数据 +----+------+--------+ | id | name | salary | +----+------+--------+ | 1 | jack | 1000 | +----+------+--------+ 1 row in set