1. 论文基本信息

1.1. 标题

CONCURRENCY CONTROL IN REAL TIME DATABASE SYSTEMS: ISSUES AND CHALLENGES (实时数据库系统中的并发控制：问题与挑战)

1.2. 作者

• Manoj Kr. Gupta (助理教授，Rukmini Devi 高级研究所，德里)
• Rakesh Kr. Arora (助理教授，Rukmini Devi 高级研究所，德里)
• Somendra Kumar (讲师，Rukmini Devi 高级研究所，德里)

1.3. 发表期刊/会议

原文未明确指出发表期刊或会议。

1.4. 发表年份

原文未明确指出发表年份。

1.5. 摘要

实时数据库系统 (Real Time Database Systems, RTDBS) 具有巨大的研究潜力。与传统数据库系统 (conventional Database Systems) 的问题和挑战不同，RTDBS 必须确保事务 (transactions) 具有优先级 (prioritized) 并在指定的时间约束 (time constraints) 内执行。大多数传统数据库系统使用的并发控制技术 (concurrency control techniques) 不适用于 RTDBS，因为这些技术本质上是概率性的 (probabilistic in nature)，并且其中不存在优先级的概念。本文重点关注 RTDBS 中并发控制相关的各种问题和挑战，并提出了一些适用于 RTDBS 的并发控制技术。

1.6. 原文链接

/files/papers/6946443b3e1288a634f1bda9/paper.pdf (发布状态未知)

2. 整体概括

2.1. 研究背景与动机

随着移动电话 (mobile phones) 和其他自动化嵌入式系统 (automated embedded systems) 的广泛应用，实时系统 (real time systems) 和实时数据库系统 (RTDBS) 变得越来越流行。这些应用需要数据库系统，但传统数据库系统 (conventional database systems) 无法保证时间约束 (time constraint) 的上限，这促使了 RTDBS 概念的兴起。

核心问题: 传统数据库系统主要关注平均响应时间 (average response time) 和数据一致性 (consistency)，但缺乏对时间约束和事务优先级的考虑。这使得它们不适用于那些对时间敏感的应用，因为在 RTDBS 中，任务不仅要正确完成，还要在规定的时间内完成，否则结果的有效性甚至系统的正确性都会受到严重影响。

现有挑战或空白 (Gap):

• 传统数据库系统中的并发控制技术本质上是概率性的，并且没有优先级概念，因此不适用于 RTDBS。

• RTDBS 需在保证数据一致性的同时，满足事务的严格时间约束。

• RTDBS 需要能够处理实时数据 (temporal data)，这些数据的有效性会随时间变化。

  论文的切入点或创新思路: 本文旨在通过回顾 RTDBS 中并发控制的特定问题和挑战，并提出一些经过修改或专门设计的并发控制技术，来填补传统方法在 RTDBS 应用中的不足。

2.2. 核心贡献/主要发现

本文的主要贡献体现在以下几个方面：

• 明确区分了传统数据库系统与实时数据库系统 (RTDBS) 的差异: 强调了 RTDBS 独有的时间特性、时间约束和性能目标。
• 深入探讨了实时系统 (RTS) 的分类: 根据截止时间 (deadline) 将 RTS 分为硬实时系统 (Hard real-time system)、软实时系统 (Soft real-time system) 和混合实时系统 (Mixed real-time system)。
• 详细分析了 RTDBS 中事务的特征: 从数据使用方式、时间约束性质以及错过截止时间的后果等方面进行了分类（硬截止时间事务 hard deadline transactions、软截止时间事务 soft deadline transactions、坚定截止时间事务 firm deadline transactions）。
• 识别并阐述了 RTDBS 的设计问题和挑战: 例如，时间约束、处理时间数据、性能指标的差异、数据访问延迟、复杂协议带来的不可预测性以及回滚的级联效应。
• 对并发控制算法进行了分类和分析: 区分了悲观算法 (Pessimistic algorithms) 和乐观算法 (Optimistic algorithms)，以及基于锁 (Locking Based) 和基于时间戳排序 (Timestamp-Ordering Based) 的方法。
• 提出了针对 RTDBS 优化的并发控制技术: 针对传统锁机制在 RTDBS 中的不足，介绍了具有优先级继承 (Priority Inheritance)、最高锁定者 (Highest Locker) 和优先级上限 (Priority Ceiling) 的两阶段锁定 (Two-Phase Locking) 算法，以及基于时间戳排序和乐观并发控制 (OCC) 的改进算法（如 Forward Optimistic Concurrency Control、Optimistic Sacrifice、Optimistic Wait）。

3. 预备知识与相关工作

3.1. 基础概念

• 实时数据库系统 (Real Time Database System, RTDBS): 结合了实时系统 (Real Time System, RTS) 和数据库系统 (Database System, DBS) 特性的系统。它不仅关注任务执行的逻辑结果，更严格要求结果在指定的时间约束内产生。这意味着事务必须具有优先级并在截止时间 (deadline) 前完成。
• 实时系统 (Real-Time System, RTS): 一类计算机系统，其正确性不仅取决于计算结果的逻辑正确性，还取决于结果产生的时间。任务执行时间和数据有效性会随时间变化是其主要特征。
  • 硬实时系统 (Hard Real-Time System): 事务必须在预定义的时间限制内完成。如果事务在截止时间后完成，则被认为是无用的，可能导致整个系统发生严重故障。例如，安全关键系统 (safety-critical system) 如早期预警系统。
  • 软实时系统 (Soft Real-Time System): 事务具有预定义的时间限制，但与硬实时系统不同，时间约束不是绝对值。它们通常以平均响应时间表示。该系统可以容忍一定的延迟，但服务质量可能会降低。例如，银行系统、航班预订系统。
  • 混合实时系统 (Mixed Real-Time System): 结合了硬实时系统和软实时系统特性的系统。例如，空中交通管制系统。
• 并发控制 (Concurrency Control): 在数据库系统中，协调多个并发事务对共享数据访问的活动。其任务是确保数据库的一致性 (consistency)，同时允许多个事务并行执行。在 RTDBS 中，并发控制机制还需要考虑事务的优先级和时间约束。
• 事务 (Transaction): 在数据库中执行的一系列操作，这些操作要么全部成功提交，要么全部失败回滚。在 RTDBS 中，事务还具有时间约束和优先级。
  • 硬截止时间事务 (Hard Deadline Transactions): 如果错过截止时间，将导致灾难性后果的事务。
  • 软截止时间事务 (Soft Deadline Transactions): 错过截止时间后仍然有价值（尽管价值会降低）的事务。
  • 坚定截止时间事务 (Firm Deadline Transactions): 如果错过截止时间则毫无价值的事务，但不会导致灾难性后果。在仿真实验中，通常将错过截止时间的此类事务终止并从系统中丢弃。
• 时间数据 (Temporal Data) / 易失数据 (Perishable Data): 其有效性在经过预设时间间隔后会失效的数据。例如，股票市场报价。
• 优先级反转 (Priority Inversion): 当一个高优先级事务 (high priority transaction) 必须等待一个低优先级事务 (low priority transaction) 释放它所需的资源（如锁）时发生的情况。这会严重影响 RTDBS 中高优先级事务的及时完成。
• 死锁 (Deadlock): 两个或多个事务互相等待对方释放资源，导致所有事务都无法继续执行的僵局。
• 链式阻塞 (Chain Blocking): 多个事务形成一个等待链，其中每个事务都等待链中前一个事务持有的资源。这可能导致优先级反转的扩展形式。
• 可串行化 (Serializability): 并发执行事务的一种属性，它保证并发事务的最终结果与这些事务按某种顺序串行执行的结果相同，从而维护数据库的一致性。
  • 冲突可串行化 (Conflict Serializability): 基于操作冲突（读-写、写-读、写-写）的可串行化。
  • 视图可串行化 (View Serializability): 更宽松的可串行化概念，基于事务最终读取和写入的数据视图。

3.2. 前人工作

在 RTDBS 领域，许多研究致力于解决并发执行问题，特别关注确定性事务处理算法 (deterministic transaction processing algorithms)、优先级分配策略 (priority assignment strategies) 和并发控制技术。例如，Sha和Rajkumar提出了优先级继承 (priority inheritance) 概念，以解决无界优先级反转 (unbounded priority inversion) 问题。

3.3. 技术演进

传统数据库系统主要为满足数据存储、查询和一致性需求而设计，缺乏对时间约束的内置支持。随着对时间敏感型应用（如航空航天、工业控制、金融交易）的需求增长，需要将实时系统的概念与数据库管理相结合，从而催生了 RTDBS。RTDBS 的演进重点在于开发能够保证事务在截止时间前完成，同时维护数据一致性和有效性的技术。这包括了对调度算法、并发控制协议以及数据管理机制的根本性改造。

3.4. 差异化分析

RTDBS 与传统数据库系统在多个方面存在显著差异，这些差异直接影响了并发控制技术的设计：

• 时间约束 (Timing Constraints): 传统数据库系统关注事务的平均响应时间，而 RTDBS 关注事务必须在严格的截止时间前完成，或者关注每单位时间错过截止时间的事务数量。
• 数据特性 (Data Characteristics): 传统数据库系统主要处理静态数据，而 RTDBS 经常处理时间数据或易失数据，这些数据在一段时间后可能会失效。
• 优先级 (Priorities): 传统数据库系统中的并发控制技术通常不考虑事务优先级，它们是概率性的。而 RTDBS 中的事务通常被赋予优先级，高优先级事务需要优先执行并尽可能避免被低优先级事务阻塞。
• 性能指标 (Performance Metrics): 传统数据库系统追求优化平均响应时间，而 RTDBS 更关注在截止时间前完成事务的比例，以及避免高优先级事务错过截止时间。
• 一致性与实时性 (Consistency vs. Timeliness): 传统数据库系统以牺牲响应时间为代价来保证强一致性。RTDBS 则需要在一致性和实时性之间做出权衡，有时甚至需要接受弱一致性以满足时间约束。
• 并发控制机制设计 (Concurrency Control Mechanism Design): 传统机制（如严格两阶段锁定 strict 2PL）可能导致优先级反转、长时间阻塞和死锁，这在 RTDBS 中是不可接受的。因此，RTDBS 需要引入优先级感知 (priority-cognizant) 的并发控制协议。

4. 方法论

4.1. 方法原理

在计算机系统中，通过允许操作的并发执行 (concurent execution) 可以提高性能。并发控制 (concurrency control) 是指协调事务对数据库中共享数据并发访问的活动。并发控制算法应确保数据库的一致性 (consistency) 和系统中每个已启动事务的正确完成。并发控制协议通过在冲突事务之间引入串行化顺序 (serialization order) 来解决数据访问冲突。大多数并发控制算法仅确保冲突可串行化 (conflict serializability)，但不满足其他可串行化概念，如视图可串行化 (view serializability)。

并发控制是实时数据库系统 (Real Time Database Systems, RTDBS) 中的主要设计问题之一。除了满足传统数据库系统中的一致性要求外，实时事务处理系统还必须满足时间约束 (timing constraints)。为了支持实时事务处理，RTDBS 设计和实现中需要考虑的新标准和问题包括 CPU 和 I/O 的调度以及冲突解决方案应具有时间感知能力 (time cognizant)。RTDBS 通常需要在非常短且严格的时间限制内响应多个事务。

并发控制算法的分类有多种方式，最常见的分类标准是同步原语 (synchronization primitive)。

• 悲观算法 (Pessimistic algorithms): 在事务执行生命周期的早期同步并发事务的执行。

• 乐观算法 (Optimistic algorithms): 将事务的同步推迟到其终止时。

  悲观和乐观并发控制机制可以进一步分为以下类别：

• 基于锁 (Locking Based): 这些算法通过对每个数据单元关联锁 (locks) 来实现对共享数据的互斥访问。这可能导致死锁 (deadlocks)。

• 基于时间戳排序 (Timestamp-Ordering Based): 这些算法尝试根据一组规则（通常是时间戳 timestamp）来排序事务的执行。

4.2. 锁定型并发控制 (Locking Based Concurrency Control)

基于锁的技术在传统数据库系统中广泛使用。在这种技术中，事务的同步通过对数据库的某个部分（或粒度 granule）施加物理或逻辑锁 (physical or logical locks) 来实现（也称为锁定粒度 locking granularity 或锁单元 lock unit）。如果任何事务想要读取和/或写入数据库的任何粒度，它必须首先获取该粒度的锁，并在操作完成后释放锁。

严格两阶段锁定 (strict two phase locking, strict 2PL) 是商业数据库系统中最常见的协议。锁管理器 (lock manager) 负责代表事务设置和释放锁。strict 2PL 引入了额外的开销，但防止了在不违反数据库一致性的情况下可能被允许的并发执行。基本的 2PL 不适用于实时数据库系统，原因如下：

• 优先级反转的可能性 (Possibility of priority inversions): 当一个低优先级事务 (low priority transaction) 持有一个数据项的锁，而一个高优先级事务 (high priority transaction) 需要该数据项时，高优先级事务必须等待直到低优先级事务释放锁，从而发生优先级反转。

• 长时间阻塞延迟 (Long blocking delays): 事务可能会经历长时间阻塞延迟，因为任何其他先获取数据的事务会一直持有它直到完成，而且大多数事务通常是长时间类型的。

• 未考虑时间信息 (Lack of consideration for timing information):

• 死锁 (Deadlocks):

  传统数据库系统中使用的基于锁的算法不适用于 RTDBS，因为其中不存在优先级和/或抢占 (pre-emption) 的概念。以下基于锁的算法可以用于 RTDBS：

4.2.1. 具有优先级继承的两阶段锁定 (Two-Phase Locking with Priority Inheritance)

优先级继承 (priority inheritance) 的概念由 Sha 和 Rajkumar 提出，作为解决无界优先级反转 (unbounded priority inversion) 问题的一种方案。该算法允许正在处理并持有高优先级事务所需数据项的低优先级事务，继承等待该数据项的高优先级事务的最高优先级，并被允许完成其操作。该算法可能导致链式阻塞 (chain blocking) 和死锁 (deadlocks) 问题。

算法步骤: 考虑两个事务 $T_1$ 和 $T_2$，其中 $T_2$ 持有 $T_1$ 请求的锁。

1. 检查优先级: 比较 $T_1$ 和 $T_2$ 的优先级。
2. 优先级继承:
   • 如果 $priority(T_1) > priority(T_2)$ (即 $T_1$ 的优先级高于 $T_2$)：
     • $T_1$ 等待 (waits)。
     • $T_2$ 继承 $T_1$ 的优先级 (inherits priority of $T_1$)。这意味着 $T_2$ 将以 $T_1$ 的高优先级执行，直到它释放 $T_1$ 所需的锁。
   • 否则 (即 $priority(T_1) \le priority(T_2)$)：
     • $T_1$ 等待 (waits)。$T_2$ 继续以其原有优先级执行。

4.2.2. 具有最高锁定者的两阶段锁定 (Two-Phase Locking with Highest Locker)

该算法是具有优先级继承的两阶段锁定 (2 Phase Locking with Priority Inheritance) 的扩展，旨在解决死锁问题。在该算法中，每个数据项都被分配一个上限优先级值 (ceiling priority value)，并且事务在获取数据项后，其优先级会设置为该数据项的上限优先级。如果一个事务持有多个数据项，那么它会继承所有其已锁定数据项中的最高上限优先级。

算法步骤: 考虑两个事务 $T_1$ 和 $T_2$，其中 $T_2$ 持有 $T_1$ 请求的锁。

1. 检查优先级: 比较 $T_1$ 和 $T_2$ 的优先级。
2. 优先级分配:
   • 如果 $priority(T_1) > priority(T_2)$ (即 $T_1$ 的优先级高于 $T_2$)：
     • $T_1$ 等待 (waits)。
     • $T_1$ 被分配最高上限优先级 (Highest ceiling priority is assigned to $T_1$)。这里原文表述可能有些歧义，更合理的理解应是 $T_2$ 继承 $T_1$ 的优先级，并且 $T_1$ 的优先级会根据其请求的数据项的上限优先级来确定，或者 $T_2$ 继承其所持有的数据项的最高上限优先级。结合上下文，通常是持有锁的低优先级事务继承请求锁的高优先级事务的优先级。此算法的核心是数据项的“上限优先级”概念，事务的优先级会动态调整。
   • 否则 (即 $priority(T_1) \le priority(T_2)$)：
     • $T_1$ 等待 (waits)。

4.2.3. 具有优先级上限的两阶段锁定 (Two-Phase Locking with Priority Ceiling)

该算法是具有优先级继承的两阶段锁定 (2 Phase Locking with Priority Inheritance) 和具有最高锁定者的两阶段锁定 (2 Phase Locking with Highest Locker) 的扩展，旨在解决无界优先级反转 (unbounded priority inversion)、链式阻塞 (chain blocking) 和死锁 (deadlocks) 问题。优先级继承 (priority inheritance) 与优先级上限 (priority ceiling) 的一个基本区别是，前者是贪婪方法 (greedy approach)，而后者不是。该算法的核心概念是建立所有事务之间的总优先级排序 (total priority ordering)。当事务请求访问数据对象时，只有当请求数据项的事务的优先级高于所有数据项的上限优先级 (ceiling priority) 时，才会被授予访问权限。

优先级上限规则 (Priority Ceiling Rule): “请求访问数据对象的事务，当且仅当其优先级高于所有数据项的上限优先级时，才会被授予访问权限。”

4.3. 基于时间戳排序的并发控制 (Timestamp-Ordering Based Concurrency Control)

为了维护可串行化 (serializability)，基于时间戳排序 (timestamp-ordering based) 的技术会预先选择一个串行化（或执行）顺序，并据此执行事务。这种排序通过在事务启动时为所有事务分配一个唯一的非递减时间戳 $ts(T_i)$，以及为数据库中存储的数据项分配时间戳来维护。然而，该技术不适用于实时数据库系统 (RTDBS)，因为它难以针对每个优先级事务分配和管理独立的、生成的时间戳排序。为了克服这个问题，提出了一种名为“具有优先级上限的时间戳排序 (Timestamp-ordering with Priority Ceiling)”的算法。

具有优先级上限的时间戳排序算法 (Timestamp-ordering with Priority Ceiling): 该算法为每个数据项关联以下三个值：

• 读取上限 (Read Ceiling): 该值表示可能写入该数据项的最高优先级事务的优先级值。
• 绝对上限 (Absolute Ceiling): 这是可能读取或写入该数据项的最高优先级事务的优先级。
• 读写上限 (Read-Write Ceiling): 该值在运行时动态定义。当事务写入数据项时，读写上限设置为等于绝对上限。然而，对于读取操作，读写上限设置为等于读取上限。

优先级上限规则 (Priority Ceiling Rule): “请求访问数据对象的事务，当且仅当其优先级高于所有数据项的上限优先级时，才会被授予访问权限。”

4.4. 乐观并发控制 (Optimistic Concurrency Control, OCC)

乐观并发控制 (OCC) 机制的基本思想是，事务的执行由三个阶段组成：读取 (read)、验证 (validation) 和写入 (write) 阶段。对于所有 OCC 方案，冲突是在访问数据对象后检测到的。在 OCC 中，冲突检测和解决都在验证（或认证 certification）阶段进行，即当事务完成执行时，它请求并发控制管理器验证所有其访问的数据对象。如果尚未标记为中止，它就会进入提交 (commit) 阶段，将所有更新写入数据库。然而，在重负载下，可能会有大量事务中止，这可能导致吞吐量 (throughput) 严重下降和错过截止时间 (deadline misses) 急剧增加。因此，OCC 协议的性能在重负载下可能会显著下降。

在各种乐观并发控制算法中，实时数据库系统中最重要且广泛使用的并发控制算法有：

4.4.1. 前向乐观并发控制 (Forward Optimistic Concurrency Control)

前向验证 (Forward validation) 为冲突解决提供了灵活性，可以选择验证事务 (validating transaction) 或冲突活动事务 (conflicting active transactions) 进行重启，因此更适用于实时数据库系统。此外，前向方案通常比后向验证 (backward validation) 更早地检测和解决数据冲突，从而浪费更少的资源和时间。

4.4.2. 乐观牺牲 (Optimistic Sacrifice)

乐观牺牲协议以事务优先级 (transaction priority) 的方式使用，使得验证事务 (validating transaction) 为了冲突的更高优先级事务而牺牲自己。在该方案中，验证事务可能会在支付了大部分事务执行成本后被中止，原因是一个冲突的高优先级事务仍处于其读取阶段。

4.4.3. 乐观等待 (Optimistic Wait)

乐观等待方案给予高优先级事务 (higher priority transactions) 优先满足其截止时间 (deadlines) 的机会。当一个验证事务 (validating transaction) 正在等待时，它可能会因为一个冲突的更高优先级事务的提交而被重启。

5. 实验设置

本文主要关注对 RTDBS 中并发控制问题和挑战的理论分析和技术综述，并未包含具体的实验设置、数据集、评估指标或对比基线。

5.1. 数据集

无。本文为综述性论文，未涉及具体实验数据集。

5.2. 评估指标

无。本文为综述性论文，未涉及具体实验评估指标。

5.3. 对比基线

无。本文为综述性论文，未涉及具体实验对比基线。

6. 实验结果与分析

本文为综述性论文，主要对实时数据库系统 (RTDBS) 中的并发控制问题和挑战进行了探讨，并介绍了多种并发控制技术。文章本身没有提供具体的实验结果或数据分析。因此，本节无法提供具体的实验结果分析。

7. 总结与思考

7.1. 结论总结

本文全面探讨了实时数据库系统 (RTDBS) 中并发控制的关键问题和挑战。作者明确指出，与传统数据库系统不同，RTDBS 必须同时满足数据一致性和严格的时间约束，并且需要优先处理事务。传统并发控制技术（如严格两阶段锁定 strict 2PL）因其概率性本质和缺乏优先级概念，不适用于 RTDBS。

文章对 RTDBS 的基本概念、分类（硬、软、混合实时系统）以及事务特性（硬、软、坚定截止时间事务）进行了详细阐述。随后，论文深入分析了 RTDBS 在设计上面临的挑战，例如时间数据的处理、性能指标的差异以及复杂协议引入的不可预测性。

在并发控制技术方面，本文分类介绍了悲观 (Pessimistic) 和乐观 (Optimistic) 算法，以及基于锁 (Locking Based) 和基于时间戳排序 (Timestamp-Ordering Based) 的方法。针对传统锁机制的不足，论文重点介绍了为 RTDBS 改进的锁协议，包括具有优先级继承 (Priority Inheritance)、最高锁定者 (Highest Locker) 和优先级上限 (Priority Ceiling) 的两阶段锁定 (Two-Phase Locking) 算法，旨在解决优先级反转、链式阻塞和死锁问题。此外，还探讨了基于时间戳排序和乐观并发控制的优化技术，如前向乐观并发控制 (Forward Optimistic Concurrency Control)、乐观牺牲 (Optimistic Sacrifice) 和乐观等待 (Optimistic Wait)，这些技术旨在更好地适应 RTDBS 的需求，尤其是在高优先级事务调度和冲突解决方面。

总而言之，本文强调了在 RTDBS 中开发具有时间感知和优先级感知能力的并发控制机制的重要性，并为后续研究提供了理论基础和方向指引。

7.2. 局限性与未来工作

由于本文是一篇综述性论文，其主要局限性在于：

• 缺乏实证数据: 本文侧重于理论分析和技术概述，没有提供任何实验结果来量化所讨论技术在 RTDBS 环境下的具体性能表现或优劣势。

• 未提供具体实现细节: 对于所提出的或概述的并发控制技术，文章并未深入到具体的算法实现细节或伪代码层面，这对于初学者或实践者理解其操作流程可能不够直观。

• 未详细讨论权衡 (Trade-offs): 不同的并发控制技术在性能、复杂性、资源消耗和满足时间约束的能力之间存在权衡。本文虽然指出了某些技术的优缺点（如 OCC 在高负载下性能下降），但没有系统地比较这些权衡。

• 未提出全新的并发控制机制: 本文更多是回顾和组合现有或已适应的技术，并未提出一个全新的、具有突破性的并发控制机制。

  未来工作: 论文本身并未明确提出未来工作，但可以从其讨论中推断出以下可能的未来研究方向：

• 性能评估与比较: 对各种适用于 RTDBS 的并发控制技术进行系统性的实验评估，包括在不同负载、不同优先级分配策略和不同截止时间约束下的性能比较。

• 混合型并发控制协议: 探索结合悲观和乐观策略的混合型并发控制协议，以期在保证实时性的同时，最大化系统吞吐量。

• 自适应并发控制: 开发能够根据系统负载、事务特性和时间约束动态调整策略的自适应并发控制机制。

• 分布式 RTDBS 的并发控制: 随着分布式系统和云计算的普及，研究分布式 RTDBS 中的并发控制是一个重要方向，这会引入新的挑战，如网络延迟和分布式死锁。

• 容错与恢复: 在 RTDBS 中，故障恢复不仅要保证数据一致性，还要在严格的时间限制内完成，这需要专门的并发控制和恢复协议。

7.3. 个人启发与批判

个人启发:

1. 领域交叉的重要性: 本文强调了实时系统和数据库系统这两个看似独立领域的交叉融合所带来的独特挑战和巨大潜力。这启发我们，许多前沿问题可能存在于不同学科的边界地带。
2. “时间”作为核心维度: 在传统数据库中，时间通常是记录或事件的属性，但在 RTDBS 中，时间本身成为系统性能和正确性的关键约束。这种对时间维度的深刻理解和处理是设计高效实时系统的核心。
3. 对传统方案的批判性审视: 论文明确指出传统数据库并发控制技术不适用于 RTDBS，促使我们反思，并非所有通用解决方案都适用于所有特定场景，需要根据具体需求进行定制和优化。
4. 优先级管理的复杂性: 优先级反转、死锁和链式阻塞等问题凸显了在并发环境中有效管理事务优先级的复杂性。优先级继承和优先级上限等机制提供了一些巧妙的解决方案，可以借鉴到其他资源调度问题中。

批判:

1. 理论性过强，实践指导不足: 作为一篇综述性论文，虽然清晰地阐述了问题和解决方案的分类，但缺乏对具体技术实现细节的深入探讨，以及在实际应用中可能面临的挑战和权衡的量化分析。对于希望将这些理论付诸实践的工程师而言，可能需要查阅更多资料。
2. 未触及最新趋势: 论文发表时间未知，但 RTDBS 领域仍在发展。例如，内存数据库 (in-memory database) 的兴起（文中虽然提及了其解决延迟问题的潜力，但未深挖其对并发控制的特定影响）、新型硬件（如 NVMe、GPU）对数据访问模式的影响、以及机器学习/人工智能在实时决策系统中的应用，都可能带来新的并发控制挑战和机遇。
3. 对“概率性”的解释略显模糊: 论文多次提到传统并发控制的“概率性”，但并未详细解释其具体含义。通常，传统并发控制是确定性地保证可串行化（如 2PL），但其性能表现（如吞吐量、响应时间）可能在一定程度上受随机因素影响（如事务到达模式），或者在某些情况下，为了性能可能会采用弱一致性模型。这方面的深入阐释会更有助于初学者理解。
4. 缺乏对评估标准及实验方法论的讨论: 尽管是综述，但可以包含一个关于如何评估 RTDBS 并发控制算法的常见指标（如截止时间满足率 deadline miss ratio、吞吐量 throughput、平均响应时间 average response time 等）和实验设计方法（如仿真模型、基准测试工具）的章节，这将极大地增强论文的指导意义。