LLM数据库死锁受害者选择：AI辅助事务管理探索

这是一个探索性项目，模拟大型语言模型如何在数据库死锁场景中选择牺牲事务。通过定义事务的优先级、持有资源、进度、关键性等属性，应用评分启发式算法确定最佳回滚目标，以最小化系统整体影响。

• 原作者/维护者： Fatih Soysal
• 来源平台： GitHub
• 原始标题： llm-database-deadlock-victim-selection-simulation
• 原始链接： https://github.com/fatihsoysalcom/llm-database-deadlock-victim-selection-simulation
• 发布时间： 2026年6月
• 配套文章： 《Veritabanı Kilitlenme Mağduru Seçiminde Yapay Zeka Devrimi: LLM'ler Sahneye Çıkıyor》（土耳其语）

数据库死锁是并发控制中的经典问题。当两个或多个事务互相等待对方持有的资源时，就会形成循环依赖，导致所有涉及的事务都无法继续执行。

事务A持有资源X，请求资源Y
事务B持有资源Y，请求资源X

结果：A等待B释放Y，B等待A释放X → 死锁

数据库管理系统（DBMS）处理死锁的标准方法是：

1. 死锁检测：构建等待图，检测循环
2. 受害者选择：选择一个事务作为"牺牲品"进行回滚
3. 事务回滚：释放该事务持有的所有资源
4. 事务重启：被回滚的事务稍后重新执行

选择哪个事务回滚是一个复杂的优化问题。需要考虑的因素包括：

属性	说明	影响
优先级	事务的重要程度	高优先级事务应尽量保留
持有资源	当前锁定的资源数量	回滚可释放更多资源
进度	已完成的工作量	进度大的事务回滚代价高
关键性	事务对业务的关键程度	关键事务应避免回滚
等待时间	已经等待的时长	长时间等待的事务可能更紧急

传统DBMS通常采用简单的启发式规则：

• 最小代价：选择已完成工作量最少的事务
• 最年轻/最老：选择开始时间最晚或最早的事务
• 随机选择：简单但可能不是最优