300块钱从Alice转到Bob，数据库崩了。重启后查账，700和800原封不动。这不是运气，是Durability（持久性）在兜底——ACID四个字母里，它最像那个沉默的保险丝，平时看不见，熔断时救命。
转账实验：commit之后，崩溃也追不回
实验 setup 很朴素。两张表，Alice 1000块，Bob 500块。BEGIN 开启事务，Alice 扣300，Bob 加300，COMMIT 提交。这时候拔电源、杀进程、把服务器从三楼扔下去——重启后查账，结果还是 700 和 800。
持久性的核心承诺就一句：commit 之后的写入，必须比硬件故障更长寿。
原文作者做了对照实验。崩溃发生在 commit 之前？改动全丢，事务回滚，数据库假装什么都没发生。崩溃发生在 commit 之后？日志已经落盘，重启时根据重做日志（redo log）把内存里的脏页重新刷进去，数据原样恢复。
这解释了为什么金融系统敢在 commit 瞬间告诉用户"转账成功"。后台可能正在着火，但承诺已经硬化成磁盘上的比特。
预写日志：数据库的"黑匣子"逻辑
实现持久性的技术细节，本质是"先写日志，后写磁盘"的套路。PostgreSQL 叫 WAL（Write-Ahead Log），MySQL InnoDB 叫 redo log，名字不同，结构类似：顺序追加、页号+偏移量+新旧值、LSN（日志序列号）单调递增。
commit 时，数据库保证日志已经 fsync 到磁盘——注意是日志，不是数据页。数据页可以慢慢刷，反正崩了能从日志重建。这种设计用顺序写替代随机写，把机械盘的 IOPS 从几百提升到几万。
原文没提具体数据库类型，但实验现象符合 WAL 机制。作者观察到"after commit → data stays safe"，正是日志先行策略的外在表现。如果数据库傻乎乎地直接写数据文件，commit 和落盘之间那几毫秒的窗口期，足够让 300 块钱蒸发。
持久性不是"数据在磁盘上"，而是"commit 和数据在磁盘上之间存在因果律"。
CAP 语境下的隐藏代价
分布式系统里，持久性会和其他属性打架。单节点数据库靠本地磁盘 + fsync 就能满足 Durability，但主从架构下，commit 要不要等从库落盘？等，延迟爆炸；不等，主库挂了丢数据。
MySQL 的半同步复制（semi-sync）默认等一个从库 ack，PostgreSQL 的 synchronous_commit 可以配成 remote_apply。这些选项都是在持久性和可用性之间找平衡点。原文的实验是单节点场景，避开了这些麻烦，但也提醒我们：分布式语境下，"commit 成功"四个字背后可能有不同的硬度等级。
云厂商的 RDS 常把"跨可用区同步"当卖点卖，本质上就是在卖更高等级的持久性承诺。用户多付的钱，买的是 commit 之后、AZ 级灾难也不丢数据的保险。
开发者容易踩的坑：隐式 commit 和连接池
持久性保证有个前提：你真的调用了 commit。很多 ORM 框架的默认行为是自动提交（autocommit），每条语句隐式包裹事务。这看似方便，实则把长事务拆成无数短事务，锁持有时间变长，并发性能下降。
更隐蔽的是连接池问题。应用代码里开了事务，忘记 commit 就归还连接到池子。下一个拿到连接的线程，可能发现上个事务还在进行中，或者干脆被连接池检测到异常而回滚。这种情况下，数据没丢，但业务逻辑已经乱了——持久性保住了，一致性却被破坏。
原文作者的实验流程很规范：显式 BEGIN、显式 COMMIT、崩溃后手动重连验证。这种"不信任任何中间层"的验证习惯，是排查数据丢失嫌疑时的最佳实践。
持久性防的是硬件故障，防不住逻辑错误。删库跑路再 commit，数据一样持久——只是持久地错了。
最后留个思考题：如果你的系统要求"commit 后数据必须存在于三个物理隔离的机房"，而网络分区导致只有两个机房可达，这时候该拒绝写入、还是降级接受风险？这不是技术问题，是产品决策——你愿意为 99.999% 的持久性，牺牲多少可用性？
热门跟贴