ORA-00060 Deadlock detected 解读

iqlife iqlife 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 1.3w累计阅读 1.4w+平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄20年
关注
原创 最新推荐文章于 2026-07-14 16:25:31 发布 1.3w 阅读 AI 写同款· GEO 优化 ›
Android开发中StateFlow与LiveData的5个关键区别及实战避坑指南 本文深度解析了Android开发中StateFlow与LiveData的5个核心区别，包括设计哲学、生命周期管理、值更新策略、线程模型及协程生态整合。通过实战代码对比，为开发者在现代MVVM架构下的状态管理选型提供清晰的决策指南和避坑建议，帮助构建更健壮、可测试的应用。 阅读详情

      今天，在GC监控控制台里发现了ORA-00060 Deadlock detected死锁信息，主要信息如下：

Dump file d:\oracle\product\10.2.0\admin\mc\udump\mc_ora_14100.trc

Fri Dec 14 09:41:07 2012
ORACLE V10.2.0.4.0 - 64bit Production vsnsta=0
vsnsql=14 vsnxtr=3
Oracle Database 10g Enterprise Edition Release 10.2.0.4.0 - 64bit Production
With the Partitioning, OLAP, Data Mining and Real Application Testing options
Windows NT Version V6.0 Service Pack 2
CPU                 : 16 - type 8664, 8 Physical Cores
Process Affinity    : 0x0000000000000000
Memory (Avail/Total): Ph:2504M/16372M, Ph+PgF:16350M/32959M
Instance name: mc

Redo thread mounted by this instance: 1

Oracle process number: 398

Windows thread id: 14100, image: ORACLE.EXE (SHAD)


*** 2012-12-14 09:41:07.078
*** ACTION NAME:() 2012-12-14 09:41:07.070
*** MODULE NAME:(w3wp.exe) 2012-12-14 09:41:07.070
*** SERVICE NAME:(SYS$USERS) 2012-12-14 09:41:07.070
*** SESSION ID:(269.59908) 2012-12-14 09:41:07.070
DEADLOCK DETECTED ( ORA-00060 )
[Transaction Deadlock]
The following deadlock is not an ORACLE error. It is a
deadlock due to user error in the design of an application
or from issuing incorrect ad-hoc SQL. The following
information may aid in determining the deadlock:
Deadlock graph:
                       ---------Blocker(s)--------  ---------Waiter(s)---------
Resource Name          process session holds waits  process session holds waits
TX-00090017-000be5c4       398     269     X            390     154           X
TX-00060008-0006b498       390     154     X            398     269           X
session 269: DID 0001-018E-000095FD    session 154: DID 0001-0186-00008596

session 154: DID 0001-0186-00008596    session 269: DID 0001-018E-000095FD

以上信息说明了两个会话的相互等待资源情况

其中Resource Name 说明了死锁类型，TX-00090017-000be5c4的含义为 ：

锁类型-v$lock的ID1字段-v$lock的ID2字段

其中ID1字段分为事务的回滚段号+slot号组合而成，前4位为回滚段号：9和后四位为SLOT号：23

Rows waited on:
Session 154: obj - rowid = 0000D2D9 - AAANLZAAJAAEBK0AA2
  (dictionary objn - 53977, file - 9, block - 1053364, slot - 54)
Session 269: obj - rowid = 0000D2D9 - AAANLZAAJAAEBK0AA3

  (dictionary objn - 53977, file - 9, block - 1053364, slot - 55)

以上信息说明等待资源的对象object id和rowid，括号里是解释对象ID代表的物理对象，如文件，块等


Information on the OTHER waiting sessions:（被阻塞的session的内容）
Session 154:
  pid=390 serial=49211 audsid=37251930 user: 61/DPACK
  O/S info: user: A0748, term: A0748, ospid: 3880:3888, machine: GOLDDRAGON.COM\A0748
            program: dpack.exe
  application name: dpack.exe, hash value=3910194280
  Current SQL Statement:
  update OE_SEQ_NO set maxno =maxno + 1 , update_date =:1 , update_pgm_id =:2 , update_term =:3 where ctl_cd =:4 and to_char ( update_date , 'Mon DD YYYY hh:mm:sssssAM' ) =:5
End of information on OTHER waiting sessions.
Current SQL statement for this session:（当前session的内容）

UPDATE OE_SEQ_NO SET MAXNO = MAXNO + 1 ,UPDATE_DATE = SYSDATE ,UPDATE_PGM_ID = 'SP_Action' ,UPDATE_TERM = 'SP_Host' WHERE CTL_CD = :B2 AND TO_CHAR(UPDATE_DATE,'Mon DD YYYY hh:mm:sssssAM') = :B1


看了这个死锁，应用程序的实现是比较大的问题，已经反馈给应用开发人员进行处理，这个死锁报错后，估计操作人员等待太久后，其中一方取消操作后死锁解除。

收录于
Oracle PL/SQL优化

当前文章被收录于：

Oracle PL/SQL优化
10 篇文章 1 人学习
订阅专栏 查看详情
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
浏览器解析HTML的过程及编程实现 需要注意的是，上述示例代码只是简化的演示，并未涵盖浏览器解析HTML的所有细节和复杂性。实际上，浏览器的HTML解析引擎还会处理一系列的特殊情况、错误容错和性能优化等方面的内容，以确保能够正确解析各种类型的HTML代码。HTML（超文本标记语言）是构建网页的基础语言，浏览器负责将HTML代码解析并渲染成可视化的网页。本文将详细介绍浏览器解析HTML的过程，并提供相应的编程示例代码。希望以上内容能帮助您理解浏览器解析HTML的过程，并通过提供的示例代码更好地了解如何在编程中实现这一过程。 阅读详情

相关推荐

海康SDK回调PS流解析实战：从字节流到前端H264播放的完整流程

本文详细介绍了海康SDK回调PS流解析的完整流程，从字节流获取到前端H264播放的实现。涵盖SDK初始化、PS流数据结构解析、H264裸流提取、WebSocket传输及前端播放器集成等关键步骤，为视频监控系统开发提供实用指导。

weixin_29061531的博客 200

PostgreSQL 死锁问题分析与优化

根据提供的报错信息和我搜索到的资料，PG数据库报错"deadlock detected"是由于两个事务（Process 3913996和Process 28657）在执行DELETE操作时相互等待对方持有的锁，导致死锁。从我搜索到的资料中，我们可以推断，在需要确保所有应用遵循一致的锁获取顺序以避免死锁的场景下，无论是咨询锁还是表级锁，只要它们能够被正确地管理并遵循一致的获取顺序，理论上都能有效避免死锁。建议在代码中尽量以一致的顺序获取对象上的锁，避免事务中SQL交互执行，从而降低死锁发生的概率。

喝醉酒的小白 3793

记录Nvidia AGX Orin的配置日常（二）设置上电自动开机和远程桌面

因为要拿AGX作为机器人的主控板，所以需要给他设置一下通电后无需按电源键就自动开机，然后再配置一下远程桌面。

AutomaticForever的博客 1357

解决oracle死锁，生产问题，ORA-00060: deadlock detected while waiting for resource，

去生产的log日志查看，发现同一时间点左右，还有一个批量更新同一条数据的慢sql 日志。这个慢sql 的更新和这个死锁的sql 更新互斥了。例如：A线程更新的主键是1,2,3 B线程更新的主键是3,2,1 当批量更新时就可能会死锁，但是排序后，A线程更新的主键是1,2,3 B线程更新的主键是1,2,3 这是就不会产生死锁，测试过。但是通过分析发票，这些方案都是会影响程序的性能，导致性能变慢，还有对代码的修改比较大，有很大的不确定性和风险。在执行批量更新前，先对主键序列号进行排序，然后在进行批量更新。

weixin_43171875的博客 1万+

yakit 验证码识别 进行webfuzzer

在渗透测试的过程中，我们可能需要对管理员密码进行枚举，或者密码喷洒的时候，遇到验证码就很烦。有没有自动化识别验证码的办法呢？有的，兄弟，有的。验证码的识别率很低，captcha-killer-modified对算术验证码识别正确率非常低，还会识别成乱七八糟的结果，这就非常麻烦。因为你不知道到底是验证码不对，还是密码不对。这是 ddddocr 识别率的问题，如果师傅们找到准确度更高的工具，完全可以替换上去。

Arkmornings的博客 1664

STM32CubeMX之emWin移植

“前面两章介绍了SDRAM和LTDC的使用，本篇文章将介绍emWin移植到STM32。”硬件环境：STM32F429IGT6软件环境：STM32CubeMX v5.5.0...

zhang062061的专栏 2826

Cause: org.postgresql.util.PSQLException: ERROR: deadlock detected 检测到死锁异常排查处理

报错内容如下： org.springframework.dao.DeadlockLoserDataAccessException: ### Error querying database. Cause: org.postgresql.util.PSQLException: ERROR: deadlock detected 详细：Process 7372 waits for ShareLock on transaction 46061491; blocked by process 4624. Pro

weixin_40903055的博客 6965

Flask基础项目：从零到一搭建用户管理系统

本文介绍了一个基于Flask的用户管理系统，具有完整的增删改查功能。系统采用SQLAlchemy ORM进行数据库操作，自动处理SQL注入并首次运行时创建表结构。主要特点包括：实时统计用户总数和平均年龄、智能即时搜索、前后端双重数据验证、邮箱唯一性检查、流畅动画效果和响应式设计。后端使用Flask框架实现RESTful API，前端采用现代化UI设计，支持异步操作不阻塞界面。系统安装简单，只需创建数据库并安装依赖即可运行，适合作为基础用户管理系统的参考实现。

数据知道的博客 3837

什么是死锁？自己动手写死锁。一个死锁的例子。死锁的四个条件，如何避免死锁。

文章目录一、什么是死锁二、动手写死锁三、发现排查死锁情况四、解决办法 面试题就好像计算机二级一样扯淡的出一些并不常见的题目(甚至写法很反人类)，我们就借此锻炼一下逻辑能力把。 一、什么是死锁 死锁不仅在个人学习中，甚至在开发中也并不常见。但是一旦出现死锁，后果将非常严重。 首先什么是死锁呢？打个比方，就好像有两个人打架，互相限制住了(锁住，抱住)彼此一样，互相动弹不得，而且互相欧气，你不松手我就不...

白衣 5599

语音识别：PyAudio、SoundDevice、Vosk、openai-whisper、Argos-Translate、FunASR（Python）

本文介绍了Python中常用的音频处理库PyAudio，详细解析了其核心功能、核心概念和典型工作流程。PyAudio是一个跨平台的音频I/O库，支持音频录制、播放、实时流处理和低延迟操作。核心概念包括PyAudio类（管理音频设备和流）和Stream类（代表音频流）。文章重点讲解了open()方法的关键参数、回调函数的使用方式以及典型的工作流程，包括设备查询、流配置和资源释放。PyAudio适用于需要实时音频处理的场景，如语音识别和音频效果处理。

算法工程师 705

车载 ECU 中的 Safety Linux 详解

车载 ECU 中的 Safety Linux 详解

天赐好车的博客 307

postgre Sql : ERROR: deadlock detected

查看数据库表与索引的设计，考虑是否需要进行调整以减少死锁的可能性。可以使用较低的隔离级别（如READ COMMITTED），避免使用过多的自增列等方式来避免死锁。解决应用程序中发生的死锁：在应用程序中添加重试机制，可以捕获这种异常并尝试重新执行相关事务。也可以尝试更改应用程序的默认隔离级别或优化查询以避免死锁情况。这是一个死锁错误，意味着两个进程（Process）同时等待对方释放锁。注意，为了避免此类问题，最好将数据库操作限制在单个事务中，并确保应用程序具有适当的容错机制来处理异常情况。

毅呀毅呀哟 2946

通信原理 | CRC循环冗余校验码（最简介明了的原理和matlab程序）

异或运算： 多项式： CRC校验中用到的除数，是由多项式的各项系数组成的，如下所示： 没有的项系数为0，比如：x5次方、x3次方下一步，在原数据串的末端加“0”0的数量由多项式决定具体来说，多项式的阶数是多少就加几个0 具体操作： 现在，我们有了除数，也有了处理过的数据串，如下所示： 就可以开始计算校验和 了将数据串第一个1与除数左对齐，按位进行异或操作： 将未处理的数据搬下来作为新的数据，重复操作： 将新的数据串第一个1与除数左对齐，再重复按位异或操作： 如此循环，直到所有数据都处理过

若北辰 2357

诊断ORA-00060 Deadlock Detected错误

什么是死锁当一个会话A想要获得另一个会话B所持有的资源,但是会话B也想要获得会话A所持有的资源时就会出现死锁.下面将演示一个死锁的例子:jy@JINGYONG> insert into test_jy values(1,'...

750

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术，以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索，主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式，计算机控制系统的数学描述与基本分析方法，以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

ORA-00060 Deadlock detected

今天一套10.2.0.4的数据库报ORA-00060 Deadlock detected。   trace部分内容：   Dump file /oracle/oracle/product/10.2.0/admin/APSDB/udump/apsdb_ora_1008062.trc Oracle Database10gEnterprise Edition Release10.2.0.4.0

欧辰的专栏 2319

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

oracle deadlock死锁trace file分析之一

结论   1,oracle应用死锁会产生trace file，并且会在告警日志记录相关文件的目录   2,trace file大体包括几部分内容   3,第一部分内容为：表明死锁是什么类型的死锁     信息如下：     DEADLOCK DETECTED ( ORA-00060 )   [Transaction Deadlock]   The following deadlock is no...

wangl2014的专栏 2532

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

死锁（ora-00060）以及死锁相关的知识点

最近碰到一个死锁的问题：ora-00060 deadlock detected while waiting for resource （ora-00060 等待资源时检测到死锁） 查看udump（SQL> s...

congyan3522的博客 191

java deadlock oracle_oracle deadlock死锁trace file分析之一

结论1,oracle应用死锁会产生trace file，并且会在告警日志记录相关文件的目录2,trace file大体包括几部分内容3,第一部分内容为：表明死锁是什么类型的死锁信息如下：DEADLOCK DETECTED ( ORA-00060 )[Transaction Deadlock]The following deadlock is not an ORACLE error. It is a...

weixin_33201531的博客 307

从trc查找死锁的问题

今天alert日志报ORA-00060的死锁错误，查看trc文件： *** 2013-09-29 01:03:47.762 *** SERVICE NAME:(SYS$USERS) 2013-09-29 01:03:47.744 *** SESSION ID:(997.178) 2013-09-29 01:03:47.744 DEADLOCK DETECTED ( ORA-00060 ) ...

844604778 280

数据库死锁排查实战——从报错日志到根因定位的完整方法论

本文整理死锁排查的完整方法论：先分清锁等待和死锁的区别，再通过 SHOW ENGINE INNODB STATUS 获取死锁日志，用"看 SQL → 看锁 → 画关系图"三步法定位根因。复现 4 种最常见死锁场景（交叉更新、间隙锁、大事务、FOR UPDATE 范围过大），每个场景附完整复现代码和解决方案。最后给出 5 条预防军规和 MySQL/PostgreSQL 锁相关命令速查表。

sjgjlaoo的博客 223

企业级项目管理软件选型指南：本地部署与信创合规实战

项目管理软件不仅是任务跟踪工具，更是组织流程、数据主权与合规能力的数字化载体。其底层逻辑取决于企业所处行业（如制造、建筑、医药）对流程刚性、系统集成深度、审计留痕等级和数据不出域等核心要求。开源方案（如OpenProject）提供高定制自由度但需强技术运维；商业套装（如Primavera P6）以严谨数据模型支撑复杂工程生命周期；低代码平台（如Mendix）适合快速组装业务逻辑；国产信创方案（如蓝凌MK-PMS）则深度适配等保2.0、ISO9001及电子签名法等监管框架。本文基于真实产线压测用例，聚焦数据不

weixin_30731305的博客 414

【oracel死锁】ORA-00060: deadlock detected while waiting for resource

ORA-00060: deadlock detected while waiting for resource

littleyuyuyu的博客 3562

Oracle数据库 ORA-00104 错误分析和解决

Oracle数据库 ORA-00104 错误分析和解决

chenoracle的博客 918

oracle数据库报ORA-00060错误（死锁）的解决办法

重要：最根本还是要找到锁表的原因，比如有定时任务、存储过程等一直调用该表写入数据，此时就算解kill掉所有session后还是会有新的产生，则就需要先把对该表产生影响的定时任务先停掉（有些系统还需重启一下对应的后端模块），停掉后大多数情况session会自动消失，如果没有就通过参考文章kill掉session。【oracle中“ORA-00060: 等待资源时检测到死锁” 或存储过程编译卡死 解决方法 - 优快云 App】解锁步奏参考以下步骤（serial#这字段中间没有空格，参考文章中写错了）

iot_qizu的博客 2176

ORA-00060 deadlock(转帖)

死锁的几种情况：一.ORA-00060 deadlock detECted while wAIting for rESource. Cause: Your session and another session are wai...

csqm87956的博客 2285

解决 ORA-00060: Deadlock detected 小例

数据库版本： SQL > select * from v$version; BANNER ---------------------------------------------------------------- Oracle Database 10g Enterprise Edition Release 10.2.0.5.0 - 64bi PL/SQL Release 10.2.

地 衣 4215
上一篇： redhat yum服务器搭建
下一篇： oracle 字符集修改及子集超级关系
点赞 0
评论 0
书签 书签 2
iqlife
iqlife
博客等级 码龄20年 865粉丝 115原创
+ 关注 专栏目录 订阅专栏
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值