数据密集型应用系统设计

每章都有一张思维导图，十二张思维导图助你理清学习本书的脉络。深入探索常用分布式系统内部机制，学习如何高效运用这些技术。分析各种工具的优势和不足，帮助做出明智的设计决策。解析一致性、扩展性、容错和复杂度之间的权衡利弊。介绍分布式系统研究的新进展（现代数据库的基石）。揭示主流在线服务的基本架构。

全书分为三大部分：第一部分，主要讨论有关增强数据密集型应用系统所需的若干基本原则。首先开篇第1章即瞄准目标：可靠性、可扩展性与可维护性，如何认识这些问题以及如何达成目标。第2章我们比较了多种不同的数据模型和查询语言，讨论各自的适用场景。接下来第3章主要针对存储引擎，即数据库是如何安排磁盘结构从而提高检索效率。第4章转向数据编码（序列化）方面，包括常见模式的演化历程。第二部分，我们将从单机的数据存储转向跨机器的分布式系统，这是扩展性的重要一步，但随之而来的是各种挑战。所以将依次讨论数据远程复制（第5章）、数据分区（第6章）以及事务（第7章）。接下来的第8章包括分布式系统的更多细节，以及分布式环境如何达成一致性与共识（第9章）。第三部分，主要针对产生派生数据的系统，所谓派生数据主要指在异构系统中，如果无法用一个数据源来解决所有问题，那么一种自然的方式就是集成多个不同的数据库、缓存模块以及索引模块等。首先第10章以批处理开始来处理派生数据，紧接着第11章采用流式处理。第12章总结之前介绍的多种技术，并分析讨论未来构建可靠、可扩展和可维护应用系统可能的新方向或方法。

   马丁·科勒普曼，是英国剑桥大学分布式系统方向的研究员。此前，他曾是LinkedIn和Rapportive等互联网公司的软件工程师，负责大规模数据基础设施建设。在此过程中他遇到过一些困难，因此他希望这本书能够帮助读者避免重蹈覆辙。Martin还是一位活跃的会议演讲者、博主和开源贡献者。他认为，每个人都应该学习深刻的技术理念，对技术的深入理解能帮助我们开发出更好的软件。

赵军平，大数据存储与分析资深开发者与推广者（EMC10余年），GPU异构计算的亲历者。中国计算机协会专家委员，DELLEMC资深架构师。12年系统研发、创新与团队管理经验，擅长数据存储与保护，云计算与大数据实时分析，GPU异构加速优化等。

   前言1

第一部分数据系统基础

第1章可靠、可扩展与可维护的应用系统11

认识数据系统12

可靠性14

可扩展性18

可维护性25

小结28

第2章数据模型与查询语言33

关系模型与文档模型34

数据查询语言46

图状数据模型52

小结65

第3章数据存储与检索71

数据库核心：数据结构72

事务处理与分析处理89

列式存储94

小结101

第4章数据编码与演化109

数据编码格式110

数据流模式124

小结134

第二部分分布式数据系统

第5章数据复制145

主节点与从节点146

复制滞后问题154

多主节点复制160

无主节点复制168

小结181

第6章数据分区189

数据分区与数据复制190

键-值数据的分区190

分区与二级索引195

分区再平衡198

请求路由202

小结204

第7章事务211

深入理解事务212

弱隔离级别221

串行化237

小结250

第8章分布式系统的挑战259

故障与部分失效260

不可靠的网络262

不可靠的时钟271

知识，真相与谎言282

小结292

第9章一致性与共识303

一致性保证304

可线性化305

顺序保证319

分布式事务与共识330

小结349

第三部分派生数据

第10章批处理系统367

使用UNIX工具进行批处理368

MapReduce与分布式文件系统375

超越MapReduce394

小结403

第11章流处理系统413

发送事件流414

数据库与流424

流处理435

小结449

第12章数据系统的未来461

数据集成461

分拆数据库469

端到端的正确性484

做正确的事情500

小结509

术语表521