前言

如果你是一位软件行业从业者，尤其是从事服务器端或者后台系统软件开发，相信近年来一定被层出不穷的商业名词所包围:NoSQL、Big Data、Web-scale、Sharding.Eventual consistency、ACID、CAP理论、云服务、MapReduce和Real-time等，所有这些其实都围绕着如何构建高效存储与数据处理这一核心主题。过去十年，在数据库领域与分布式系统方面涌现了许多引人瞩目的进展，由此深刻地影响了如何构建上层应用系统。

纵使软件千变万化，终有若干理念贯穿其中。无论你用的什么数据系统，如果可以掌握背后的设计理念，何种工具适用于何种场景，如何最佳使用，又有哪些陷阱(坑)，诸如此类，自然会胸有成竹，而为了帮助大家完美的解决这个问题，阿嘴在这里分享一份“数据密集型应用系统设计”手册。

本手册旨在帮助大家更好地驾驭处理数据和存储数据的相关技术。它不是针对某个特定软件的介绍手册，也不是纯理论的习题。我们会深入探讨一些成功的数据系统案例，剖析其中的技术要点;或许在很多流行的分布式系统里都有它们的身影，正是这些关键技术有效应对了许多生产环境对扩展性、性能和可靠性的苛刻要求。感兴趣的小伙伴仅需点留意文末即可取得免费完整笔记下载方式

内容细节

整份手册分为三大部分： 数据系统基础； 分布式数据系统；派生数据

第一部分 数据系统基础

这部分总结了适用于所有数据系统的基本思想，既包括单机运行环境，也包括分布式集群环境

• 第1章可靠、可扩展与可维护的应用系统

• 第2章数据模型与查询语言

• 第3章数据存储与检索

• 第4章数据编码与演化

第二部分 分布式数据系统

这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、数据分区以及事务。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5章数据复制

• 第6章数据分区

• 第7章事务

• 第8章分布式系统的挑战

• 第9章一致性与共识

第三部分 派生数据

这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。

• 第10章批处理系统

• 第11章流处理系统

• 第12章数据系统的未来

阿嘴也多哔哔了感兴趣需要获取完整内容学习的朋友仅需留意文末即可获取

标签：GitHub,派生,系统,开源,无语子,分布式系统,数据系统,数据,分布式
来源： https://blog.csdn.net/everehoo/article/details/122674369