GitHub 已开源—在国内外都被称为分布式理论 + 实践的巅峰之作

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。

限于文章篇幅原因，只能以截图的形式展示出来，有需要的小伙伴 点击这里凭本文截图即可获取！

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

限于文章篇幅原因，就展示到这里了，有需要的小伙伴 点击这里凭本文截图即可获取！