【第六周】学习总结——分布式存储

分布式数据库

1、单一数据库

数据压力不大，可用性要求不高



2、读写分离

访问压力比较大

一主多从，主负责写，从负责读，降低读压力

主主复制：高可用性，只能向一个服务器写入



3、业务分库

数据分片前一定考虑先做业务分库，分的最彻底的情况是一个服务器就一张表。



4、数据分片

分片，加主从复制

当一个表数据量非常大，写压力非常大的时候，需要进行数据分片。

分布式数据库中间件，MyCat

节点伸缩：多schema



CAP原理

一致性（Consistency）：每次读取的数据都应该是最新写入的数据，而不是过期数据。

可用性（Availability）：非故障节点每次请求都应该返回正常状态（不能是错误或者超时）。

分区容错性（Partition Tolerance）：当发生分区问题时，系统能继续履行职责。



对于一个分布式存储系统CAP是不同同时满足的，而分区失效一定会发生的。也就是说P是必须保证，而C 和A是要看场景进行选择。但并不是就一定要完全舍弃另一方，比如经常会使用的满足AP前提下的最终一致性方案（对用户使用最终一致）。



限定（在这个前提下去理解会清晰很多，否则范围错误的放大，对概念的理解都变得更复杂和困难）：

1. CAP针对相互连接且数据共享的多分区场景。

2. CAP关注的粒度是数据，而不是系统。



NoSQL

1、Cassandra



2、HBase

LSM树



写入性能非常好，查询需要逐级查询



ACID和BASE

关系数据库遵循ACID事务，NoSQL一般使用BASE。

ACID：传统的事务机制

原子性（Atomicity）：事务要么完成，要么取消

一致性（Consistency）：只有合法的数据才能写入，数据库约束

隔离性（Isolation）：多个事务执行，不相互影响

持久性（Durability）：事务执行完成后，数据不会受程序运行状态影响



BASE：

基本可用（Basically Availble）、软状态/柔性事务（Soft-state）、最终一致性（Eventual Consistency）

Doris海量KV引擎

Doris的一致性Hash和伸缩策略



Zookeeper分布式一致

分布式一致性（共识机制）算法Paxos

• Proposer

• Acceptor

• Leaner





学习小结

分布式存储的理论和技术有一定深度和广度，需要好好学习，而且很重要。