CAP理論Cibsustebct、availability、partition tolerance

一致性：對數據有同樣的view
可用性：所有客戶端都可以讀寫
分區可容忍性：在物理網絡分區下很好的工作
CAP只能三取二
強一致性：一臺機器只能被一臺服務器服務，實現的代價也高

數據庫系統

早期：ACID propeties
A-aomic原子性 對數據的修改：要么全部執行，要么全部不執行
C-consistent
I-isolated 隔離性 一個任務執行完成之前是不可見的，也就是說對于其他任務，其中間狀態是不可見的
D-durable 持久性

ACID VS BASE

basically available， soft state， eventually consistent

數據庫拆分

• horizontal scaling（sharding）
• functional scaling（scale out）
  單一->master/slave->垂直分區->sharding

stateless

一個系統伸縮性的好壞取決于對狀態的管理（的好壞）
session VS Cookie

異步通信

rpc-遠程架構框架
就是一個分包和解包的過程
最大化將子系統分割與解耦
好處--提高可用性

有效利用Cache

一致性與復制性：

一致性介紹

強一致性 某一個數據被更新之后，后續的任何操作所達到的結果都應該是更新之后的數據（傳統關系型數據庫所提供的保障）
弱一致性 與強一致性相對
最終一致性 弱一致性的一種

一致性哈希

分布式哈希table-擴展性和容錯性不好
平衡性，單調性 ，分散性，負載

一致性哈希算法：

通過32位環確定節點，變動只會影響局部

虛擬節點：解決數據傾斜問題
計算多個哈希，在多個位置放置虛擬節點，在虛擬節點上設置映射關系

案例：cassandra，
amazon's dynamo
hbase
mongoDB

NoSQL數據庫

對數據庫進行水平的切分
簡單的queriy方式：gets() 和 sets()
通過key/value pairs獲取
不支持joins（因為做了水平切分）
十億以上記錄都很高效

thrift--facebook開發，protocol buffers--google開發

scalability原則

1.cashe--遇到性能問題的時候
2.queue
3.異步
4.負載均衡
5.并發
6.replication賦值
7.切分