DDIA阅读笔记(一)-数据系统的基石

第一章：可靠性、可伸缩性、可维护性

应用的两个分类：

• data-intensive：问题通常来自数据量、数据复杂性、以及数据的变更速度。
• compute-intensive：瓶颈在于CPU。

可靠性

可以把可靠性粗略理解为 “即使出现问题，也能继续正确工作”。

造成错误的原因叫做 故障（fault），能预料并应对故障的系统特性可称为 容错（fault-tolerant） 或 韧性（resilient）。

fault种类：

• 硬件故障（hardware faults）
  • 增加单个硬件的冗余度：磁盘可以组建RAID、服务器使用双路电源和热拔插CPU等。
  • 云平台的设计就是优先考虑 灵活性（flexibility）和 弹性（elasticity），而不是单机可靠性。
  • 引入软件容错机制。
• 系统性错误（systematic error）
  • 软件错误
  • 修复问题代码、进程隔离、监控分析
• 人为错误
  • 以最小化犯错机会的方式设计系统：精心设计的API
  • 与最容易犯错的模块解耦
  • 彻底的测试：单元测试、系统测试
  • 允许从人为错误中简单快速地恢复：快速回滚配置变更、分批发布新代码。
  • 配置详细地监控，比如性能指标和错误率。

可伸缩性

可伸缩性（Scalability） 是用来描述系统应对负载增长能力的术语。

描述性能的指标：

• 吞吐量（throughput）：每秒可以处理的记录数量。或者在特定规模数据集上运行作业的总时间。
• 响应时间（response time）：客户端发送请求到接收响应之间的时间。
  • 响应时间的高百分位点（尾部延迟）指标非常重要

处理方法：

• 垂直伸缩：转向更强大的机器。
• 水平伸缩：负载分布到多台小机器。

弹性（elastic）：在检测到负载增加时自动增加计算资源

可维护性

三个设计原则来避免自己的软件系统变为遗留系统：

• 可操作性
• 简单性
• 可演化性

可操作性

• 监控系统提供可见性
• 将系统与标准化工具集成
• 避免单机部署
• 提供良好的文档
• 提供良好的默认行为（配置参数？）
• 自我修复
• 行为可预测

简单性

消除额外复杂度的最好工具之一是抽象。

抽象帮助我们控制系统复杂度。

可演化性

系统的需求是变化的，使用敏捷工作模式来应对，例如TDD和重构。

第二章：数据模型与查询语言