分布式点滴

最近翻 DuckDB 的执行引擎相关的 PPT(Push-Based-Execution) 时，发现了这篇论文，印象中在执行引擎相关的文章中看到他好几次。

“工业流水线”的鼻祖，福特 T 型汽车[1]的电机装配，将组装过程拆成 29 道工序，将装备时间由平均二十分钟降到五分钟，效率提升四倍 ，下图图源[2]。 这种流水线的思想在数据处理过程中也随处可见。

我们在工程实践中，有些构建代码的小技巧，其背后所体现的思想，生活中也常常可见。本系列便是这样一组跨越生活和工程的奇怪联想。这是第一篇：多轮次拆解

由于业务的需要，最近面试了很多数据库候选人。发现很多候选人在面试准备时会有一些普遍的误区，借此机会展开聊聊我作为面试官的一些建议。这次主要讲四个误区：代码基础差、工程素养弱、沟通思维无、知识框架碎。

RocksDB 是很多分布式数据库的底层存储，如 TiKV、CRDB、NebulaGraph 等等。在 DataDog 工作的 Artem Krylysov 写了一篇文章RocksDB 做了一个科普

本论文旨在实现一种针对内存型数据库的、基于多版本（MVCC）实现的、支持可串行化隔离级别的高性能数据结构。其基本思想是： 使用列存 复用 Undo Buffer 数据结构

我是谁 我是“木鸟杂记”博客： https://www.qtmuniao.com/ 作者青藤木鸟。有多年的分布式系统、数据处理、存储和数据库工作经验，现在在一家图数据库创业公司做存储层。

国内很多大学的计算机专业，比较偏重基础和理论的“灌输”（就我当年上学的体验，现在可能会好一些），对于代码能力，虽然也有一些课程实验，但往往不太够用。

不知道为何，今年朋友圈分享年终总结的朋友格外多。我挺喜欢这个形式，一来，我很爱看别人的年终总结，看故事之余还能看到一些不同路径；二来，每年定期回顾下，也确实能帮着梳理下思路，简单做下展望。

有同学在[分布式系统&数据库论坛](https://distsys.cn/)问如何找到一个数据库实习。我感觉很多想做基础软件方向的在校同学可能都会有类似问题，所以开个小文简单聊聊。

单主模型一个最大问题：所有写入都要经过它，如果由于任何原因，客户端无法连接到主副本，就无法向数据库写入。 于是自然产生一种想法：多主行不行？

DDIA 读书分享会，会逐章进行分享，结合我在工业界分布式存储和数据库的一些经验，补充一些细节。每两周左右分享一次，欢迎加入。

知乎上有个问题，如何辨别一个程序员水平的高低？就这几年 Review 代码的体感，忍不住就工程素养这个话题吐两句槽，正好作为“好好写代码”系列的第二篇。

云上一个重要特征就是资源池化、按需分配和精准计费，从而在整体上实现资源的充分利用，通过规模化优势抵消通用性带来的成本。

本篇是 RocksDB 优化系列第一篇，为了优化深层查询性能，将不同层级的 SST 通过一定方式索引起来。

RDD 承自 MapReduce 而来，常驻内存以优化 IO 开销、利用流水线调度以降低批处理延迟，使得在多机上交互式的执行处理称为可能。

第二章讲了上层抽象：数据模型和查询语言。本章下沉一些，聚焦数据库底层如何处理查询和存储。这其中，有个逻辑链条：使用场景→ 查询类型 → 存储格式。

很久没有发文了，搞了一个月事务相关的资料和分享，今天用这篇文章做个小节。本文试着从锁的角度来梳理下几种常见的隔离级别，用相对不精确的叙述给大家建立一个直观感性的认识。

引子 每次 DDIA 读书会之后，会把文字稿发在知乎、博客或者微信上。但是文字稿实在是又臭又长，这些平台似乎都不太是一个好的载体。

在Google I/O 大会上，Google Cloud 发布了兼容 PostgreSQL 标准的云原生数据库 AlloyDB，号称速度是 Amazon 的同类产品的两倍。