最近突然开始对分布式系统感兴趣，一直听说MIT8.426课程 和 《Designing Data-Intensive Application》 （DDIA，数据密集型应用系统设计）这本书。在自律性不强的我发现了B站有视频精读，在学习完每一章节之后，也想自己留下笔记。
第一章 可靠性，可扩展性，可维护性
这里留下文档链接和视频链接： B站：www.bilibili.com/video/BV1bY… DDIA驻章精读：ddia.qtmuniao.com/#/ch01
该文章仅作为个人学习，更多的记一些概念词，不逐一具体解析。
数据系统（data system）是一种模糊的统称。我们常见的绝大部分应用背后都有一套数据系统支撑，比如微信、京东、微博等等。
[常见的数据系统有哪些]
- 存储数据，以便之后再次使用——数据库 关系型/非关系型/对象存储
- 记住一些非常“重”的操作结果，方便之后加快读取速度——缓存
- 允许用户以各种关键字搜索、以各种条件过滤数据——搜索引擎
- 源源不断的产生数据、并发送给其他进程进行处理——流式处理
- 定期处理累积的大量数据——批处理
- 进行消息的传送与分发——消息队列 推与拉的模式
数据系统的日益复杂化： 新型的数据系统，它们不拘泥于单一的功能，也难以生硬的归到某个类别。随便举几个例子： Kafka【1.存储一段时间日志数据 2.流式处理】，Spark，Redis【1.作为缓存数据库 2.发布订阅 3.分布式锁】。
redis常见的缓存读写策略：旁路策略，读写穿透，异步缓存写入 缓存读写策略与延迟双删的关系。都是为了解决一致性的问题。 (38条消息) redis探索之常用的三种缓存读写策略
如何构建一个好的数据系统？书中提到非常重要的三个词： 可靠性（Reliability）、可伸缩性（Scalability）、可维护性（Maintainability）
如何衡量可靠性？
- 功能上
- 正常情况下，应用行为满足 API 给出的行为
- 在用户误输入/误操作时，能够正常处理
- 性能上 在给定硬件和数据量下，能够满足承诺的性能指标。
- 安全上 能够阻止未授权、恶意破坏。 可用性也是可靠性的一个侧面，云服务通常以多少个 9 来衡量可用性。
可靠性的原因主要体现在以下几点： 硬件问题【1.网络 2.硬盘 3.内存 4.散热】，软件问题【1.边界值 2.级联故障 3.组件依赖无响应】，人为原因【1.系统中人最不可靠的是人 2.编码设计 3.测试阶段】
可伸缩性： 没办法优先考虑，但是最好在设计时留出口子。 衡量负载 描述性能 应对负载：【纵向伸缩：加机器 横向伸缩：并联”很多廉价机，分摊负载】 负载伸缩的两种方式：自动 手动 All in 云原生
可维护性： 从软件的整个生命周期来看，维护阶段绝对占大头。
但大部分人都喜欢挖坑，不喜欢填坑。因此有必要，在刚开就把坑开的足够好。有三个原则：
- 可维护性（Operability） 便于运维团队无痛接手。
- 简洁性（Simplicity） 便于新手开发平滑上手：这需要一个合理的抽象，并尽量消除各种复杂度。如，层次化抽象。
- 可演化性（Evolvability） * 便于后面需求快速适配：避免耦合过紧，将代码绑定到某种实现上。
把以上的都考虑到了，才会是一个合格的数据系统。
