这是我参与「第五届青训营 」伴学笔记创作活动的第 7 天
今天主要是理论学习，这里贴一下我的理论总结
分布式概述
什么是分布式
分布式系统是计算机程序的集合，这些程序利用跨多个独立计算节点的计算资源来实现共同的目标。
分布式可以分为：分布式计算、分布式存储和分布式数据库等
分布式的优点
- 去中心化
- 低成本
- 弹性
- 资源共享
- 可靠性高
常见的分布式系统
存储
- Google File System(GFS)： google分布式文件系统
- Ceph：统一的分布式存储系统
- Handoop HDFS：基于GFS架构的开源分布式文件系统
- Zookeeper：高可用的分布式数据管理与系统协调框架
数据库
- Google Spanner：google的可扩展的、全球分布式的数据库
- TiDB：开源分布式关系型数据库
- HBase：开源Nosql数据库
- MongoDB：文档数据库
计算
- Hadoop：基于MapReduce的分布式计算框架
- Spark：在Hadoop基础之上，使用内存来存储数据
- YARN：分布式资源调度
系统模型
故障模型
- Byzantine failure：拜占庭故障，节点可以任意篡改发送给其他节点的数据
- Authentication detectable byzantine failure(ADB)：拜占庭故障的特例，节点可以篡改数据，但不能伪造其他节点的数据
- Performance failure：节点未在特定时间内收到数据，即时间太早或太晚
- Omission failure：节点收到数据的时间无限晚，即收不到数据
- Crash failure：在omission的基础上，增加了节点停止响应的假设，也就是持续性的omission failure
- Fail-stop failure：在Crash failure的基础上增加了错误可以检测的假设
理论基础
CAP理论
| 选项 | 描述 |
|---|---|
| C（Consistence） | 一致性，指的是数据在多个副本间可以保持一致的特性（严格一致） |
| A（Availability） | 可用性，指的是系统提供的服务必须一直处于可用状态，每次请求都能获得非错的响应，保证数据为最新数据 |
| P（Network partitioning） | 分区容错性，分布式系统在遇到任何网络分区故障的时候，仍然能够对外提供满足一致性和可用性的服务，除非整个网络环境都发生了故障 |
CAP理论往往运用于数据库领域，同样可以适用于分布式存储方向
CA：放弃分区容错性，加强一致性和可用性，也就是传统的单机数据库
AP：放弃一致性（严格一致），追求分区容错和可用性，例如一些注重用户体验的系统
CP：放弃可用性，追求一致性和分区容错性，例如与钱财安全相关的系统
ACID理论
事务是数据库系统中非常重要的概念，它是数据库管理系统执行过程中的一个逻辑单元，它能够保证一个事物中所有操作要么全部执行，要么全都不执行
数据库事务拥有四个特性ACID
| 选项 | 描述 |
|---|---|
| A（Atomicity） | 原子性，事务包含的所有操作要么全部成功，要么全部失败回滚 |
| C（Consistency） | 一致性，事务必须使得数据库从一个一致性状态变换到另一个一致性状态，也就是说一个事物执行之前和执行之后都必须处于一致性状态 |
| I（Isolation） | 隔离性，当多个用户并发访问数据库时，数据库为每一个用户开启的事务，不能被其他事务的操作干扰，多个并发事务之间要隔离 |
| D（Durability） | 持久性，一个事务一旦被提交了，那么对数据库中的数据的改变就是永久性的，即使是在数据库系统遇到故障的情况下也不会丢失提交事务的操作 |
