DDIA 读书分享 第一章 文字稿

第一章是很容易被跳过的一章，因为概念较多，容易泛泛而谈。但其给出的三个概念，确实是构建系统避不开的三个重点方向。

ps. 开源中文版本[1]有些地方翻译的不是很地道，读起来可能会有些难受，不过这是所有翻译难免的。

本书为什么以数据系统为主题

---

数据系统（data system）是一种模糊的统称。在信息社会中，一切皆可信息化，或者，某种程度上来说——数字化。这些数据的采集、存储和使用，是构成信息社会的基础。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。

数字化社会

因此，作为 IT 从业人员，有必要系统性的了解一下现代的、分布式的数据系统。学习本书，能够学习到数据系统的背后的原理、了解其常见的实践、进而将其应用到我们工作的系统设计中。

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

• 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

这些概念如此耳熟能详以至于我们在设计系统时拿来就用，而不用去想其实现细节，更不用从头进行实现。当然，这也侧面说明这些概念抽象的多么成功。

数据系统的日益复杂化

但这些年来，随着应用需求的进一步复杂化，出现了很多新型的数据采集、存储和处理系统，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：

1. Kafka：可以作为存储持久化一段时间日志数据、可以作为消息队列对数据进行分发、可以作为流式处理组件对数据反复蒸馏等等。

2. Spark：可以对数据进行批处理、也可以化小批为流，对数据进行流式处理。

3. Redis：可以作为缓存加速对数据库的访问、也可以作为事件中心对消息的发布订阅。

我们面临一个新的场景，以某种组合使用这些组件时，在某种程度上，便是创立了一个新的数据系统。书中给了一个常见的对用户数据进行采集、存储、查询、旁路等操作的数据系统示例。从其示意图中可以看到各种 Web Services 的影子。

DDIA 书中一个典型的数据系统的例子

但就这么一个小系统，在设计时，就可以有很多取舍：

1. 使用何种缓存策略？是旁路还是写穿透？

2. 部分组件机器出现问题时，是保证可用性还是保证一致性？

3. 当机器一时难以恢复，如何保证数据的正确性和完整性？

4. 当负载增加时，是增加机器还是提升单机性能？

5. 设计对外的 API 时，是力求简洁还是追求强大？

因此，有必要从根本上思考下如何评价一个好数据系统，如何构建一个好的数据系统，有哪些可以遵循的设计模式？有哪些通常需要考虑的方面？

书中用了三个词来回答：可靠性（Reliability）、可伸缩性（Scalability）、可维护性（Maintainability）

可靠性（Reliability）

如何衡量可靠性？

• 功能上

1. 正常情况下，应用