Designing Data-Intensive Application《数据密集型应用系统设计》笔记

Designing Data-Intensive Application 中译《设计数据密集型应用》又名《数据密集型应用系统设计》，我看的是冯若航在gitbook开源的翻译版本，地址是https://vonng.gitbooks.io/ddia-cn/content/。以下为读书笔记。

第一部分第三章开始阅读英文原版。

参考文献可见https://github.com/ept/ddia-references

第一部分 数据系统的基石

第1章 可靠性、可扩展性、可维护性

1. 可靠性（Reliability）：系统在困境（adversity）（硬件故障、软件故障、人为错误）中仍可正常工作（正确完成功能，并能达到期望的性能水准）
2. 可扩展性（Scalability）：有合理的办法应对系统的增长（数据量、流量、复杂性）
3. 可维护性（Maintainability）：​ 许多不同的人（工程师、运维）在不同的生命周期，都能高效地在系统上工作（使系统保持现有行为，并适应新的应用场景）
4. 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）；在讨论容错时，只有谈论特定类型的错误才有意义。
5. 负载 - 负载参数
6.  对于Hadoop这样的批处理系统，通常关心的是吞吐量（throughput），即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；理想情况下，批量作业的运行时间是数据集的大小除以吞吐量。 在实践中由于数据倾斜（数据不是均匀分布在每个工作进程中），需要等待最慢的任务完成，所以运行时间往往更长。
7. 延迟（latency） 和 响应时间（response time） 经常用作同义词，但实际上它们并不一样。响应时间是客户所看到的，除了实际处理请求的时间（ 服务时间（service time） ）之外，还包括网络延迟和排队延迟。延迟是某个请求等