4.1 KiB
第三部分:衍生資料
在本書的第一部分和第二部分中,我們自底向上地把所有關於分散式資料庫的主要考量都過了一遍。從資料在磁碟上的佈局,一直到出現故障時分散式系統一致性的侷限。但所有的討論都假定了應用中只用了一種資料庫。
現實世界中的資料系統往往更為複雜。大型應用程式經常需要以多種方式訪問和處理資料,沒有一個數據庫可以同時滿足所有這些不同的需求。因此應用程式通常組合使用多種元件:資料儲存,索引,快取,分析系統,等等,並實現在這些元件中移動資料的機制。
本書的最後一部分,會研究將多個不同資料系統(可能有著不同資料模型,並針對不同的訪問模式進行最佳化)整合為一個協調一致的應用架構時,會遇到的問題。軟體供應商經常會忽略這一方面的生態建設,並聲稱他們的產品能夠滿足你的所有需求。在現實世界中,整合不同的系統是實際應用中最重要的事情之一。
記錄和衍生資料系統
從高層次上看,儲存和處理資料的系統可以分為兩大類:
記錄系統(System of record)
記錄系統,也被稱為真相源(source of truth),持有資料的權威版本。當新的資料進入時(例如,使用者輸入)首先會記錄在這裡。每個事實正正好好表示一次(表示通常是標準化的(normalized))。如果其他系統和記錄系統之間存在任何差異,那麼記錄系統中的值是正確的(根據定義)。
衍生資料系統(Derived data systems)
衍生系統中的資料,通常是另一個系統中的現有資料以某種方式進行轉換或處理的結果。如果丟失衍生資料,可以從原始來源重新建立。典型的例子是快取(cache):如果資料在快取中,就可以由快取提供服務;如果快取不包含所需資料,則降級由底層資料庫提供。非規範化的值,索引和物化檢視亦屬此類。在推薦系統中,預測彙總資料通常衍生自使用者日誌。
從技術上講,衍生資料是冗餘的(redundant),因為它重複了已有的資訊。但是衍生資料對於獲得良好的只讀查詢效能通常是至關重要的。它通常是非規範化的。可以從單個源頭衍生出多個不同的資料集,使你能從不同的“視角”洞察資料。
並不是所有的系統都在其架構中明確區分記錄系統和衍生資料系統,但是這是一種有用的區分方式,因為它明確了系統中的資料流:系統的哪一部分具有哪些輸入和哪些輸出,以及它們如何相互依賴。
大多數資料庫,儲存引擎和查詢語言,本質上既不是記錄系統也不是衍生系統。資料庫只是一個工具:如何使用它取決於你自己。記錄系統和衍生資料系統之間的區別不在於工具,而在於應用程式中的使用方式。
透過梳理資料的衍生關係,可以清楚地理解一個令人困惑的系統架構。這將貫穿本書的這一部分。
章節概述
我們將從第十章開始,研究例如MapReduce這樣 面向批處理(batch-oriented) 的資料流系統。對於建設大規模資料系統,我們將看到,它們提供了優秀的工具和思想。第十一章將把這些思想應用到 流式資料(data streams) 中,使我們能用更低的延遲完成同樣的任務。第十二章將對本書進行總結,探討如何使用這些工具來構建可靠,可伸縮和可維護的應用。
索引
| 上一章 | 目錄 | 下一章 |
| ------------------------------ | ------------------------------- | ------------------------- |
| 第九章:一致性與共識 | 設計資料密集型應用 | 第十章:批處理 |