具體描述
作者簡介
Martin Kleppmann是英國劍橋大學分布式係統方嚮的研究員。此前，他曾是LinkedIn和Rapportive等互聯網公司的軟件工程師，負責大規模數據基礎設施建設。在此過程中他遇到過一些睏難，因此他希望這本書能夠幫助讀者避免重蹈覆轍。Martin還是一位活躍的會議演講者、博主和開源貢獻者。他認為，每個人都應該學習深刻的技術理念，對技術的深入理解能幫助我們開發齣更好的軟件。
譯者簡介
趙軍平, 大數據存儲與分析資深開發者與推廣者（EMC 10餘年），GPU異構計算的親曆者。中國計算機協會專傢委員，DELL EMC資深架構師。12年係統研發、創新與團隊管理經驗，擅長數據存儲與保護, 雲計算與大數據實時分析，GPU異構加速優化等。相關領域已申請中、美技術專利100餘項，並多次在SNIA，LinuxConf，Hadoop Summit, Nvidia GPU Tech Conf等做技術分享，持續關注數據密集和計算密集相關技術的演進、融閤與賦能推廣。
呂雲鬆，北京大學計算機碩士，碩士及DELL EMC中國研究院實習期間專注於大數據實時流式處理相關的研究。現就職於華為2012中軟院黎曼實驗室，主要從事深度學習的研發。
耿煜，DELL EMC架構師兼GTM負責人，緻力於推廣企業級數字化轉型方案。深耕分布式架構以及雲計算12年，先後任職於ChinaCache，Sun Microsystems以及EMC等公司。
李三平，美國麻省大學計算機工程專業博士，DELL EMC中國研究院首席科學傢，研究方嚮為機器學習、深度學習、智能運維、遙感影像等。已在IEEE Transactions期刊和會議上發錶論文數十篇，申請美國專利20餘項。推崇簡約，熱衷機器學習。
全書分為三大部分：
第一部分，主要討論有關增強數據密集型應用係統所需的若乾基本原則。首先開篇第1章即瞄準目標：可靠性、可擴展性與可維護性，如何認識這些問題以及如何達成目標。第2章我們比較瞭多種不同的數據模型和查詢語言，討論各自的適用場景。接下來第3章主要針對存儲引擎，即數據庫是如何安排磁盤結構從而提高檢索效率。第4章轉嚮數據編碼（序列化）方麵，包括常見模式的演化曆程。
第二部分，我們將從單機的數據存儲轉嚮跨機器的分布式係統，這是擴展性的重要一步，但隨之而來的是各種挑戰。所以將依次討論數據遠程復製（第5章）、數據分區（第6章）以及事務（第7章）。接下來的第8章包括分布式係統的更多細節，以及分布式環境如何達成一緻性與共識（第9章）。
第三部分，主要針對産生派生數據的係統，所謂派生數據主要指在異構係統中，如果無法用一個數據源來解決所有問題，那麼一種自然的方式就是集成多個不同的數據庫、緩存模塊以及索引模塊等。首先第10章以批處理開始來處理派生數據，緊接著第11章采用流式處理。第12章總結之前介紹的多種技術，並分析討論未來構建可靠、可擴展和可維護應用係統可能的新方嚮或方法。
用戶評價
##比七周七數據庫寫的好多瞭。。。。當然不是一類東西 看瞭半年終於瀏覽一遍瞭。。。
評分##對於我這種整天和數據打交道的開發來說簡直是本神書啊。之前睏擾我的，使我疑惑的問題，都在讀書的時候一一解開瞭，並看到瞭一些本質…
評分##傳說中的ddia果然名不虛傳。提綱挈領，高屋建瓴。注定要迴看許多遍纔能吃透。每章章首的題圖真乃一大亮點。那些走過的路呀，那些趟過的河，以及那些掉過的坑。
評分##從高層視角係統的介紹瞭數據在存儲和讀取中的方方麵麵，非常有助於建立自己的知識體係。書中很多內容都是平時會接觸到的一些問題，但是在實際工作中未必能夠把這些零碎的東西串起來，形成體係框架。這本書可以讓你整理你自己的知識，讓他們連接在一起，變成一個樹結構，後麵你...
評分 評分##Martin Kleppmann 不僅是個牛逼的程序員，更是一個極富社會責任和人文關懷的牛逼程序員。而這是更難能可貴的。 習武之人講究“習武先修德”。Martin Kleppmann 亦是如此。他用前十一章教會我們如何處理海量數據，用最後一章告訴我們如何正確使用數據。要保護用戶隱私、要對自己...
評分##前麵幾章啓發很大，關於各種存儲模型。有時間會動手實現一個分布式lsm存儲係統。後麵對於流處理的論述沒太讀懂。
評分相關圖書
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.tinynews.org All Rights Reserved. 静思书屋 版权所有