NoSQL数据库入门

 

CAP理论：

（1）Consistency一致性，任何一个读操作总能读取到之前完成的写操作结果。

（2）Avaliability 可用性，每一个操作总是能够在确定的时间内返回。

（3）Tolerance of network Partition 分区容忍性，在出现网络分布的情况下，仍能够满足一致性和可用性。

（4）最多只能同时满足以上两种需求。

由于当前网络硬件肯定会出现延迟丢包等问题,所以分区容忍性必须实现.

CAP理论不能同时满足的场景:

(1)数据同步需要时间(C),响应时间(A)也要保障,那么机器数量就要少,这样的情况下,容错性(P)就无法保证.

(2)数据同步需要时间(C), 机器数量也要够用(P), 但是数据同步城要时间,所以不能同时足可用性. 代表是Zookeeper

(3)机器数量够多(P), 响应时间要正常 (A),那么数据不能及时同步到每个节点上. 代表是eureka

 

 

BASE模型：

（1）反ACID模型，牺牲高一致性，获得可用性和可靠性。

（2）基本可用，支持分区失败；软状态，状态可以有一段时间不同步，异步；最终一致，状态达到最终一致就可以。

（3）按功能划分数据库，sharding分片。

 

关于内存和磁盘：

（1）如果一条记录频繁被访问，就应该放到内存里，否则的话就应该待在硬盘上按需访问，这个临界点就是5分钟。

（2）把随机读写交给RAM，磁盘尽量用作顺序读写及持久化。

 

一致性哈希：

（1）要解决的问题：分布式Key-Value系统中，加入有N个服务节点，如何将一个key对应的value对象均匀的映射到N个节点上进行存储。

 

Quorum NRW 机制：

（1）数据复制的一致性协议实现。这个协议有三个关键值：R、W、N。

（2）N：复制的节点数。R：成功读操作的最小节点数。W：成功写操作的最小节点数。通过W+R>N保证强一致性。

 

Vector clock:

（1）一个（node,counter）的向量，记录数据历史版本。

 

Merkle Tree:

（1）又被称为Hash Tree，是一种树状Hash结构。

（2）当节点宕机后数据恢复时，用于数据检验与数据同步。

（3）结构简单，叶子节眯是一些Hash值，非叶子节点保存一个范围的key值是由子节点计算Hash得来，自底向上构建。

（4）比较过程，自顶向下。先从根节点比较，相同则表示完全一致，否则子节点继续进行交换比较。

（5）传输过程中只传输要比较的层，大大减少网络传输量。

 

Paxos算法：

（1）解决分布式系统如何就某个值（决议）达成一致，基于消息传递模型。

（2）参与角色：proposers,acceptors, leaners。

a.value只有被Proposers踢出后才能批准。

b.在一次paxos算法实例中，只批准一个value。

c.learners只能获得被批准的value。

（3）算法过程：

a.proposer选择一个提案编号n，并将prepare请求发送给acceptors中的一个多数派。

b.acceptor收到prepare消息后，如果提案编号大于已经恢复的所有prepare消息，则将自己上次批准的回复给proposer，并承诺不再批准小于n的编号。

c.当一个Proposor收到多数acceptors对prepare的回复后，向回复的acceptor发送accept请求，包括n和value。

d.acceptor在不会违背向proposer提出的承诺前提下，批准此请求。

e.learners在accept后按n的大小学习value.

 

最后欢迎大家访问我的个人网站：1024s