Google三篇论文读后笔记

这是我第一次接触计算机方面的学术论文，和预料之中一样的难以理解。三篇论文中，大部分观点都无法明白，一方面是因为论文中的专业术语太多，另一方面应该是我自身水平太低了。因此，虽说是三篇论文的读后感，实质上我只是描述一下论文里看得明白的一点内容，也许里面会有错误，那我感到很抱歉，请多多指教。

三篇论文分别论述了Bigtable、CFS和MapReduce。

简单的说，Bigtable是一个分布式的结构化数据存储系统，类似于数据库，不过设计了新的数据管理模式。Bigtable是如何实现这个数据管理模式的？这应该是论文中值得我们学习和探讨的部分，但是我看不明白。另外，论文中提到，Bigtable的适用性广泛，具有可扩展、高性能和高可用性。适用性广泛很好理解，Bigtable可以满足不同的产品需求，有的需要处理大量数据、有的要求及时性……这些Bigtable都能适用。可扩展指Bigtable能够处理PB级别的数据，并且运用于上千台机器，这是论文中的描述。开始看时我没什么感觉，后来查了一下PB的定义，知道了那是什么级别的。这里引用一句话形象的说明一下——800个人类记忆相当于1个PB，应该是Raymond Kurzweil说的？至于高性能和高可用性的表述，大概算是Google对Bigtable变相的夸奖。

GFS是一个面向大规模数据密集型应用的、可伸缩的分布式文件系统，从Google对其的定义上看，GFS也是与数据存储有关的，不过与管理数据的Bigtable不同，它用于文件管理。Google设计GFS应该也是为了大数据的存储，不过它也支持小文件。还有一个比较特别的地方，GFS能够监控自身状态，对一些失效的组件自动恢复。论文也提到，GFS通常在文件尾部追加数据来进行修改，这部分没理解。

MapReduce是一个编程模型，用于大数据的并行计算，具体一点，论文中有表述，“一个典型的MapReduce计算往往由几千台机器组成、处理以TB计算的数据。”论文中提及了MapReduce的实现，虽然看完了，但并没有看明白什么，就不描述了。

关于Bigtable、CFS和MapReduce的论文自然还有其他内容，很遗憾的是，其余的内容我并没有看明白，所以只写到这里。这也是我第一次写博客，如果有什么不足或做得不对的地方，请帮我指出来，我会非常感激的。