20200404 NoSQL笔记（二）

第二章 NoSQL的数据一致性与水平扩展

一、 关系型数据库ACID特征

1. 事务是描述数据库处理的一个完整的逻辑过程
   是一个操作序列，是一个不可分割的工作单位
2. ACID特性

1. 原子性（Atomicity）
   事务是一个不可再分割的工作单位，事务中的操作要么都发生，要么都不发生
2. 一致性（Consistency）
   在事务开始之前和事务结束以后，数据库的完整性约束没有被破坏
3. 隔离性（Isolation）
   多个事务并发访问时，事务之间是隔离的，一个事务不影响其它事务运行效果
4. 持久性（Durability）
   一旦事务执行成功，则该事务对数据库进行的所有的更新都是持久的，即使数据库故障而受破坏，数据库管理系统也能恢复

二、 CAP理论

1. CAP特性（最多满足两个特性）

1. 强一致性：系统在执行某项操作后仍然处于一致的状态
   在分布式系统中，更新操作执行成功之后所有的用户都应该读取到最新的值
2. 可用性：每一个操作总是能够在一定的时间内返回结果
3. 分区容错性：分布式系统中的某个节点或者网络分区出现故障时，整个系统仍然能对外提供满足一致性和可用性的服务

2. CA: 优先保证强一致性和可用性，放弃分区容错
   这也意味着放弃系统的扩展性，系统不再是分布式的，有违设计的初衷
3. CP: 优先保证强一致性和分区容错性，放弃可用性
   一旦发生网络故障或者消息丢失，就会牺牲用户体验，等恢复后用户才逐渐能访问
4. AP: 优先保证可用性和分区容错性，放弃强一致性
   跟CP一样，放弃强一致性不是说一致性就不保证了，保证最终一致性
   

三、 DNS系统（Domain Name System）

1. DNS：可以将域名和IP地址相互映射的一个分布式数据库
2. 层次域名空间：英特网采用层次树状结构的命名方法
   
3. 域名服务器
   一个域名服务器所负责（或者有权限的）的管辖范围称为区
   
4. 域名的解析过程——解析器

1. 递归查询方式
   
2. 迭代查询方式
   
   四、 数据一致性模型和BASE

1. 基本可用（Basically Available）: 系统能够基本运行、一直提供服务
2. 软状态（Soft-state）：系统不要求一直保持强一致状态
3. 最终一致性（Eventual consistency）

1. 因果一致性
2. 读自写一致性
3. 会话一致性
4. 单调一致性
5. 时间轴一致性

五、 NoSQL数据水平扩展

1. 

1. 分片：
   将数据分成几部分，每部分放在一个服务器上，这个服务器处理这个分片数据所有的读和写请求
2. 主从复制（避免了写入的冲突）
   在主从架构中，数据被复制到多个节点，一个节点被指定为主，其他都是从
   主通常负责处理数据的更新，并启动单独的进程将数据同步到从
   
3. 对等复制（避免了单点写入的故障）：所有副本地位都是相同的，没有主从
   
4. 分片和复制可以只使用一种，也可以同时使用两种技术

2. 分区方案Sharding

1. 概述：
   Sharding是指将大数据库分布到多个物理节点上的分区方案
   Sharding系统是shared-nothing系统，指各个处理单元都有自己的CPU/内存/盘等，不存在共享资源
   数据分片方法：区间划分、轮流放置和一致性哈希
2. 区间划分
   a) 情况1：数据分配不均，调整导致的连锁迁移
   b) 情况2：增加或者删除节点导致的连锁迁移
   c) MongoDB采取每个节点多个区间方案
3. 轮流划分
   轮流放置是指每个键都会被依次放置在下一个节点上，以此进行循环。通常按照主键的值来决定次序从而进行划分
   缺点：数据迁移量大
4. 一致性Hash算法
   a) 一致性Hash算法基本场景
   把一个对象object映射到N个高速缓冲服务器cache
   一台高速缓冲服务器坏掉；增加一台高速缓冲服务器
   【单调性】如果已经有一些内容通过哈希分派到相应的缓冲中，又有新的缓冲加入到系统中。哈希结果能够保证原有已分配的内容可以被映射到旧的缓冲中，而不会被映射到新的缓冲集合中
   b) 步骤
   
   c) 优点
   均匀：由于采用的哈希函数是与输入无关的均匀函数，因此当键值和节点都非常的多的时候，一致性哈希可以达到很好的分布式均匀性
   迁移时数量小：由于特殊的放置规则，一致性哈希在节点数据发生变动时可以将影响控制在局部区间内，从而保证非常少的数据迁移（接近理论上的最小值）