缓存

简介

HBase 是 Java 版 Google BigTable 的开源实现，基于 HDFS 构建，现为 Apache 顶级项目。

设计目标：存储大规模数据集。列式数据库，适合存储稀疏数据（宽表）。

HBase 关键特性

• 水平扩展、分区容错性
• 支持并行处理、HDFS 和 MapReduce
• 近实时查询
• 大规模数据集 + 稀疏型数据存储
• 表的动态负载均衡
• 块缓存和布隆过滤器

LSM-Tree 被广泛应用于以文件结构存储数据的数据库：HBase、Cassandra、LevelDB、SQLite。

设计目标：通过顺序写提高写操作吞吐量，替代传统的 B+ 树或 ISAM。

参考资料

• The Log-Structured-Merge-Tree
• Log Structured Merge Trees (LSM) 原理
• Log Structured Merge Tree

开篇词 吃透分布式数据库，提升职场竞争力

略

导论：什么是分布式数据库？

核心概念

数据分片：

• 水平分片：按行分割数据，分散到不同节点
• 垂直分片：按列切割 Schema，分散为多个小 Schema

数据同步：帮助数据库恢复一致性。

分布式数据库发展 = 由合到分再到合：

📖 内容

• 分布式缓存 - 关键词：缓存雪崩、缓存穿透、缓存击穿、缓存更新、缓存预热
• 读写分离 - 关键词：读写分离
• 分库分表 - 关键词：分库分表、分片、路由、迁移、扩容
• 分布式存储面试 💯

读写分离的基本原理是：主服务器用来处理写操作以及实时性要求比较高的读操作，而从服务器用来处理读操作。

简介

在现代互联网应用中，数据库往往是系统最先出现的性能瓶颈。单台数据库服务器既要处理写请求（INSERT/UPDATE/DELETE），又要处理读请求（SELECT），在高并发场景下容易出现锁竞争、连接数耗尽、响应变慢等问题。而实际业务中，绝大多数系统的读写比例都非常悬殊（通常读远多于写，比例可达 10:1 甚至更高）。

读写分离（Read/Write Splitting）正是针对这一现象提出的一种数据库架构优化方案：通过将数据库部署为主从集群，主库（Master）负责写操作和强实时性读操作，从库（Slave）负责一般读操作，从而将读写流量在物理层面分离，使得读请求可以由多个从库并行承担。

什么是分库分表

分库分表是一种数据库水平拆分方案，用于解决单机数据库的存储瓶颈和性能瓶颈问题。

• 分库：将数据分散到不同的数据库实例（如 DB1、DB2）。
• 分表：将数据分散到同一数据库的不同表（如 order_1、order_2）。

缓存是一种利用空间换时间的设计，其目标就是更快、更近。

缓存简介

为什么需要缓存

众所周知，当今是一个互联网时代，而互联网应用几乎遍及我们日常生活的方方面面。一般而言，一个互联网应用的请求/响应流程会有以下几个主要流程：

• 客户端发起请求，请求经过网络 I/O，分发到服务层。
• 服务层可能有多级服务，请求需要被多个服务层层处理。
• 不同服务根据请求进行计算时，可能依赖于不同数据库的数据，需要通过网络 I/O 读写数据库。