數據浪潮：大數據技術演進之路

第 1篇　數據管理系統(tǒng)之數據庫——掌上明珠

第 1章　數據庫的誕生——“圖靈”獎經典人物 3
1.1　網狀數據管理系統(tǒng) 4
1.2　關系數據庫模型 6
1.3　數據庫并發(fā)與事務 8
1.4　數據庫優(yōu)化與實踐 10
1.5　小結 13
1.6　參考資料 13
第 2章　數據庫的工業(yè)繁榮——商業(yè)機遇 14
2.1　System R 14
2.2　PostgreSQL 16
2.3　Oracle 18
2.4　MySQL 20
2.5　IBM Db2 23
2.6　SQL Server 27
2.7　小結 29
2.8　參考資料 30
第3章　國產數據庫的熱潮——四大家族 31
3.1　人大金倉 31
3.2　南大通用 32
3.3　武漢達夢 32
3.4　神舟通用 33
3.5　小結 34
3.6　參考資料 35

第 2篇　數據管理系統(tǒng)之大數據——異軍突起

第4章　大數據降臨——生逢其時 39
4.1　Google的“三駕馬車” 39
4.1.1　GFS 40
4.1.2　MapReduce系統(tǒng) 41
4.1.3　Bigtable系統(tǒng) 42
4.2　Amazon的“云上時代” 43
4.3　Facebook的“社交帝國” 44
4.4　LinkedIn的“職業(yè)搖籃” 46
4.5　學術界的徘徊輾轉 48
4.6　小結 49
4.7　參考資料 49
第5章　大數據分布式系統(tǒng)——高潮迭起 50
5.1　容錯內存迭代式計算 50
5.2　實時流式大數據計算 52
5.2.1　Storm系統(tǒng) 52
5.2.2　Flink系統(tǒng) 53
5.3　大規(guī)模機器學習系統(tǒng) 54
5.4　數據中心的資源管理 56
5.5　全球分布式數據服務 58
5.6　小結 59
5.7　參考資料 59
第6章　開源整合架構演進——融會貫通 60
6.1　鏈家架構演進 60
6.1.1　大數據平臺架構演進 60
6.1.2　日志平臺設計與技術 61
6.2　美團架構演進 62
6.2.1　由淺入深架構解析 62
6.2.2　基礎系統(tǒng)架構演進 64
6.3　Airbnb架構演進 65
6.3.1　大數據平臺架構解析 65
6.3.2　平臺發(fā)展的經驗和教訓 66
6.4　58同城架構演進 68
6.4.1　大數據三層平臺架構 68
6.4.2　關鍵技術演進與實現 70
6.5　滴滴出行架構演進 71
6.5.1　實時計算平臺架構演進 71
6.5.2　實時計算平臺架構 72
6.6　小米架構演進 73
6.6.1　流式平臺整體架構 73
6.6.2　3個階段的演進歷程 74
6.7　小結 77
6.8　參考資料 77
第7章　大數據的魅力——廣泛應用 78
7.1　工業(yè)應用 78
7.2　銀行金融 79
7.3　智慧城市 81
7.4　健康醫(yī)療 82
7.5　小結 83
7.6　參考資料 84

第3篇　大數據管理系統(tǒng)——誰主沉浮

第8章　數據庫與大數據之戰(zhàn)——華山論劍 87
8.1　ACM雙方論戰(zhàn) 87
8.2　MPP絕對優(yōu)勢 89
8.3　大數據強勢發(fā)展 91
8.4　數據庫自我革命 94
8.5　NewSQL兼容并包 96
8.6　老牌數據庫的反擊 99
8.7　小結 101
8.8　參考資料 102
第9章　大數據管理系統(tǒng)——求同存異 103
9.1　Hadoop生態(tài) 104
9.2　BDAS平臺 105
9.3　AsterixDB系統(tǒng) 106
9.4　Apache Beam框架 108
9.5　SnappyData模型 109
9.6　SageDB愿景 110
9.7　ShardingSphere項目 112
9.8　小結 114
9.9　參考資料 115
第 10章　新型數據管理系統(tǒng)——百花齊放 116
10.1　大數據輸入和輸出 116
10.2　大數據調度管控 119
10.3　大數據用戶交互 123
10.4　大數據安全隱私 124
10.5　大數據新型引擎 127
10.6　大數據通用語言 129
10.7　大數據網絡賦能 130
10.8　小結 134
10.9　參考資料 135
第 11章　國產數據庫的國際化——齊頭并進 137
11.1　TiDB 137
11.1.1　研發(fā)背景 137
11.1.2　早期架構 138
11.1.3　架構升級 139
11.1.4　穩(wěn)定架構 140
11.2　OceanBase 142
11.2.1　設計考量 142
11.2.2　架構演進 144
11.2.3　厚積薄發(fā) 150
11.3　TDSQL 150
11.3.1　分布式TDSQL 150
11.3.2　分析型TBase 152
11.3.3　云原生CynosDB 153
11.3.4　產品戰(zhàn)略統(tǒng)一 154
11.4　GaussDB 155
11.4.1　OLTP成長史 155
11.4.2　OLAP成長史 156
11.4.3　HTAP成長史 157
11.4.4　AI-Native成長史 157
11.5　Bigflow 158
11.6　ByteGraph 160
11.7　小結 163
11.8　參考資料 164

第4篇　大數據管理系統(tǒng)的架構——路在何方

第 12章　高速電子計算機與大數據管理系統(tǒng)——萬法歸宗 167
12.1　以計算為中心的計算機 167
12.2　以存儲為中心的數據機 170
12.3　大數據管理的系統(tǒng)模型 172
12.4　數據管理系統(tǒng)的總結抽象 176
12.5　小結 178
12.6　參考資料 179
第 13章　無處不在的操作系統(tǒng)——歸納演繹 180
13.1　計算機的操作系統(tǒng) 180
13.2　數據管理系統(tǒng)的操作系統(tǒng) 184
13.3　數據中心的操作系統(tǒng) 185
13.4　資源抽象與應用接口 189
13.5　小結 192
13.6　參考資料 192
第 14章　大數據管理系統(tǒng)的未來架構——沙漠綠洲 194
14.1　大數據操作系統(tǒng) 195
14.1.1　數據輸入 197
14.1.2　數據存儲 198
14.1.3　數據計算 200
14.1.4　數據控制 201
14.1.5　數據輸出 202
14.2　自動化可插拔引擎 203
14.3　分布式彈性數據模型 203
14.4　易用抽象作業(yè)執(zhí)行框架 204
14.5　深度智能系統(tǒng)管理內核 204
14.6　大數據管理系統(tǒng)biggy原型 204
14.7　小結 205
14.8　參考資料 206

第5篇　大數據管理系統(tǒng)的精髓——無上心法

第 15章　大數據管理系統(tǒng)的基礎——算法理論 209
15.1　存儲類算法 209
15.1.1　大數據LSM的優(yōu)勢 209
15.1.2　B -Tree與LSM-Tree對比 210
15.1.3　LSM的優(yōu)化算法 211
15.2　執(zhí)行器算法 212
15.2.1　Spark RDD中DAG的應用 212
15.2.2　分布式數據庫的算子運算 213
15.2.3　大數據DAG與數據庫算子的異同 214
15.3　一致性算法 214
15.3.1　常見一致性算法簡介 214
15.3.2　Paxos算法進階深入 215
15.3.3　一致性的Consensus與Consistency 216
15.4　持久化算法 218
15.4.1　經典的WAL 218
15.4.2　前沿的WBL 219
15.5　分布式算法 220
15.5.1　分布式P2P協(xié)議 220
15.5.2　一致性哈希算法 220
15.6　事務類算法 222
15.6.1　兩階段提交 222
15.6.2　三階段提交 223
15.7　分布式容錯機制 224
15.7.1　分布式系統(tǒng)容錯機制 225
15.7.2　數據庫系統(tǒng)容錯機制 227
15.7.3　工業(yè)實踐與學術創(chuàng)新 227
15.8　高并發(fā)控制機制 229
15.8.1　并發(fā)控制類別 229
15.8.2　并發(fā)控制實現 230
15.9　系統(tǒng)健壯性機制 232
15.10　小結 234
15.11　參考資料 234
第 16章　大數據管理系統(tǒng)的前沿——另辟蹊徑 236
16.1　數據上下文管理系統(tǒng)Ground 236
16.2　自治數據管理系統(tǒng)Peloton 239
16.3　分布式預測系統(tǒng)Clipper 240
16.4　數據管理中人的作用CrowdDB 241
16.5　新硬件帶來的變革doppioDB 242
16.6　端云協(xié)同實時數據庫Firebase 243
16.7　自組裝數據庫XuanYuan 245
16.8　數據治理新思路Tamr 248
16.9　系統(tǒng)性能調優(yōu)AITuning 249
16.10　小結 253
16.11　參考資料 253
第 17章　大數據管理系統(tǒng)的謎團——撥云見日 255
17.1　分布式機器學習與分布式數據庫 255
17.2　分布式一致性與數據庫一致性 257
17.3　可變的數據與不可變的數據 260
17.4　區(qū)塊鏈與數據庫的異同 261
17.5　NewSQL與OldSQL 263
17.6　云計算、邊緣計算與物聯網 266
17.7　大數據Java還是C/C 270
17.8　流數據與批處理的界線 270
17.9　分布式事務與遞增式時間 272
17.10　小結 273
17.11　參考資料 274
第 18章　大數據的標準——游戲規(guī)則 275
18.1　TPC標準測試 275
18.2　SQL通用語言 277
18.3　頂級學術會議 277
18.4　設計范式 279
18.5　流行趨勢 281
18.6　研究機構 283
18.7　小結 284
18.8　參考資料 284
附錄 285
A．工業(yè)與學術 285
B．國產與國際 286
C．開放與封閉 288
D．資本與技術 292
E．個人與企業(yè) 295
F．過去與未來 299
G．參考資料 300