张俊林著
2014年9月 第1版
IBM 用 3V ，大容量（Volume），多形式（Variety）从数据的类型角度来看，高速率（Velocity）数据产生效率的实时性角度。
后又加一个：Value 价值密度低的数据。
数据备份，三份
CAP 主义：Consistency/ Availability/ Partition Tolerance
强一致性，可用性，分区容忍性
不可兼得，只能放弃一个，保证另二个。
Eric Brewer 于 1999年提出。
于 2012年又发表文章
ACID 原则
原子性，一致性，事务独立，持久性
BASE 原则
基本可用，软状态或者柔性状态（不要求数据任意时刻都完全保持同步），最终一致性
幂等性（Idempotent）
分布式中的定义是：调用方反复执行同一操作与只正确执行一次操作效果相同。
强一致性，弱一致性，最终一致性，因果一致性，“读你所写”一致性，会话一致性，单调读一致性，单调写一致性。
副本更新
同时更新，主从式更新（同步方式，异步方式，混合方式），任意节点更新。
两阶段提交协议
一，表决阶段
二，提交阶段
RWN协议（亚马逊）
N 在分布式存储系统中，有多少份备份数据。
W：一次成功的更新操作要有至少 W 份数据写入成功
R：一次成功的更新操作要有至少 R 份数据成功读取。
R + W > N
Paxos 协议
一致性协议
没有可证明的协议实现，其论文原则是证明的。但难度大，程序实现则没有。
1，副本状态机模型（Replicated State Machines）
2, Paxos 基本概念
单Paxos
多 Paxos
3，Paxos 一致性协议
4，Raft 协议
布隆过滤器（Bloom Filter)
二进制向量数据结构，有很好的空间和时间效率。用来检测某个元素是否是巨量数据集合中的成员。
无法删除集合成员，只能增加成员
Snappy 是 google 开源出的高效数据压缩与解压缩算法库，目标是在合理的压缩率基础上追求尽可能快的压缩和解压缩速度。
单核 250MB/s 压缩，500MB/s 解压缩。
Snappy 是基于 LZSS 算法的。
LZSS 是 LZ77 的优化算法。
是一种动态词典编码，思路：文本中的词用它在词典中表示位置的号码代替的无损数据压缩方法。
Cuckoo 哈希 于 2001 年提出，有效解决哈希冲突问题。
在 O(1) 时间复杂度查找和删除数据。
在常数时间内插入数据。
50%哈希空间利用率。
列式数据库
全球的数据部署，千亿级别的数据规模，极低的数据读/写延迟，类 SQL 操作接口，分布式事务支持。
RNUTS 支持多数据中心部署
区域：Region
流式计算
主从模式，P2P
交互式数据分析
Hive
Shark
Dremel
机器学习
1，服务层客户端
2，服务层
3，HDFS
4, Hadoop
5,( 3, 4, ) 支持下计算层
6，Config
Oryx 体系结构
读起来非常好的书，虽然篇副不大，但每字每句都恰到好处。