《数据密集型应用系统设计》读书笔记
第 1 章 可靠、可扩展与可维护的应用系统
目前许多的新型应用都属于「数据密集型」（data-intensive），而不是计算密集型（compute-intensive），对于这些应用，CPU 的处理能力并不是第一限制性因素，关键在于数据量、数据的复杂度及数据的快速多变性。
近年来出现了许多用于数据存储和处理的新工具，它们可以针对各种不同的应用场景进行优化，不适合再归为数据库、队列、高速缓存等不同类型，因此我们将其统称为「数据系统」（data system）。此外，越来越多的应用系统需求广泛，单个组件无法满足所有数据处理与存储需求。因此需要将任务分解，每个组件负责高效完成其中一部分，多个组件依靠应用代码有机衔接起来。例如，许多应用系统包括以下模块：
- 「数据库」：用来存储数据，以方便应用再次访问
- 「高速缓存」：缓存那些复杂或操作代价昂贵的结果，以加快下一次访问
- 「索引」：允许用户按关键字搜索数据并进行各种过滤
- 「流式处理」：持续发送消息到另一个进程，并采用异步方式处理
- 「批处理」：定期处理大量的累积数据
下图给出了一个包含多个不同组件的数据系统架构的示例。其组合使用了多个组件来提供服务，而对外提供服务的界面或 API 会隐藏很多内部实现细节。这样基本上我们基于一个个较小的、通用的组件，构建了一个全新的、专用的数据系统。
影响数据系统设计的因素有很多，本章将专注于对大多数系统都极为重要的三个问题：
- 「可靠性」（Reliability）。当出现意外情况如硬件、软件故障、人为失误等，系统应可以继续正常运转（虽然性能可能有所降低，但确保功能正确）
- 「可扩展性」（Scalability）。随着规模的增长（如数据量、流量或复杂性），系统应以合理的方式来匹配这种增长
- 「可维护性」（Maintainability）。随着时间的推移，许多新的人员参与到系统开发和运维，以维护现有功能或适配新场景等，系统都应高效运转。
