现代数据管理

节点 i 本地发生一个事件时 VCi[i] + 1；

节点 i 给节点 j 发送消息m时，将整个 VCi 存在消息里；

节点 j 收到消息 m 时，VCj[k] = max(VCj[k] , VCi[k])，最后再将VCj[k] + 1.

虚拟节点的位置和大小随机，如果有新的节点加入，可能导致扫描所有节
点上的所有数据对象，判断是否需要迁移，这种全局的扫描开销很大

1. 固定所有虚拟节点的位置和大小，只改变虚拟节点和节点的对应关系；

2. 将整个地址空间平均分成Q个虚拟节点，每个物理节点（假设有S个）分配Q/S个虚拟节点；

3. 当有新的节点加入时，现有的每个节点拿出等量的虚拟节点分给新节点；

4. 当有节点离开时，该节点的所有虚拟节点平均分配给所有的其他节点，确保系统中每个的节点的虚拟节点依然是Q/S个。

1. NAS用户的I/O请求封装到TCP/IP协议中，通过IP网络传输；

2. 远程NAS文件系统将该请求转换成块I/O来实现对NAS磁盘存储的读写；

3. 如果要将数据传回客户端，NAS重新将数据封装到TCP/IP协议中，通过网络回传。

优点：1. 部署简单，只需与传统的交换机连接即可
          2. 成本较低，投资仅限于一台NAS服务器
          3. NAS服务器一般支持web客户端管理，对熟悉操作系统的网络管理人员来说使用方便

缺点：1. 由于与应用使用同一网络，会增加网络拥塞，NAS性能也受制于网络传输能力
          2. 数据安全性方面一般只提供两级用户安全机制，还需适当额外增加适当级别的文件安全手段

由MergerServer把基线数据（ChunkServer）和增量数据（UpdateServer）
融合后返回调用者，分散在多台服务器上；

集中于UpdateServer上进行，避免了复杂的分布式写事务，可实现跨行跨表写事务，
又有较好的扩展性

基于Oceanbase和Bigtable的应用场景不同，使得Oceanbase对Bigtable的读写事务进行了个性化的优化操作。

在淘宝的应用场景中，经过分析虽然在线业务的数据量十分庞大，但最近一段时间内的修改量往往并不多。因此，OceanBase决定采用单台更新服务器来记录最近一段时间的修改增量，而以前的数据保持不变，以前的数据称为基线数据。基线数据以类似分布式文件系统的方式存储于多台基线数据服务器中，每次查询都需要把基线数据和增量数据融合后返回给客户端。这样，写事务都集中在单台更新服务器上，避免了复杂的分布式事务，高效地实现了跨行跨表事务;另外，更新服务器上的修改增量能够定期分发到多台基线数据服务器中，避免成为瓶颈，实现了良好的扩展性。

而在Bigtable中没有这样的特定需求，读写事务的量级和相互关系是不确定的。其通过日志文件和memtable来进行写操作，通过memtable和sstable合并视图进行读操作，来满足各种情况下的要求。

书上的原流程

prepare阶段

accept阶段

着重关注伪码举例

支持水平扩展

具有高容错性，可确保每个消息都被处理到

具有很高的处理速度

处理的数据保存在内存中

流水线并行

多任务并行

可用关系型数据库表示和存储，表现为二位形式的数据

不符合关系型数据库或其他数据表的形式关联起来的数
据模型结构，但含相关标记，用来分隔语义元素以及对
记录和字段进行分层，eg：Json和XML

没有固定结构的数据，eg：文档、图片、视频、音频等

结果的正确与全面

最好的总结

更深、更广的知识体系

在内存中缓存数据和对象，为动态、数据库驱动网站提供更快的运行速度

采用LRU替换策略

分布式缓存，不同主机上的多个用户可同时访问

使用自己的页块分配器

使用基于存储“键-值”对的hashmap

虚拟内存不会产生碎片，虚拟内存分配的时间复杂度可保证为O(1)

处理它加载的Tablet的读写操作

在Tablet过大时对其分割

第一层：Root Tablet，包含一个特殊的METADATA表，记录METADATA里所有的Tablet位置信息

第二层：MATADATA表，其中的每个Tablet包含了一个用户Tablet的集合

第三层：用户Tablet

当某proposer提交的proposal编号被拒绝时，可能是因为acceptor承诺
返回了更大编号的proposal，这会导致proposer提高编号继续提交，该
过程可能会产生活锁现象

如果2个proposer都发现自己的proposal编号过低而提出
更高编号的proposal，会导致死循环，这种情况称为活锁