nosql： not sql 或者 not only sql
CAP理論基礎：
一致性： 分爲強一致性、弱一致性。
強一致性：所有的讀操作總是能讀取到上一次寫的數據
弱一致性：有的讀操作讀到的不是上一次寫的數據， 常見的有最終一致性，顧名思義，客戶端最終能讀到上一次寫的數據，在互聯網應用比較常見。
高可用：即使在有機器發生故障的情況下系統仍然能正常提供服務
分區可容忍：在分佈式情況下，機房或網絡故障仍然能夠滿足一致性和高可用
關係數據庫的ACID：
A: 事務的原子性
C: 數據一致性
I： 獨立性，其他事務不可見
D: 持續性，事務完成後更新持久化存儲
tombstones： 直譯爲“墓碑”， 用來表示數據的生命週期（數據過期和刪除操作）
hinted handoff： 臨時轉移的意思，當有節點臨時掛掉，其上新寫的數據會轉移到其他節點，節點恢復後再轉移回來，這個過程對用戶是透明的。
commit log： 即redolog， 先寫日誌，後寫磁盤，將隨機寫轉化爲順序寫，除了性能提升還能保證不丟數據 ，文件以APPEND模式打開的時候write系統調用是原子操作。
memtable：即內存表：將新數據或常用數據保存在內存表，可以減少磁盤IO訪問
compaction： 壓縮， 磁盤上或網絡上數據都可以壓縮，節省磁盤空間或網絡帶寬
gossip： 是一個算法，又稱”反熵“，意思就是從雜亂無章的狀態中尋求一致，每個節點都要跟其他所有的節點通信。在dynamo和cassandra等p2p分佈式系統中使用。
monitor： 監控，任何分佈式系統都必須有監控機制，對於運維很重要。
master：在hadoop中稱爲namenode， 管理數據服務器。需要注意master的單點問題。
一致性hash算法：對傳統hash算法的改進，當路由發生變化的時候數據遷移量較少。
replication： 複製，通過數據冗餘保證數據不丟失，副本也可以提供讀寫服務， 這裏會有數據一致性的問題。 replication也有很多種策略，比如機房、機架等
paxios： 選舉算法，奇數個節點，保證系統的高度可用
w+r>n: 強一致性，w表示寫成功的個數，r表示讀到最新數據的次數，n表示副本個數
failover： 一個或多個節點發生故障，系統能自動恢復到正常狀態
recovery： 節點重啓後從磁盤上的文件恢復
gc: 垃圾回收
負載均衡： 所有節點上的數據或任務均勻
鎖： 獲取/釋放鎖的操作位於分佈式系統的不同節點上
分佈式事務：事務的參與者位於分佈式系統的不同節點上
分佈式消息隊列： 一個隊列會保存在分佈式系統中不同的節點上
列存儲： 關係數據庫一般都是行存儲，nosql 多采用列存儲，free-schema，列特別多的時候性能會比較差
兩階段提交： 將事務的提交分成兩個階段，事務處理器向存儲服務器先發送”準備提交“的請求，存儲服務器收到請求後執行修改，但是處理完成後只是返回”可以提交“的應答，事務處理器收到後發送”提交完成“的請求，存儲服務器修改將事務的狀態由”可以提交“置爲”提交完成“。如果事務處理器沒有收到”可以 提交“的應答，則回滾該事務；如果存儲服務器沒有收到第二階段的”提交完成“的請求，則回滾”可以提交“的事務。 這是分佈式事務常用的一種處理方式。
數據遷移： 數據從一個節點遷移到其他節點，發生在負載均衡、節點變化等時候
數據分裂： 當數據量達到閾值，存儲數據的單元一份爲二
雲： 個人覺得雲是服務的總稱，粗略分爲存儲和計算兩塊，存儲細分的話有關係數據庫/類nosql/類kv存儲/其他（比如隊列），或者持久化存儲/臨時存儲/緩存，計算的話有m/r，實時處理等，編程模型更貼切一點。