隨着互聯網用戶量的增多，大用戶數據，大數據流量已經遠遠超過單機服務器的處理能力，雖然摩爾定律給出在價格不變的情況下，硬件性能每隔18個月，性能都會提高提升1倍，即便如此，橫向擴展比縱向擴展成本要低得多，分佈式系統由此而產生。
最近一直在研究分佈式系統，其中涉及很多知識點，結合自己的工作經驗，寫幾篇博客，一來記錄一下，二來和衆多位網友一起分享一下，如果哪位有緣人讀到這篇文章，但凡發現不對的地方，儘可指正，大家一起學習討論。ok，廢話不多說，下面開始。
硬件性能指標
內存訪問：100ns
SATA磁盤尋道：10ms
SATA盤順序讀：100MB以上
服務器軟件與硬件的交涉，無外乎cpu、內存、硬盤、網卡，這其中，cpu、內存、網卡相對性能都還好，最讓人擔心的就是磁盤讀寫，磁盤尋道是一個很大的開銷10ms，所以當需要順序讀時，可以考慮用sata盤，對於隨機讀，並且性能要求高時，如db等，可以考慮用ssd盤或sas。
單機存儲引擎
存儲引擎相當於數據庫的發動機
哈希存儲引擎：key-value存儲系統，如Bitcask，Bitcask是key value模型，append only，磁盤上記錄的具體key value值，而在內存上進記錄hash值，key value值位置(file id、pos、size)，具體介紹可以參見：http://blog.nosqlfan.com/html/955.html
B-Tree存儲引擎：關係型數據庫，如mysql innoDB
LSM樹存儲引擎：如google bigtable、level DB，LSM(Log Structured Merge Tree)，修改增量放到內存，達到一定大小限制後批量寫入磁盤，讀取時需要合併磁盤中歷史數據和內存中最近修改操作。LSM優勢在於規避磁盤隨機寫入問題，但讀取時可能需要訪問較多的磁盤文件，即寫入效率高，讀取效率一般。level db是google基於lsm算法實現的非常高效的k v數據庫。
數據模型
數據模型相當於數據庫的外殼
文件模型：類似於linux的文件系統
關係模型：這個是目前最成熟的模型，mysql oracle等等，但是隨着應用在可擴展性、高併發以及性能上提出了愈來愈高的要求，大而全的關係型數據庫有點力不從心，許多nosql數據庫應運而生，鍵值模型，關係弱化的表格模型。關係型數據庫有2個重要特性，索引和事務，索引減少掃描時的數據量提高讀取性能，事務保證併發執行時的ACID特性（原子、一致、隔離、持久）
鍵值模型：大量的nosql數據庫採用鍵值模型。
常用的nosql數據庫
PostgreSQL（關係型）、Riak（鍵值型）、HBase（列型）、MongoDB（文檔型）、CouchDB（文檔型）、Noeo4j（圖型）、Redis（鍵值型）。
CAP理論
Consistency（一致性）：即數據一致性，簡單的說，就是數據複製到了N臺機器，如果有更新，要N機器的數據是一起更新的。
Availability（可用性）：好的響應性能，此項意思主要就是速度。
Partition tolerance（分區容錯性）：這裏是說好的分區方法，體現具體一點，簡單地可理解爲是節點的可擴展性。
定理：任何分佈式系統只可同時滿足二點，沒法三者兼顧。
忠告：架構師不要將精力浪費在如何設計能滿足三者的完美分佈式系統，而是應該進行取捨。