NoSQL数据库学习教程
nosql数据库教案
nosql数据库教案无SQL数据库教案教案目标：通过本教案，学生将了解无SQL数据库的概念、特点和应用场景，并能够使用常见的无SQL数据库进行数据操作。
教案步骤：1. 引入：- 介绍传统关系型数据库和无SQL数据库的区别和特点。
- 解释无SQL数据库的概念，即非关系型数据库管理系统。
- 引发学生对无SQL数据库的兴趣，并提出学习无SQL数据库的必要性。
2. 无SQL数据库的分类：- 介绍常见的无SQL数据库类型，如键值存储、文档存储、列存储和图存储等。
- 对比各种类型的无SQL数据库，包括它们的特点、适用场景和优缺点。
3. 常见无SQL数据库的介绍：- 针对键值存储，介绍Redis和DynamoDB数据库，并分析它们的特点和应用场景。
- 针对文档存储，介绍MongoDB和CouchDB数据库，并讨论它们的优点和适用场景。
- 针对列存储，介绍HBase和Cassandra数据库，并比较它们的功能和性能。
- 针对图存储，介绍Neo4j和Titan数据库，并讨论它们在社交网络和推荐系统中的应用。
4. 无SQL数据库的使用：- 分析学生在数据库项目中可能遇到的典型问题，并引导学生思考无SQL数据库如何解决这些问题。
- 提供示例代码和实例演示，教授学生如何使用具体的无SQL数据库进行数据操作和查询。
- 强调无SQL数据库的横向扩展能力和高性能特性，培养学生对无SQL数据库的实际应用能力。
5. 总结与评价：- 总结无SQL数据库的特点和优势，强调它们在大数据和实时数据处理中的价值。
- 让学生回答一些问题，检验他们对无SQL数据库的理解程度。
- 鼓励学生思考未来无SQL数据库的发展趋势，并展望其在新兴技术领域的应用前景。
教案评价方式：- 教案执行过程中，教师对学生的参与情况进行评价。
- 学生提交作业，完成针对无SQL数据库的任务和问题。
- 期末考试，测试学生对无SQL数据库的基本概念、常见类型和应用场景的掌握程度。
NoSQL数据库原理 第一章 绪论
NoSQL不是反对“SQL”语言，只是简单
表示和RDBMS的不同 NoSQL不能替代RDBMS 大多起源于互联网企业，更适应互联网业务 （特定领域下、大数据量下的数据管理、存 储和简单查询）
11
第1章 绪论
1.1 数据库的相关概念
1.1.3 NoSQL的特点
2018年9月数据库流行度参考
……
关系型数据库能否解决上述问题？
9
第1章 绪论
1.1 数据库的相关概念
1.1.2 关系型数据库的瓶颈 关系型数据库由于数据模型、完整性约束和事务的强一致性等特点，导致其难以实现高效率、易横向扩展 的分布式部署架构，而关系模型、完整性约束和事务特性等在典型互联网业务中（可能）并不能体现出优 势。 搜索引擎是否需要强事务特性？ 日志分析是否需要严格的一致性？
腾讯云上的 数据库服务
阿里云上的 数据库服务
12
第1章 绪论
1.1 数据库的相关概念
1.1.4 NewSQL的概念 NewSQL是一个新的探索方向：融合RDBMS和NoSQL的优点，构造新型数据库 1.1.5 NoSQL的典型应用场景 海量日志数据、业务数据或监控数据的管理和查询 电商购买记录 简化特殊的或复杂的数据模型处理 存储海量的购物车 作为数据仓库、数据挖掘系统或OLAP系统的后台数据支撑
5
第1章 绪论
1.1 数据库的相关概念
1.1.1 关系型数据库管理系统 数据库管理系统的作用 数据定义 数据操作 数据存储和管理 保护和控制 通信和交互 文件方式管理数据 人工管理数据
层次模型/网络模型
关系模型
替代品？补充品？
数据管理方式的变迁
6
OracleSQL基础培训PPT课件93页
• 适用对象
• 学习过标准SQL，未使用过Oracle数据库的读者 • 适用过SQL Server或其他数据库，未使用过Oracle数据库的读者
目录
课程介绍 SQL介绍 DML基础 DDL基础 DCL基础 TL基础
SQL介绍
目录
课程介绍 SQL介绍 DML基础 DDL基础 DCL基础 TL基础
课程介绍
• 教程概述
• 本教程假设读者已了解关系型数据库基本原理，明白表、视图、 主键、索引、外键、约束、关联等基本概念
• 本教程定位是Oracle SQL简明、实用教程，偏向于SQL开发，若 进一步学习Oracle数据库设计，请参阅其他教程或书籍文档
DML基础
• 逻辑运算符号
• AND 两个为真则结果为真 • OR 一个为真即为真 • NOT 取相反的逻辑值
DML基础
• SELECT语句
• 完整SELECT语句 • 基本SELECT语句 • ORDER BY从句 • DISTINCT从句 • WHERE从句 • AND条件 • OR条件 • AND、OR复合条件 • IN 与 NOT IN • BETWEEN 与 NOT BETWEEN • LIKE与NOT LIKE • EXISITS 与 NOT EXISITS • GROUP BY从句 • HAVING从句 • JOINS关联
• 示例
• SELECT * FROM suppliers WHERE (city = ‘Chicago’ AND name = ‘IBM’) OR (city = ‘Seattle’);
DML基础-SELECT语句-IN 与 NOT IN
• 用途
Oracle NoSQL Database Data Cartridge 在线自学指南说明书
Hi, and welcome to this online, self-paced tutorial about Oracle NoSQL Database.My name is Swarnapriya Shridhar. I will be your guide on behalf of the course author, Salome Clement. This short tutorial explains how to integrate oracle event processing with Oracle NoSQL Database.This tutorial describes the Oracle NoSQL Database Data Cartridge. You will first get an overview of event processing and then learn about the Oracle NoSQL Database Data Cartridge.In the overview section, you will learn about event processing, Oracle Event Processor and how event processing is related to Big Data. You will then understand the use of event processing in the big data world with the help of a use case.An event is anything that happens that is significant to an enterprise. Event processing is the capture, processing and consumption of events. Processing includes formatting, filtering, correlation, enrichment, aggregation, and pattern matching of the events.In an event driven architecture, there are three main components: an event source, an event processor, and an event consumer.In an enterprise network, events are produced when business processes start and complete or fail. Some events can be detected by sensors. By processing these events, the activity of the enterprise and its business can be monitored and changed. You can detect business situations and derive early and intelligent insight to assist you in making timely and effective business decisions.There are three approaches to event processing: event passing, event routing, and complex event processing.In this tutorial, we will be talking about complex event processing. Complex event processing, or CEP, is event processing that combines data from multiple sources to infer events or patterns that suggest more complicated circumstances. The goal of complex event processing is to identify meaningful events and respond to them as quickly as possible.Relational databases are best equipped to run queries over finite stored data sets. A stored data set is appropriate when significant portions of the data are queried repeatedly and updates are relatively infrequent. However, modern applications generate data streams as opposed to data sets, such as sensor data applications, financial tickers, network performance measuring tools, network monitoring and traffic management applications, and click stream analysis tools. These applications require long-running queries over continuous unbounded sets of data. In addition, data streams represent data that is changing constantly, often exclusively through insertions of new elements.For managing and processing data in such applications, a different data management and querying capability, such as an event processor, is required. To address this requirement, Oracle SOA Suite provides Oracle Event Processing (OEP), a data management infrastructure that supports the notion of streams of structured data records together with stored relations.You will learn more about OEP in the next slide.Oracle Event Processing is a component of SOA suite, and can also be downloaded separately. OEP is a complete solution for building applications to filter, correlate, and process events in real-time so that downstream applications, service oriented architectures, and event-driven architectures are driven by true, real-time intelligence. It is a light weight, java based application server, which connects to high volume data feeds and has a event processing engine to match events based on user defined rules.An OEP application consists of four components: adapters, streams, processors, and business logic. These components are connected to each other to form an Event Processing Network.Big Data has evolved with the expansion of internet and mobile network usage. Businesses want to acquire all the data generated around them and process and analyze that data to enhance their business further. A huge amount of data that is generated is semi-structured or structure less, which can not be stored in traditional relational databases due to their volume, velocity, variety, and value. Oracle NoSQL Database is a solution to acquire and store such Big Data.For real-time applications using event driven architectures and wanting to use this big data, there needs to be a mechanism to communicate with the Oracle NoSQL Database. Oracle NoSQL Database Data Cartridge for event processing is a solution to this requirement. Later in this tutorial, you will learn more about this data cartridge. Before that, this big data and event processing scenario is explained further using a use case. Click next to proceed.A study of the US heathcare industry shows that a handful of patients with chronic medical conditions like Diabetes, Heart disease, Pulmonary Disease, Cancer, and Obesity consume a large portion of our heathcare resources.Triggered by these unsustainable costs and with the support of changing science and evolving care delivery models, the heathcare industry is reviewing its procedures to find an alternative way to delivery medical care by implementing the Big Data solution. Let us implement this solution to a simple medical care situation.Mark, 69 year old, has been facing heart and blood pressure related heath problems for some time. Today he is feeling the symptoms of high blood pressure and decides to visit his local city hospital. The on-duty heart specialist reviews Marks condition using tools that show all of Marks heath history including all doctor notes, prescriptions, and lab reports. The specialist decides to monitor Marks heath more closely. Mark is given a Remote Patient Monitoring Device and instructed to perform routine heart and blood pressure tests and send the results to the heathcare facility. The test results will be received by the heathcare facility in real time and monitored by the specialist. Any anomalies in the results or even lack of results within a specified time interval will trigger an alert that is sent to the specialist and an immediate response will be given. Since the device is user-friendly and easy to operate, Mark is quickly trained on how to use it to monitor himself.What you saw here was a very simple use case scenario. But, you can see how the patient’s condition is monitored regularly to prevent anything serious from happening and also cutting down the in-patient expenses. Lot more exciting innovations can be expected in the heathcare industry because of Big Data.Now, let us look at the components involved in building this solution and where exactly the Oracle NoSQL Database data cartridge is used.[[When a user sends test results using the remote monitoring device, events are reported to OEP that consist of a DeviceID and the current test results of the patient. OEP then takes this data, performs required processing, and also determines if there is any anomaly. If an anomaly is noted, then an alert is created and sent to the concerned authorities. The alert contains all required details about the patient that is stored in Oracle RDBMS as well as the Oracle NoSQL Database. The DeviceID is used to query the databases. In order to query an Oracle NoSQL Database from an OEP application, you need to use the Oracle NoSQL Database data cartridge.In the previous section, you saw what is event processing, what is Oracle Event Processing, and how event processing is related to Big Data with the help of a use case.In the next section, you will learn to use the Oracle NoSQL Database Data Cartridge for Event Processing. You will learn how to configure your environment, how to integrate Oracle NoSQL Database with event processing network, and how to query the KVStore from an event processing network.If you want your OEP applications to fetch data from an Oracle NoSQL Database, you need to use an OEP NoSQL Database data cartridge. To use this data cartridge, you need to first integrate an Oracle NoSQL Database with an event processing network. You can then use CQL queries to retrieve values from the KVStore by specifying a key in the query and then referring to fields of the value associated with the key.Oracle CEP applications use CQL queries to retrieve data. You can retrieve the Oracle NoSQL Data from within the event processing network by writing CQL queries as shown in the slide.In this example, the event type instances representing data from the S1 channel and CustomerDescription NoSQL data source are both implemented as JavaBeans classes. The CustomerDescription in the FROM clause corresponds to the id attribute value in the store element. Because both event types are JavaBeans classes, the Oracle CQL query can access the customer description associated with a particular event by equating the event's user ID with that of the customer description in the WHERE clause, treating both as JavaBeans properties.Once an entry from the store has been selected, fields from the value retrieved from the store can be referred to in the SELECT portion of the query or in additional clauses inthe WHERE clause. The creditScore value specified in the SELECT clause will include the value of the creditScore field of the CustomerDescription object retrieved from the store in the query output. The reference to creditScore in the WHERE clause will also further restrict the query to events where the value of the CustomerDescription creditScore field is greater than 5.The WHERE clause requests that an entry be retrieved from the store that has the key specified by the value of the event's userId field. This field must be of type String. Only equality relations are supported for obtaining entries from the store. And the join condition can use a single key only.The key used to obtain entries from the store can be formatted in one of two ways: by beginning the value with a forward slash ('/') or by omitting a slash.If the value specified on the left hand side of the equality relation starts with a forward slash, then the key is treated as a full key path that specifies one or more major components, as well as minor components if desired.For example, if the userId field of a SalesEvent object has the value "/users/user42/-/custDesc", then that value will be treated as a full key path that specifies "users" as the first major component, the user ID "user42" as the second major component, and a minor component named "custDesc".As a convenience, if the value specified on the left hand side of the equality relation does not start with a forward slash, then it is treated as a single major component that comprises the entire key.Note that keys used to retrieve entries from the store must be specified in full by a single field accessed by the Oracle CQL query. In particular, if a key path with multiple components is required to access entries in the key-value store, then the full key path expression must be stored in a single field that is accessed by the query.In this tutorial, you learnt about the Oracle NoSQL Database Data Cartridge for Oracle Event Processing. You should now be able to describe event processing and Oracle NoSQL Database Data Cartridge for Event Processing. You should be able to explain how event processing fits in the Big Data world. You should also be able to describe how to use the Oracle NoSQL Database Data Cartridge.。
nosql数据库原理
nosql数据库原理NoSQL是一个广泛应用于非关系型数据库的术语。
NoSQL意味着非SQL或非关系型数据库。
它是构建高效、可扩展和分布式数据库的一个新方法。
与传统的关系型数据库不同，NoSQL数据库通常不使用结构化查询语言（SQL）。
NoSQL数据库的基本原理是，将数据存储在非关系型形式中，比如JSON或者文档形式。
NoSQL数据库具有很高的灵活性和可扩展性，能够轻松地扩展增加更多的节点。
这些节点通常是分布在不同的服务器上，使得NoSQL数据库在大规模网站上的高可用性及可扩展性方面表现突出。
与关系型数据库不同，NoSQL数据库是分布式存储的。
这意味着数据存储在多个服务器上，而不是在一个中心存储位置。
NoSQL数据库使用分片技术来分割数据并存储在不同的服务器上。
这个过程称为水平扩展（Horizontal scaling）。
NoSQL数据库通常被称为结构文档数据库或键值存储系统，因为它们存储的是类似于文档或键值对的数据。
这些数据可以很灵活地组合和扩展，因此，NoSQL数据库具有很高的灵活性。
NoSQL数据库具有非常高的可扩展性和高可用性。
当数据库需要扩展时，只需要向集群中添加一个新节点即可。
如果某个节点发生故障，系统可以自动将故障节点的数据迁移到可用节点上，从而保证高可用性。
总体来说，NoSQL数据库的原理是以非关系型形态存储数据，并且采用分布式存储的方式。
这样可以高效地存储、管理和检索数据，并且具有高可扩展性和高可用性，非常适合用于大型网站、云计算和移动应用程序等场景。
Chapter5-大数据技术原理与应用-第五章-NoSQL数据库-pdf
缺点 使用者
功能较少，大都不支持强事务一致性
Ebay（Cassandra）、Instagram（Cassandra）、NASA（Cassandra）、 Twitter（Cassandra and HBase）、Facebook（HBase）、Yahoo! （HBase）
《大数据技术原理与应用》
厦门大学计算机科学系
本PPT是如下教材的配套讲义： 21世纪高等教育计算机规划教材 《大数据技术原理与应用 ——概念、存储、处理、分析与应用》 （2015年6月第1版） 厦门大学 林子雨 编著，人民邮电出版社 ISBN:978-7-115-39287-9
nosql数据库入门与实践pdf
nosql数据库入门与实践pdf在当今的信息化时代，数据已经成为企业的重要资产。
随着数据量的不断增加，传统的关系型数据库已经无法满足企业的需求。
因此，NoSQL数据库应运而生，成为了大数据时代的新型数据库。
本文将介绍NoSQL数据库的基本概念、特点、应用场景以及实践案例，帮助读者快速入门NoSQL数据库。
一、NoSQL数据库概述NoSQL数据库是指非关系型数据库，它们不同于传统的关系型数据库，不需要事先定义数据结构，具有灵活的数据模型和良好的可扩展性。
NoSQL数据库适用于大数据、高并发、低一致性要求等场景，能够快速处理海量数据，提高系统的可用性和可扩展性。
常见的NoSQL数据库有MongoDB、Cassandra、Redis等。
二、NoSQL数据库的特点1. 非关系型：NoSQL数据库不需要事先定义数据结构，可以随时添加字段或属性。
2. 灵活的数据模型：NoSQL数据库支持多种数据模型，如键值对、列族、文档等，可以根据实际需求选择合适的数据模型。
3. 高可扩展性：NoSQL数据库设计之初就考虑到了可扩展性，可以通过分片、复制等技术实现分布式处理和高可用性。
4. 大数据量处理：NoSQL数据库适用于大数据场景，可以快速处理海量数据，提高系统性能。
5. 低一致性要求：NoSQL数据库可以根据实际需求选择不同的一致性模型，如最终一致性、强一致性等。
三、NoSQL数据库应用场景1. 大数据处理：NoSQL数据库适用于大数据场景，能够快速处理海量数据，提高系统性能。
2. 高并发场景：NoSQL数据库具有良好的可扩展性和高可用性，能够应对高并发场景的请求压力。
3. 灵活的业务需求：NoSQL数据库的非关系型特点使其能够适应灵活多变的数据需求，降低开发成本和时间。
4. 数据存储量大：对于需要存储大量数据的场景，NoSQL数据库可以轻松应对，提高存储效率。
四、NoSQL数据库实践案例以下是一个简单的MongoDB实践案例：1. 安装MongoDB：首先需要在服务器上安装MongoDB，可以从MongoDB官网下载安装包并按照官方文档进行安装。
cass培训教程
cass培训教程Cass（全称为“column family storage systems”）是一款NoSQL 数据库，其列式存储方式旨在提高大规模数据集上的查询效率和扩展性。
Cass在互联网领域得到广泛应用，例如Facebook、Twitter、eBay等大型互联网公司都使用Cass来存储大量数据。
对于初学者而言，Cass可能会显得有些难以掌握。
因此，为帮助初学者更快、更好地学习Cass，培训教程成为了必不可少的辅助手段。
下面我们将从教程的覆盖范围、教材特色和学习效果三个方面来详细介绍Cass培训教程。
教程覆盖范围Cass培训教程主要包括以下几个方面：1. Cass基本知识介绍。
从Cass的起源、发展历程、基本概念入门、体系架构和关键特性等方面进行全面阐述。
2. Cass数据模型和数据类型介绍。
详细阐述Cass的数据模型以及支持的数据类型，包括partition key、clustering columns、columns、rows等等。
3. Cass查询语言CQL。
介绍Cass的数据查询语言CQL的基本语法、查询方式和查询过滤等操作。
4. Cassandra的操作和管理。
介绍Cass的安装和配置、集群的部署和管理、Cass生命周期管理、备份和恢复等重要方面。
教材特色Cass培训教程的教材特色主要有以下几点：1. 有针对性：教材涵盖了Cass的各个方面，旨在为初学者提供全方位的学习知识体系。
2. 实用性：Cass培训教程以实战为主，课程内容涵盖了大量的案例和实例分析，教材放眼于实际使用中，充分展现了Cass 在互联网、金融、医疗等行业领域的应用。
3. 系统性：Cass培训教程在内容设计时，着重强调模块间的关联性，构建了一个完整闭环体系。
学习效果Cass培训教程的学习效果主要有以下几点：1. 提高学员的Cass知识储备，在Cass方面为初学者提供了全方位的讲解，帮助初学者理解Cass的核心概念和技术特点。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
NoSQL数据库学习教程本文档由整理发布。
1序2思想篇2CAP2最终一致性2变体2BASE2其他2I/O的五分钟法则2不要删除数据2RAM是硬盘,硬盘是磁带2Amdahl定律和Gustafson定律2万兆以太网3手段篇3一致性哈希3亚马逊的现状3算法的选择3Quorum NRW3Vector clock3Virtual node3gossip3Gossip (State Transfer Model)3Gossip (Operation Transfer Model)3Merkle tree3Paxos3背景3DHT3Map Reduce Execution3Handling Deletes3存储实现3节点变化3列存3描述3特点4软件篇4亚数据库4MemCached4特点4内存分配4缓存策略4缓存数据库查询4数据冗余与故障预防4Memcached客户端（mc）4缓存式的Web应用程序架构4性能测试4dbcached4Memcached 和dbcached 在功能上一样吗?4列存系列4Hadoop之Hbase4耶鲁大学之HadoopDB4GreenPlum4FaceBook之Cassandra4Cassandra特点4Keyspace4Column family（CF）4Key4Column4Super column4Sorting4存储4API4Google之BigTable4Yahoo之PNUTS4特点4PNUTS实现4Record-level mastering 记录级别主节点4PNUTS的结构4Tablets寻址与切分4Write调用示意图4PNUTS感悟4微软之SQL数据服务4非云服务竞争者4文档存储4CouchDB4特性4Riak4MongoDB4Terrastore4ThruDB4Key Value / Tuple 存储4Amazon之SimpleDB4Chordless4Redis4Scalaris4Tokyo cabinet / Tyrant4CT.M4Scalien4Berkley DB4MemcacheDB4Mnesia4LightCloud4HamsterDB4Flare4最终一致性Key Value存储4Amazon之Dynamo4功能特色4架构特色4BeansDB4简介4更新4特性4性能4Nuclear4两个设计上的Tips4Voldemort4Dynomite4Kai4未分类4Skynet4Drizzle4比较4可扩展性4数据和查询模型4持久化设计5应用篇5eBay 架构经验5淘宝架构经验5Flickr架构经验5Twitter运维经验5运维经验5Metrics5配置管理5Darkmode5进程管理5硬件5代码协同经验5Review制度5部署管理5团队沟通5Cache5云计算架构5反模式5单点失败（Single Point of Failure）5同步调用5不具备回滚能力5不记录日志5无切分的数据库5无切分的应用5将伸缩性依赖于第三方厂商5OLAP5OLAP报表产品最大的难点在哪里？5NOSQL们背后的共有原则5假设失效是必然发生的5对数据进行分区5保存同一数据的多个副本5动态伸缩5查询支持5使用Map/Reduce 处理汇聚5基于磁盘的和内存中的实现5仅仅是炒作?6附6感谢6版本志6引用序日前国内没有一套比较完整的NoSQL数据库资料，有很多先驱整理发表了很多，但不是很系统。
不材尝试着将各家的资料整合一下，并书写了一些自己的见解。
本书写了一些目前的NoSql的一些主要技术，算法和思想。
同时列举了大量的现有的数据库实例。
读完全篇，相信读者会对NoSQL数据库了解个大概。
另外我还准备开发一个开源内存数据库galaxydb.本书也是为这个数据库提供一些架构资料。
思想篇CAP，BASE和最终一致性是NoSQL数据库存在的三大基石。
而五分钟法则是内存数据存储了理论依据。
这个是一切的源头。
CAP∙C: C onsistency 一致性∙A: A vailability 可用性(指的是快速获取数据)∙P: Tolerance of network P artition 分区容忍性(分布式)10年前，Eric Brewer教授指出了著名的CAP理论，后来Seth Gilbert 和Nancy lynch两人证明了CAP理论的正确性。
CAP理论告诉我们，一个分布式系统不可能满足一致性，可用性和分区容错性这三个需求，最多只能同时满足两个。
熊掌与鱼不可兼得也。
关注的是一致性，那么您就需要处理因为系统不可用而导致的写操作失败的情况，而如果您关注的是可用性，那么您应该知道系统的read操作可能不能精确的读取到write操作写入的最新值。
因此系统的关注点不同，相应的采用的策略也是不一样的，只有真正的理解了系统的需求，才有可能利用好CAP理论。
作为架构师，一般有两个方向来利用CAP理论1key-value存储，如Amaze Dynamo等，可根据CAP三原则灵活选择不同倾向的数据库产品。
2领域模型+ 分布式缓存+ 存储（Qi4j和NoSql运动），可根据CAP三原则结合自己项目定制灵活的分布式方案，难度高。
我准备提供第三种方案：实现可以配置CAP的数据库，动态调配CAP。
∙CA：传统关系数据库∙AP：key-value数据库而对大型网站，可用性与分区容忍性优先级要高于数据一致性，一般会尽量朝着A、P 的方向设计，然后通过其它手段保证对于一致性的商务需求。
架构设计师不要精力浪费在如何设计能满足三者的完美分布式系统，而是应该进行取舍。
不同数据对于一致性的要求是不同的。
举例来讲，用户评论对不一致是不敏感的，可以容忍相对较长时间的不一致，这种不一致并不会影响交易和用户体验。
而产品价格数据则是非常敏感的，通常不能容忍超过10秒的价格不一致。
CAP理论的证明：Brewer's CAP Theorem最终一致性一言以蔽之：过程松，结果紧，最终结果必须保持一致性为了更好的描述客户端一致性，我们通过以下的场景来进行，这个场景中包括三个组成部分：∙存储系统存储系统可以理解为一个黑盒子，它为我们提供了可用性和持久性的保证。
∙Process AProcessA主要实现从存储系统write和read操作∙Process B 和ProcessCProcessB和C是独立于A，并且B和C也相互独立的，它们同时也实现对存储系统的write和read操作。
下面以上面的场景来描述下不同程度的一致性：∙强一致性强一致性（即时一致性）假如A先写入了一个值到存储系统，存储系统保证后续A,B,C的读取操作都将返回最新值∙弱一致性假如A先写入了一个值到存储系统，存储系统不能保证后续A,B,C的读取操作能读取到最新值。
此种情况下有一个―不一致性窗口‖的概念，它特指从A写入值，到后续操作A,B,C读取到最新值这一段时间。
∙最终一致性最终一致性是弱一致性的一种特例。
假如A首先write了一个值到存储系统，存储系统保证如果在A,B,C后续读取之前没有其它写操作更新同样的值的话，最终所有的读取操作都会读取到最A写入的最新值。
此种情况下，如果没有失败发生的话，―不一致性窗口‖的大小依赖于以下的几个因素：交互延迟，系统的负载，以及复制技术中replica的个数（这个可以理解为master/salve模式中，salve的个数），最终一致性方面最出名的系统可以说是DNS系统，当更新一个域名的IP 以后，根据配置策略以及缓存控制策略的不同，最终所有的客户都会看到最新的值。
变体∙Causal consistency（因果一致性）如果Process A通知Process B它已经更新了数据，那么Process B的后续读取操作则读取A写入的最新值，而与A没有因果关系的C则可以最终一致性。
∙Read-your-writes consistency如果Process A写入了最新的值，那么Process A的后续操作都会读取到最新值。
但是其它用户可能要过一会才可以看到。
∙Session consistency此种一致性要求客户端和存储系统交互的整个会话阶段保证Read-your-writes consistency.Hibernate的session提供的一致性保证就属于此种一致性。
∙Monotonic read consistency此种一致性要求如果Process A已经读取了对象的某个值，那么后续操作将不会读取到更早的值。
∙Monotonic write consistency此种一致性保证系统会序列化执行一个Process中的所有写操作。
BASE说起来很有趣，BASE的英文意义是碱，而ACID是酸。
真的是水火不容啊。
∙Basically Availble --基本可用∙Soft-state --软状态/柔性事务"Soft state" 可以理解为"无连接"的, 而"Hard state" 是"面向连接"的∙Eventual Consistency --最终一致性最终一致性，也是是ACID 的最终目的。
BASE模型反ACID模型，完全不同ACID模型，牺牲高一致性，获得可用性或可靠性：Basically Available基本可用。
支持分区失败(e.g. sharding碎片划分数据库) Soft state软状态状态可以有一段时间不同步，异步。
Eventually consistent最终一致，最终数据是一致的就可以了，而不是时时一致。
BASE思想的主要实现有1.按功能划分数据库2.sharding碎片BASE思想主要强调基本的可用性，如果你需要高可用性，也就是纯粹的高性能，那么就要以一致性或容错性为牺牲，BASE思想的方案在性能上还是有潜力可挖的。
其他I/O的五分钟法则在1987 年，Jim Gray与Gianfranco Putzolu 发表了这个"五分钟法则"的观点，简而言之，如果一条记录频繁被访问，就应该放到内存里，否则的话就应该待在硬盘上按需要再访问。
这个临界点就是五分钟。
看上去像一条经验性的法则，实际上五分钟的评估标准是根据投入成本判断的，根据当时的硬件发展水准，在内存中保持1KB 的数据成本相当于硬盘中存据400 秒的开销(接近五分钟)。
这个法则在1997 年左右的时候进行过一次回顾，证实了五分钟法则依然有效（硬盘、内存实际上没有质的飞跃)，而这次的回顾则是针对SSD 这个"新的旧硬件"可能带来的影响。
随着闪存时代的来临，五分钟法则一分为二：是把SSD 当成较慢的内存（extended buffer pool ）使用还是当成较快的硬盘（extended disk）使用。