數(shù)據(jù)密集型應用系統(tǒng)設(shè)計
全書分為三大部分：
第一部分，主要討論有關(guān)增強數(shù)據(jù)密集型應用系統(tǒng)所需的若干基本原則。首先開篇第1章即瞄準目標：可靠性、可擴展性與可維護性，如何認識這些問題以及如何達成目標。第2章我們比較了多種不同的數(shù)據(jù)模型和查詢語言，討論各自的適用場景。接下來第3章主要針對存儲引擎，即數(shù)據(jù)庫是如何安排磁盤結(jié)構(gòu)從而提高檢索效率。第4章轉(zhuǎn)向數(shù)據(jù)編碼（序列化）方面，包括常見模式的演化歷程。
第二部分，我們將從單機的數(shù)據(jù)存儲轉(zhuǎn)向跨機器的分布式系統(tǒng)，這是擴展性的重要一步，但隨之而來的是各種挑戰(zhàn)。所以將依次討論數(shù)據(jù)遠程復制（第5章）、數(shù)據(jù)分區(qū)（第6章）以及事務(wù)（第7章）。接下來的第8章包括分布式系統(tǒng)的更多細節(jié)，以及分布式環(huán)境如何達成一致性與共識（第9章）。
第三部分，主要針對產(chǎn)生派生數(shù)據(jù)的系統(tǒng)，所謂派生數(shù)據(jù)主要指在異構(gòu)系統(tǒng)中，如果無法用一個數(shù)據(jù)源來解決所有問題，那么一種自然的方...
全書分為三大部分：
第一部分，主要討論有關(guān)增強數(shù)據(jù)密集型應用系統(tǒng)所需的若干基本原則。首先開篇第1章即瞄準目標：可靠性、可擴展性與可維護性，如何認識這些問題以及如何達成目標。第2章我們比較了多種不同的數(shù)據(jù)模型和查詢語言，討論各自的適用場景。接下來第3章主要針對存儲引擎，即數(shù)據(jù)庫是如何安排磁盤結(jié)構(gòu)從而提高檢索效率。第4章轉(zhuǎn)向數(shù)據(jù)編碼（序列化）方面，包括常見模式的演化歷程。
第二部分，我們將從單機的數(shù)據(jù)存儲轉(zhuǎn)向跨機器的分布式系統(tǒng)，這是擴展性的重要一步，但隨之而來的是各種挑戰(zhàn)。所以將依次討論數(shù)據(jù)遠程復制（第5章）、數(shù)據(jù)分區(qū)（第6章）以及事務(wù)（第7章）。接下來的第8章包括分布式系統(tǒng)的更多細節(jié)，以及分布式環(huán)境如何達成一致性與共識（第9章）。
第三部分，主要針對產(chǎn)生派生數(shù)據(jù)的系統(tǒng)，所謂派生數(shù)據(jù)主要指在異構(gòu)系統(tǒng)中，如果無法用一個數(shù)據(jù)源來解決所有問題，那么一種自然的方式就是集成多個不同的數(shù)據(jù)庫、緩存模塊以及索引模塊等。首先第10章以批處理開始來處理派生數(shù)據(jù)，緊接著第11章采用流式處理。第12章總結(jié)之前介紹的多種技術(shù)，并分析討論未來構(gòu)建可靠、可擴展和可維護應用系統(tǒng)可能的新方向或方法。
作者簡介
Martin Kleppmann是英國劍橋大學分布式系統(tǒng)方向的研究員。此前，他曾是LinkedIn和Rapportive等互聯(lián)網(wǎng)公司的軟件工程師，負責大規(guī)模數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)。在此過程中他遇到過一些困難，因此他希望這本書能夠幫助讀者避免重蹈覆轍。Martin還是一位活躍的會議演講者、博主和開源貢獻者。他認為，每個人都應該學習深刻的技術(shù)理念，對技術(shù)的深入理解能幫助我們開發(fā)出更好的軟件。
譯者簡介
趙軍平, 大數(shù)據(jù)存儲與分析資深開發(fā)者與推廣者（EMC 10余年），GPU異構(gòu)計算的親歷者。中國計算機協(xié)會專家委員，DELL EMC資深架構(gòu)師。12年系統(tǒng)研發(fā)、創(chuàng)新與團隊管理經(jīng)驗，擅長數(shù)據(jù)存儲與保護, 云計算與大數(shù)據(jù)實時分析，GPU異構(gòu)加速優(yōu)化等。相關(guān)領(lǐng)域已申請中、美技術(shù)專利100余項，并多次在SNIA，LinuxConf，Hadoop Summit, ...
作者簡介
Martin Kleppmann是英國劍橋大學分布式系統(tǒng)方向的研究員。此前，他曾是LinkedIn和Rapportive等互聯(lián)網(wǎng)公司的軟件工程師，負責大規(guī)模數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)。在此過程中他遇到過一些困難，因此他希望這本書能夠幫助讀者避免重蹈覆轍。Martin還是一位活躍的會議演講者、博主和開源貢獻者。他認為，每個人都應該學習深刻的技術(shù)理念，對技術(shù)的深入理解能幫助我們開發(fā)出更好的軟件。
譯者簡介
趙軍平, 大數(shù)據(jù)存儲與分析資深開發(fā)者與推廣者（EMC 10余年），GPU異構(gòu)計算的親歷者。中國計算機協(xié)會專家委員，DELL EMC資深架構(gòu)師。12年系統(tǒng)研發(fā)、創(chuàng)新與團隊管理經(jīng)驗，擅長數(shù)據(jù)存儲與保護, 云計算與大數(shù)據(jù)實時分析，GPU異構(gòu)加速優(yōu)化等。相關(guān)領(lǐng)域已申請中、美技術(shù)專利100余項，并多次在SNIA，LinuxConf，Hadoop Summit, Nvidia GPU Tech Conf等做技術(shù)分享，持續(xù)關(guān)注數(shù)據(jù)密集和計算密集相關(guān)技術(shù)的演進、融合與賦能推廣。
呂云松，北京大學計算機碩士，碩士及DELL EMC中國研究院實習期間專注于大數(shù)據(jù)實時流式處理相關(guān)的研究。現(xiàn)就職于華為2012中軟院黎曼實驗室，主要從事深度學習的研發(fā)。
耿煜，DELL EMC架構(gòu)師兼GTM負責人，致力于推廣企業(yè)級數(shù)字化轉(zhuǎn)型方案。深耕分布式架構(gòu)以及云計算12年，先后任職于ChinaCache，Sun Microsystems以及EMC等公司。
李三平，美國麻省大學計算機工程專業(yè)博士，DELL EMC中國研究院首席科學家，研究方向為機器學習、深度學習、智能運維、遙感影像等。已在IEEE Transactions期刊和會議上發(fā)表論文數(shù)十篇，申請美國專利20余項。推崇簡約，熱衷機器學習。