mysql 技术内幕 pdf_【书】数据库系统内幕

本书大标题是“数据库系统内幕”，其实还有个小标题没有翻译：

A Deep Dive into How Distributed Data Systems Work

简单翻译就是“分布式数据系统运行原理”。

所以本书的主要内容是数据库 + 分布式系统。

第一部分

第一部分主要介绍数据库的存储引擎，其中主要涉及两个数据结构：

1. B 树（包括 B 树、B+ 树以及其他变体）
2. LSM 树

这二者的区别在于 B 树是可变的存储结构，在修改时直接操作磁盘上的原纪录，而 LSM 可以作为不可变存储结构，仅支持追加存储。

我们知道 B 树是 MySQL InnoDB 存储引擎所采用的数据结构，本书几乎前三分之一的内容都在介绍 B 树相关内容，包括原理、实现、使用等，对于可变性，重点介绍了节点的分裂与合并、页布局，即如何编码数据、组织数据等。

对于 LSM 树，首先介绍其结构，一般包括两部分：内存表（MemTable）、磁盘表（SSTable），其中磁盘方面考虑到后期读时的优化，又可以再加一个压实（Compaction）的表。然后提到不可变结构面临的共通问题：

1. 读放大：为了检索数据而读取多个表
2. 写放大：压实过程带来额外的写
3. 空间放大：一条记录可能同时出现在多层

最后介绍 LSM 的一些实现细节，包括布隆过滤器，采用跳表作为内存表的存储结构等。

第二部分

这一部分的内容最让我感到混乱，明明领导者的选举依赖于共识算法，但是却在第 10 章介绍选举，而在最后一章（第 14 章）才讲共识。并且把同样介绍分布式系统中的故障问题，拆成了两个章节，一个是第 9 章的故障检测，另一个是第 12 章的反觞。

此外主要介绍了分布式系统中的一致性概念，这部分的内容可圈可点，其中提到了各种一致性模型，包括：

• 严格一致性
• 可线性化
• 顺序一致性
• 因果一致性

另外重点介绍了分布式事务相关内容，其中还点到了国产开源数据库 TiDB（值得国人傲娇一下），本节内容对于 Spanner 等分布式数据库提供了一定帮助。

总结

看完本书的总体感觉是：整体思路混乱，部分章节可取。

先说说缺点吧：

1. 名为数据库系统，却只说存储，不讲计算。
2. 思路混乱，没有过渡感，为什么有了 B 树，还要 LSM 树？从存储引擎到分布式系统的过渡太生硬，两部分的内容很难结合起来，其实我觉得可以增加一张来介绍分布式存储，这样会让整本书更有层次感。
3. 部分数据结构与算法讲得太细，却很少提及为什么选择它们的原因，以及与其他方式的对比。

当然优点也有，最重要的恐怕就在于介绍分布式系统底层技术的书籍太少，这本书填补了一些空白，同时提到了一些分布式系统的通用问题，有利于我们站在更高的角度来面对实际生产中的一些问题，比如一致性模型等。

总的来说，还是值得一读。

番外

关于分布式系统，这里推荐一个知乎专栏【分布式系统之美】，目前由 PingCap 的几位大佬维护。另外有三篇文章分别从存储、计算、调度的角度谈 TiDB（关键字：三篇文章了解 TiDB 技术内幕），特别推荐一读！

本文首发于公众号“数据Man”，欢迎关注！