搭建大规模可扩展系统
1.如何检测一台机器是否宕机？
CAP理论：一致性，对于一些操作，每一个客户端有同样的view，可用性，指所有客户端可以读和写，分区承载，系统通过物理网络分区可以工作。
三个中只能有两个。
现实中CAP的例子：
亚马逊Dynamo，中采取了availability超过consistency，新的值覆盖旧的值，最后的数据有一致性（AP）
谷歌的Big Table采取CP，Hbase
两级的B+树，TB级别以上的应用，为了保证强一致性，一个数据同一时刻只能被一台机子服务，单位工作节点宕机的时候，操作的日志来加在，工作表的索引，并做到很快的恢复。
数据库系统
关系型数据库
执行时异常
需要在数据库恢复通信
ACIDvsBASE
ACID在单机环境下有很高的要求，但在分布式环境下只能满足很基本的要求。
BASE功能上的划分，垂直和水平的切分，sharding
应用拆分
scale-up和scale-out，up是增大容量，out是增加数量
数据库拆分
horizontal scaling(sharding)
functional scaling(scale out)
stateless
session vs cookie
request->后会返回一个cookie，下次访问的时候会带着cookie过来
异步通信
RPC
有效地利用cache
一致性和复制，如何保证多服务器的时候保证读到的数据是一致的，
可以读的时候读多份，多的值为真
也可以写在日志里，
一致性介绍：
强一致性，弱一致性，最终一致性
一致性哈希
分布式的哈希表
流量增加很大，服务器的压力也很大，之前的读写机制很不给力
现在做一个cache的服务机制，每一次mem cache的请求随机发送到三台服务器中的一台，
问题是同一份数据存在不同的服务器上，所以不能随机发送
一致性hash算法
把整个hash值得空间当成虚拟的圆环
无符号的整型
虚拟节点
NoSql database
Cassandra- big table的一个开源的版本
大数据系统：
大数据基础hadoop
mapreduce, bigtable, gfs
spark
海量数据处理的技巧
聊天系统的设计
估算
应用
公司
Cloudera, Hortonworks, MapR,
Hadoop的概念产生
Google的三辆马车
Mapreduce
The google file system
Big table
GFS, google file system
最主要的应用有两个，map reduce big table
B+树，把二叉树压得扁平化，压成n个节点，并排序，达到索引的高效性
实时性不好，机房之间通过日志来恢复
HDFS
Design
Master, chunkservers and clients
Fault tolerance
Append-only
Optimized for continuous reading
