舉報

會員
云原生數據庫:原理與實踐
最新章節:
封底
本書詳細剖析了作為核心基礎軟件系統的數據庫在云計算時代的技術演進歷程,從架構設計、實現機制和系統優化等多個角度闡述傳統數據庫技術是如何一步步發展到云原生形態的。本書強調理論和實踐的充分結合,分析MySQL、PostgreSQL等工業界“活”的系統實現數據庫的SQL優化與執行、事務處理、緩存與索引等原理,在面對實際應用需求時做了哪些權衡與折中,面對復雜的應用場景如何優化,以及做出種種選擇背后的原因。同時,本書結合阿里云在數據庫領域的研發實踐經驗,著重講述現代數據庫從系統進化到服務的一系列核心技術原理,例如利用云計算資源池化技術、分布式技術實現數據庫的高可用、彈性擴展和按需使用等。本書內容翔實,兼具理論深度和實現細節,同時開放性地探索了數據庫的最新發展方向,能夠啟發讀者進一步深入思考。本書可作為高等院校信息類專業的本科生和碩士研究生教材,也可作為數據庫行業的內核研發和系統運維等從業人員的參考書。
目錄(171章)
倒序
- 封面
- 版權信息
- 作者簡介
- 內容簡介
- 推薦序一
- 推薦序二
- 推薦序三
- 推薦語
- 前言
- 第1章 數據庫發展歷程
- 1.1 數據庫發展概述
- 1.1.1 萌芽
- 1.1.2 商業化起步
- 1.1.3 發展成熟
- 1.1.4 云原生與分布式時代
- 1.2 數據庫技術發展趨勢
- 1.2.1 云原生與分布式
- 1.2.2 大數據與數據庫一體化
- 1.2.3 軟硬件一體化
- 1.2.4 多模
- 1.2.5 智能化運維
- 1.2.6 安全可信
- 1.3 關系數據庫主要技術原理
- 1.3.1 接入管理
- 1.3.2 查詢引擎
- 1.3.3 事務處理
- 1.3.4 存儲引擎
- 參考文獻
- 第2章 數據庫與云原生
- 2.1 數據庫在云時代的發展
- 2.1.1 云計算時代的興起
- 2.1.2 數據庫作為一種服務
- 2.2 數據庫在云原生時代面臨的挑戰
- 2.3 云原生數據庫的主要特點
- 2.3.1 分層架構
- 2.3.2 資源解耦與池化
- 2.3.3 彈性伸縮能力
- 2.3.4 高可用與數據一致性
- 2.3.5 多租戶與資源隔離
- 2.3.6 智能化運維
- 參考文獻
- 第3章 云原生數據庫架構
- 3.1 設計理念
- 3.1.1 云原生數據庫的本質
- 3.1.2 計算與存儲分離
- 3.2 架構設計
- 3.3 典型的云原生數據庫
- 3.3.1 AWS Aurora
- 3.3.2 PolarDB
- 3.3.3 Microsoft Socrates
- 參考文獻
- 第4章 存儲引擎
- 4.1 數據組織
- 4.1.1 B+樹
- 4.1.2 InnoDB引擎中的B+樹
- 4.1.3 LSM-tree
- 4.2 并發控制
- 4.2.1 基本概念
- 4.2.2 鎖方法
- 4.2.3 時間戳方法
- 4.2.4 MVCC
- 4.2.5 InnoDB MVCC的實現
- 4.3 日志與恢復
- 4.3.1 基本概念
- 4.3.2 邏輯日志
- 4.3.3 物理日志
- 4.3.4 恢復原理
- 4.3.5 MySQL的Binlog
- 4.3.6 InnoDB的物理日志
- 4.4 新型LSM存儲引擎
- 4.4.1 PolarDB X-Engine
- 4.4.2 高性能事務處理
- 4.4.3 軟硬結合優化
- 4.4.4 低成本分層存儲
- 4.4.5 雙存儲引擎技術
- 4.4.6 實驗評估
- 參考文獻
- 第5章 高可用共享存儲系統
- 5.1 高可用基礎
- 5.1.1 Primary-Backup
- 5.1.2 Quorum
- 5.1.3 Paxos
- 5.1.4 Raft
- 5.1.5 Parallel Raft
- 5.2 集群高可用
- 5.2.1 MySQL集群高可用
- 5.2.2 PolarDB高可用
- 5.3 共享存儲架構
- 5.3.1 Aurora存儲系統
- 5.3.2 PolarFS
- 5.4 文件系統優化
- 5.4.1 用戶態I/O計算
- 5.4.2 近存儲計算
- 參考文獻
- 第6章 數據庫緩存
- 6.1 數據庫緩存簡介
- 6.1.1 數據庫緩沖作用
- 6.1.2 緩沖池
- 6.2 緩存恢復
- 6.2.1 云環境對緩存的挑戰
- 6.2.2 基于CPU與內存分離的緩存恢復
- 6.3 PolarDB的實踐
- 6.3.1 緩沖池的優化
- 6.3.2 數據字典緩存和文件系統緩存的優化
- 6.3.3 基于RDMA的共享內存池
- 參考文獻
- 第7章 計算引擎
- 7.1 查詢處理概述
- 7.1.1 數據庫查詢處理概述
- 7.1.2 并行查詢概述
- 7.2 查詢執行模型
- 7.2.1 火山模型
- 7.2.2 編譯執行模型
- 7.2.3 向量化執行模型
- 7.3 查詢優化概述
- 7.3.1 查詢優化整體介紹
- 7.3.2 邏輯查詢優化
- 7.3.3 物理查詢優化
- 7.3.4 其他優化方法
- 7.4 PolarDB查詢引擎實踐
- 7.4.1 PolarDB的并行查詢技術
- 7.4.2 PolarDB的執行計劃管理
- 7.4.3 PolarDB的向量化執行
- 參考文獻
- 第8章 云原生與分布式融合
- 8.1 分布式數據庫的基本原理
- 8.1.1 分布式數據庫架構
- 8.1.2 數據分區
- 8.1.3 分布式事務
- 8.1.4 MPP并行查詢處理
- 8.2 分布式與云原生
- 8.2.1 共享存儲架構
- 8.2.2 無共享存儲架構
- 8.3 云原生分布式數據庫PolarDB-X
- 8.3.1 架構設計
- 8.3.2 拆分方式
- 8.3.3 全局二級索引
- 8.3.4 分布式事務
- 8.3.5 HTAP
- 參考文獻
- 第9章 云原生數據庫PolarDB應用實踐
- 9.1 創建云上實例
- 9.2 數據庫接入
- 9.2.1 相關賬號的創建
- 9.2.2 圖形化訪問
- 9.2.3 連接方式訪問
- 9.3 基本操作
- 9.3.1 數據庫與表創建
- 9.3.2 創建測試數據
- 9.3.3 賬號與權限管理
- 9.3.4 數據查詢
- 9.4 云上數據遷移
- 9.4.1 云上數據的遷入
- 9.4.2 云上數據的導出
- 第10章PolarDB運維管理
- 10.1 數據庫運維概述
- 10.2 擴展資源
- 10.2.1 系統擴展
- 10.2.2 手動升降配
- 10.2.3 手動增減節點
- 10.2.4 自動升降配和增減節點
- 10.3 備份與恢復
- 10.3.1 備份
- 10.3.2 恢復
- 10.4 監控與診斷
- 10.4.1 監控與報警
- 10.4.2 診斷與優化
- 參考文獻
- 反侵權盜版聲明
- 作者簡介
- 封底 更新時間:2024-01-25 18:26:11
推薦閱讀
- 公有云容器化指南:騰訊云TKE實戰與應用
- Java Data Science Cookbook
- Architects of Intelligence
- 數據結構與算法(C語言版)
- 算法與數據中臺:基于Google、Facebook與微博實踐
- UDK iOS Game Development Beginner's Guide
- INSTANT Cytoscape Complex Network Analysis How-to
- Spark大數據分析實戰
- 大數據治理與安全:從理論到開源實踐
- Solaris操作系統原理實驗教程
- Power BI智能數據分析與可視化從入門到精通
- 區塊鏈技術應用與實踐案例
- Spark分布式處理實戰
- MySQL數據庫技術與應用
- R Machine Learning Essentials
- 深入理解Flink:實時大數據處理實踐
- ORACLE 11g權威指南
- Learning Libgdx Game Development
- Getting Started with Review Board
- CORS Essentials
- R語言醫學多元統計分析
- 基于MATLAB的試驗設計和數據處理
- MySQL運維進階指南
- 實用推薦系統
- Python:Advanced Predictive Analytics
- 數據庫開發技術標準教程
- 低代碼極速物聯網開發指南:基于阿里云IoT Studio快速構建物聯網項目
- 涂抹Oracle:三思筆記之一步一步學Oracle
- 云計算與大數據
- Oracle RAC核心技術詳解