目錄

這份目錄與左側章節樹、頁末順序導航共享同一閱讀順序；章內標題直接來自各頁的穩定錨點。選擇任意條目即可進入對應章節或小節。

插圖目錄

全書編號插圖使用穩定圖號和錨點；正文中的“圖 N-N”引用會同時連結到這裡列出的目標。

1. 圖 1-1 — 將資料透過 ETL 匯入資料倉儲的簡化示意圖。
2. 圖 1-2 — 軟體型別及其運維方式的連續譜。
3. 圖 2-1 — 一個允許使用者相互關注的社交網路的簡單關係模式。
4. 圖 2-2 — 扇出——把新帖子投遞給發帖使用者的每一位關注者。
5. 圖 2-3 — 當服務的吞吐量接近其處理能力上限時，排隊會使響應時間急劇增加。
6. 圖 2-4 — 響應時間、服務時間、網路延遲和排隊延遲。
7. 圖 2-5 — 用 100 次服務請求的響應時間樣本說明平均值和分位數。
8. 圖 2-6 — 當一次請求需要多個後端呼叫時，只需一個慢呼叫，就會拖慢整個終端使用者請求。
9. 圖 3-1 — 使用關係模式表示 LinkedIn 個人資料。
10. 圖 3-2 — 一對多關係形成樹狀結構。
11. 圖 3-3 — 關係模型中的多對多關係。
12. 圖 3-4 — 文件模型中的多對多關係；每個虛線框內的資料可以組成一份文件。
13. 圖 3-5 — 用於資料倉儲的星型模式示例。
14. 圖 3-6 — 圖結構資料示例（框表示頂點，箭頭表示邊）。
15. 圖 3-7 — 使用示例 3-12 中的 Datalog 規則確定愛達荷州在北美。
16. 圖 3-8 — 以不可變事件日誌作為權威資料來源，並從中派生物化檢視。
17. 圖 3-9 — 將電影評分的關聯式資料庫轉換為矩陣表示。
18. 圖 4-1 — 以類似 CSV 的格式儲存鍵值對日誌，並使用記憶體雜湊對映建立索引。
19. 圖 4-2 — 帶有稀疏索引的 SSTable，查詢可以直接跳到正確的資料塊。
20. 圖 4-3 — 合併多個 SSTable 段，僅保留每個鍵的最新值。
21. 圖 4-4 — 布隆過濾器以機率方式快速判斷某個鍵是否存在於某個 SSTable 中。
22. 圖 4-5 — 使用 B 樹索引查詢鍵 251。先從根頁沿引用進入鍵 200–300 所在的頁，再進入鍵 250–270 所在的頁。
23. 圖 4-6 — 在邊界鍵 337 處拆分頁，使 B 樹增長；父頁也隨之更新，以引用兩個子頁。
24. 圖 4-7 — 按列而不是按行儲存關係資料。
25. 圖 4-8 — 對單列進行壓縮並建立點陣圖索引的儲存方式。
26. 圖 4-9 — 兩張點陣圖的按位與運算非常適合向量化處理。
27. 圖 4-10 — 多維資料集的兩個維度，透過求和聚合資料。
28. 圖 4-11 — 在 HNSW 索引中查詢最接近給定查詢向量的資料庫條目。
29. 圖 5-1 — 舊版應用程式更新先前由新版應用程式寫入的資料時，若處理不慎，可能丟失資料。
30. 圖 5-2 — 示例 5-2 中的記錄使用 MessagePack 編碼後的結果。
31. 圖 5-3 — 使用 Protocol Buffers 編碼的示例記錄。
32. 圖 5-4 — 使用 Avro 編碼的示例記錄。
33. 圖 5-5 — Protocol Buffers 的編碼與解碼可以使用不同版本的模式。Avro 解碼時使用兩個模式：寫入者模式必須與編碼時所用模式完全相同，讀取者模式則可以是較舊或較新的版本。
34. 圖 5-6 — Avro 讀取器協調寫入者模式與讀取者模式之間的差異。
35. 圖 5-7 — 使用圖形化的業務流程模型與標記法（BPMN）表示工作流的示例。
36. 圖 II-1 — 一個資料庫切分為兩個分割槽，每個分割槽都有兩個副本
37. 圖 6-1 — 單主複製把所有寫入都發往指定的領導者，再由領導者將變更流傳送給各追隨者副本。
38. 圖 6-2 — 基於領導者的複製，其中一個追隨者同步複製，另一個非同步複製。
39. 圖 6-3 — 使用者寫入後，又從陳舊副本讀取。要防止這種異常，需要寫後讀一致性。
40. 圖 6-4 — 使用者先從較新的副本讀取，隨後從陳舊副本讀取，時間彷彿倒退了。要防止這種異常，需要單調讀。
41. 圖 6-5 — 如果某些分片的複製速度慢於其他分片，觀察者可能先看到答案，後看到問題。
42. 圖 6-6 — 跨多個地區的多主複製。
43. 圖 6-7 — 多主複製可以採用的三種拓撲示例。
44. 圖 6-8 — 在多主複製中，寫入抵達某些副本的順序可能有誤。
45. 圖 6-9 — 兩個領導者併發更新同一條記錄，造成寫入衝突。
46. 圖 6-10 — 亞馬遜購物車異常示例：以並集方式合併購物車衝突時，已刪除的商品可能重新出現。
47. 圖 6-11 — OT 與 CRDT 分別如何合併字串中的兩次併發插入。
48. 圖 6-12 — 節點停機後的仲裁寫、仲裁讀和讀修復。
49. 圖 6-13 — 如果 w + r > n，讀取的 r 個副本中至少有一個必然見過最近一次成功寫入。
50. 圖 6-14 — Dynamo 風格資料儲存中的併發寫入沒有明確定義的順序。
51. 圖 6-15 — 捕獲兩個客戶端併發編輯購物車時的因果依賴。
52. 圖 6-16 — 圖 6-15 中因果依賴關係的圖示。
53. 圖 7-1 — 複製與分片結合使用：每個節點對某些分片充當領導者，對另一些分片充當追隨者。
54. 圖 7-2 — 印刷版百科全書按鍵範圍分片。
55. 圖 7-3 — 透過對鍵進行雜湊並取模節點數來將鍵分配給節點。更改節點數會導致許多鍵從一個節點移動到另一個節點。
56. 圖 7-4 — 向每個節點有多個分片的資料庫叢集新增新節點。
57. 圖 7-5 — 為每個分片分配連續的雜湊值範圍。
58. 圖 7-6 — Cassandra 和 ScyllaDB 將可能的雜湊值範圍（這裡是 0–1023）拆成邊界隨機的連續區間，併為每個節點分配多個區間。
59. 圖 7-7 — 將請求路由到正確節點的三種不同方式。
60. 圖 7-8 — 使用 ZooKeeper 跟蹤分片到節點的分配。
61. 圖 7-9 — 本地二級索引：每個分片只索引其自己分片內的記錄。
62. 圖 7-10 — 全域性二級索引反映來自所有分片的資料，並且本身按索引值進行分片。
63. 圖 8-1 — 兩個客戶端併發遞增計數器之間的競態條件。
64. 圖 8-2 — 違反隔離性：一個事務讀取另一個事務的未提交寫入（“髒讀”）。
65. 圖 8-3 — 原子性確保如果發生錯誤，該事務的任何先前寫入都會被撤消，以避免不一致的狀態。
66. 圖 8-4 — 沒有髒讀：使用者 2 只有在使用者 1 的事務提交後才能看到 x 的新值。
67. 圖 8-5 — 發生髒寫時，不同事務的衝突寫入可能混雜在一起。
68. 圖 8-6 — 讀偏差：Aaliyah 觀察到了資料庫的不一致狀態。
69. 圖 8-7 — 使用多版本併發控制實現快照隔離。
70. 圖 8-8 — 寫偏差導致應用程式錯誤的示例。
71. 圖 8-9 — 互動式事務與儲存過程的差異（採用圖 8-8中的示例事務）。
72. 圖 8-10 — 檢測事務何時從 MVCC 快照讀取過時值。
73. 圖 8-11 — 在可序列化快照隔離中，檢測一個事務何時修改了另一個事務讀過的資料。
74. 圖 8-12 — 當事務涉及多個資料庫節點時，它可能在某些節點上提交，在其他節點上失敗。
75. 圖 8-13 — 兩階段提交（2PC）的成功執行。
76. 圖 8-14 — 參與者投票“是”之後，協調者崩潰。資料庫 1 不知道該提交還是中止。
77. 圖 9-1 — 發出請求卻沒有收到響應時，無法分辨究竟是 (a) 請求丟失、(b) 遠端節點宕機，還是 (c) 響應丟失。
78. 圖 9-2 — 多臺機器向同一個目的地傳送網路流量時，交換機佇列可能被塞滿。圖中埠 1、2 和 4 都在嘗試向埠 3 傳送資料包。
79. 圖 9-3 — 客戶端 B 的寫入在因果關係上晚於客戶端 A 的寫入，但 B 的寫入具有更早的時間戳。
80. 圖 9-4 — 分散式鎖的錯誤實現：租約已經過期，客戶端 1 卻認為它依然有效，因而損壞了儲存中的檔案。
81. 圖 9-5 — 原租約持有者發出的訊息可能延遲很久，直到另一個節點接管租約後才抵達。
82. 圖 9-6 — 只允許寫入按照遞增的柵欄令牌順序執行，從而保證儲存訪問安全。
83. 圖 9-7 — 使用柵欄令牌保護對無主複製資料庫的寫入。
84. 圖 10-1 — 如果這個資料庫滿足線性一致性，那麼 Alice 的讀取應返回 1 而不是 0，或者 Bob 的讀取應返回 0 而不是 1。
85. 圖 10-2 — 如果讀請求與寫請求併發，則可能返回舊值，也可能返回新值。
86. 圖 10-3 — 如果 Alice 和 Bob 擁有完美時鐘，線性一致性要求讀取返回 x = 1，因為對 x 的讀取開始於 x = 1 寫入完成之後。
87. 圖 10-4 — 對 x 的讀取與 x = 1 的寫入併發。由於不知道操作的確切時序，讀取可以返回 0 或 1。
88. 圖 10-5 — 一個不滿足線性一致性的系統：Alice 和 Bob 在不同時刻看到上傳的影象，因此 Bob 的請求建立在陳舊資料之上。
89. 圖 10-6 — 當網路延遲變化不定時，僅靠法定人數不足以保證線性一致性。
90. 圖 10-7 — 如果網路分割槽使客戶端無法聯絡足夠多的副本，它們就無法處理寫入。
91. 圖 10-8 — 兩個不同節點可能生成相互衝突的 ID。
92. 圖 10-9 — Lamport 時間戳給出了與因果關係一致的全序。
93. 圖 10-10 — 一個使用 Lamport 時間戳的許可權系統。
94. 圖 11-1 — 一個包含三個 mapper 和三個 reducer 的 MapReduce 作業。
95. 圖 11-2 — 使用者活動日誌與使用者畫像資料庫的連線。
96. 圖 11-3 — 基於使用者 ID 的排序合併連線。若輸入資料集由多個檔案分片組成，可並行啟動多個 mapper 處理。
97. 圖 12-1 — （a）負載均衡：由多個消費者分擔一個主題的消費工作；（b）扇出：將每條訊息傳遞給多個消費者。
98. 圖 12-2 — 消費者 2 在處理 m3 時崩潰，因此 m3 稍後被重新傳遞給消費者 1。
99. 圖 12-3 — 生產者把訊息追加到主題分割槽檔案中，消費者則順序讀取這些檔案。
100. 圖 12-4 — 資料庫中的 X 先被設為 A，再被設為 B；寫入到達搜尋索引的順序卻恰好相反。
101. 圖 12-5 — 按資料寫入一個資料庫的順序取得資料，再按相同順序將變化應用到其他系統。
102. 圖 12-6 — 一個鍵值對日誌：鍵是貓咪影片的 ID（mew、purr、scratch 或 yawn），值是播放次數。日誌壓實只保留每個鍵的最新值。
103. 圖 12-7 — 應用當前狀態與事件流之間的關係。
104. 圖 12-8 — 按處理時間劃分視窗，會因處理速率的變化而產生人為假象。
105. 圖 13-1 — 在搜尋索引中，寫入（文件更新）與讀取（查詢）相遇。
106. 圖 13-2 — 使用事件日誌和流處理器，檢查源賬戶是否有足夠餘額，並把資金原子地轉入目標賬戶和手續費賬戶。

表格目錄

1. 表 1-1 — 事務型系統與分析型系統的特徵比較
2. 表 1-2 — 自託管資料庫系統與雲原生資料庫系統示例
3. 表 8-1 — 各種隔離級別下可能發生的異常彙總。

示例目錄

1. 範例 3-1 — 將 LinkedIn 個人資料表示為 JSON 文件
2. 範例 3-2 — 透過 ID 引用組織的簡歷
3. 範例 3-3 — 使用關係模式表示屬性圖
4. 範例 3-4 — 圖 3-6 中的一部分資料，以 Cypher 查詢表示
5. 範例 3-5 — 查詢從美國移居歐洲者的 Cypher 查詢
6. 範例 3-6 — 使用遞迴公用表表示式，以 SQL 寫出與示例 3-5 相同的查詢
7. 範例 3-7 — 圖 3-6 中的一部分資料，以 Turtle 三元組表示
8. 範例 3-8 — 示例 3-7 中資料的簡潔寫法
9. 範例 3-9 — 使用 RDF/XML 語法表示示例 3-8 中的資料
10. 範例 3-10 — 與示例 3-5 相同的查詢，用 SPARQL 表示
11. 範例 3-11 — 圖 3-6 中資料的子集，表示為 Datalog 事實
12. 範例 3-12 — 與示例 3-5 相同的查詢，用 Datalog 表示
13. 範例 3-13 — 群聊應用的 GraphQL 查詢示例
14. 範例 3-14 — 對示例 3-13 中查詢的一種可能響應
15. 範例 4-1 — 分析人們在一週中的哪一天更傾向於購買新鮮水果或糖果
16. 範例 5-1 — 以整數為鍵、字串為值的 JSON 模式示例。由於 JSON 模式要求所有鍵均為字串，整數鍵表示為只包含數字的字串。
17. 範例 5-2 — 本章將使用多種二進位制格式編碼的示例記錄
18. 範例 5-3 — 使用 YAML 編寫的 OpenAPI 服務定義示例
19. 範例 5-4 — 使用 FastAPI 實現示例 5-3 中定義的服務
20. 範例 5-5 — 用於圖 5-7 所示支付工作流的 Temporal 工作流定義片段
21. 範例 8-1 — 顯式鎖定行以防止丟失更新
22. 範例 8-2 — 會議室預訂系統試圖避免重複預訂（在快照隔離下並不安全）