-
6.9 批量并行读写远程文件和事务补偿处理
6.9 批量并行读写远程文件和事务补偿处理 1.批量并行读 2.批量并行写 3.批量并行读写 4.事务补偿处理 6.9 批量并行读写远程文件和事务补偿处理 FileBatch类支持批量并行读写操作，包括对FttpAdapter和FileAdapter的支持，它跟并行读写的区别是不需要检查结果，会等到所有并行读写任务全部完成才返回，并在发生异常时... -
6.11 基于整型读写的上亿排序
6.11 基于整型读写的上亿排序 6.11 基于整型读写的上亿排序 在第2章我们讲述了一个上亿排序的例子，那是基于内存方式的，那么在真实的场景中，数据到达一定的量级后，仅使用内存方式是很难完成的，本节我们基于本章学习的文件和整型数据操作，来实现一个更接近真实场景的上亿数据排序的例子。 根据第2章上亿排序的例子中的分类规则，我们知道，每台计算机的内存有... -
24.7 Compose应用案例二：大数据Spark集群
24.7 Compose应用案例二：大数据Spark集群 24.7 Compose应用案例二：大数据Spark集群 1.简介 Spark是Berkeley开发的分布式计算的框架，相对于Hadoop来说，Spark可以缓存中间结果到内存从而提高某些需要迭代的计算场景的效率，目前受到广泛关注。 熟悉Hadoop的读者会比较轻松，Spark很多设计理念和... -
2.3 数据模型
2.3 数据模型 2.3.1 文件模型" level="4"> 2.3.1 文件模型 2.3 数据模型 如果说存储引擎相当于存储系统的发动机，那么，数据模型就是存储系统的外壳。存储系统的数据模型主要包括三类：文件、关系以及随着NoSQL技术流行起来的键值模型。传统的文件系统和关系数据库系统分别采用文件和关系模型。关系模型描述能力强，产业链完整，是存储... -
3.6 可扩展性
3.6 可扩展性 3.6.1 总控节点" level="4"> 3.6.1 总控节点 3.6 可扩展性 通过数据分布，复制以及容错等机制，能够将分布式存储系统部署到成千上万台服务器。可扩展性的实现手段很多，如通过增加副本个数或者缓存提高读取能力，将数据分片使得每个分片可以被分配到不同的工作节点以实现分布式处理，把数据复制到多个数据中心，等等。 分布... -
空标题文档
第5章 数据拆分实现数据库能力线性扩展 服务中心将在很长一段时间内承载着整个企业对该服务领域所有服务请求的支持，如何保证建设的服务中心的服务能力能很好地支撑将来任何业务场景的访问性能的要求？这是服务中心建设过程中首先需要考虑的问题，而数据库则是最容易产生性能瓶颈的服务组件。本章详细介绍淘宝如何基于数据库分库分表的方式，利用分布式数据库平台解决数据库瓶颈问... -
2.5.5 分布式多机部署的示例
2.5.5 分布式多机部署的示例 2.5.5 分布式多机部署的示例 在前面的分布式计算上手demo，分布式计算sayhello，分布式计算完整demo中，对于工人（worker）、工头(ctor)，parkserver在多台计算机上的部署和配置： 每台计算机放置实现类：fourinone.jar、config.xml文件即可，parkserver的I... -
3.1 协调架构原理简介
3.1 协调架构原理简介 3.1 协调架构原理简介 Fourinone对分布式协调的实现，是通过建立一个domain/node两层结构的节点信息去完成，domain可以是分类或者包，node可以是具体属性，domain和node都是根据需求设计命名，比如可以将domain命名为“a.b.c…”表示一个树型类目。一个domain下可以有很多个node，每... -
第4章 分布式缓存的实现
第4章 分布式缓存的实现 第4章 分布式缓存的实现 本章讲述小型缓存、大型分布式缓存的原理和实现机制，并且讲述经典的一致哈希算法原理，以及改进的基于日期key取模和分组算法去做集群负载均衡和扩容，最后讲述一个分布式Session的实现案例，以及相关的配置属性。