電商存儲系統實戰：架構設計與海量數據處理

本書將以電商應用場景為例，講解不同規模的存儲系統應該如何構建。本書的章節是按照系統的發展過程來設計，分成了設計篇、高速增長篇、海量資料篇和技術進階篇。
 
在設計篇中，重點介紹如何從0到1地設計電商系統的各個存儲架構。在高速增長篇中，重點關注在高速變化的過程中系統所遇到的共通性問題，以及應對這些問題的方法。
 
在海量資料篇中，重點解決高併發、海量資料情況下的存儲系統應該如何設計的問題。在技術進階篇中，重點探討在存儲技術領域，有哪些新技術值得關注，哪些技術可能成為未來的發展趨勢。畢竟，不斷創新是技術發展的原動力。

前言　換一種方式學習存儲系統

第一篇　設計
第1章　如何設計電商系統 3
1.1　設計電商系統的核心流程 4
1.2　根據流程劃分功能模組 6
1.3　小結 9
1.4　思考題 10
第2章　訂單系統的設計：確保訂單資料的準確性 11
2.1　訂單系統的核心功能和資料 12
2.2　如何避免重複下單 13
2.3　如何解決ABA問題 16
2.4　小結 18
2.5　思考題 19
第3章　商品系統的存儲架構設計 20
3.1　商品系統需要保存哪些資料 21
3.2　如何存儲商品的基本資訊 22
3.3　使用MongoDB保存商品參數 23
3.4　使用物件存儲保存圖片和視頻 24
3.5　將商品介紹靜態化 25
3.6　小結 26
3.7　思考題 28
第4章　購物車系統的存儲架構：前後端混合存儲 29
4.1　設計購物車系統的存儲架構時需要把握什麼原則 30
4.2　如何設計“暫存購物車”的存儲 32
4.3　如何設計“使用者購物車”的存儲 34
4.4　小結 36
4.5　思考題 37
第5章　帳戶系統：用事務解決對賬問題 38
5.1　為什麼總是對不上帳 39
5.2　使用資料庫事務保證資料的一致性 40
5.3　理解事務的隔離級別 42
5.4　小結 49
5.5　思考題 50
第6章　分散式事務：保證多個系統間的資料一致 51
6.1　什麼是分散式事務 52
6.2　2PC：訂單與優惠券的資料一致性問題 53
6.3　本地消息表：訂單與購物車的資料一致性問題 57
6.4　小結 59
6.5　思考題 59
第7章　用Elasticsearch構建商品搜索系統 60
7.1　理解倒排索引機制 60
7.2　如何在ES中構建商品的索引 63
7.3　小結 67
7.4　思考題 68
第8章　備份與恢復 69
8.1　如何更安全地實現資料備份和恢復 70
8.2　配置MySQL HA實現高可用性 73
8.3　小結 75
8.4　思考題 76

第二篇　高速增長
第9章　優化SQL 79
9.1　每個系統必踩的“坑”：訪問資料庫超時 79
9.1.1　事故排查過程 79
9.1.2　如何避免悲劇重演 85
9.1.3　小結 87
9.1.4　思考題 88
9.2　如何避免寫出“慢SQL” 88
9.2.1　定量認識MySQL 88
9.2.2　使用索引避免全資料表掃描 90
9.2.3　分析SQL執行計畫 92
9.2.4　小結 93
9.2.5　思考題 94
9.3　SQL在資料庫中的執行 94
9.3.1　SQL在執行器中是如何執行的 95
9.3.2　SQL在存儲引擎中是如何執行的 98
9.3.3　小結 100
9.3.4　思考題 101
第10章　MySQL應對高併發 102
10.1　使用緩存保護MySQL 102
10.1.1　更新緩存的方式 103
10.1.2　注意避免緩存穿透引起雪崩 105
10.1.3　小結 107
10.1.4　思考題 107
10.2　讀寫分離 107
10.2.1　讀寫分離是提升MySQL併發能力的方案 108
10.2.2　注意讀寫分離帶來的資料不一致問題 111
10.2.3　小結 112
10.2.4　思考題 113
10.3　實現MySQL主從資料庫同步 113
10.3.1　如何配置MySQL的主從同步 113
10.3.2　複製狀態機：所有分散式存儲都是這樣複製資料的 116
10.3.3　小結 117
10.3.4　思考題 118

第三篇　海量資料
第11章　MySQL應對海量數據 121
11.1　歸檔歷史資料 121
11.1.1　存檔歷史訂單資料提升查詢性能 122
11.1.2　如何批量刪除大量資料 124
11.1.3　小結 127
11.1.4　思考題 128
11.2　分庫分表 128
11.2.1　如何規劃分庫分表 129
11.2.2　如何選擇分片鍵 130
11.2.3　如何選擇分片演算法 131
11.2.4　小結 133
11.2.5　思考題 134
第12章　緩存海量數據 135
12.1　用Redis構建緩存集群的實踐 135
12.1.1　Redis Cluster如何應對海量資料、高可用和高併發問題 136
12.1.2　為什麼Redis Cluster不適合超大規模集群 138
12.1.3　如何用Redis構建超大規模集群 139
12.1.4　小結 141
12.1.5　思考題 142
12.2　大型企業如何實現MySQL到Redis的同步 142
12.2.1　緩存穿透：超大規模系統的不能承受之痛 142
12.2.2　使用Binlog即時更新Redis緩存 144
12.2.3　小結 149
12.2.4　思考題 150
12.3　基於Binlog實現跨系統即時資料同步 150
12.3.1　使用Binlog和訊息佇列構建即時資料同步系51
12.3.2　如何保證資料同步的即時性 152
12.3.3　小結 154
12.3.4　思考題 154
第13章　更換資料庫 155
13.1　如何實現不停機更換資料庫 155
13.2　如何實現比對和補償程式 158
13.3　小結 160
13.4　思考題 160
第14章　物件存儲：最簡單的分散式存儲系61
14.1　物件存儲資料是如何保存大檔的 162
14.2　如何拆分和保存大檔物件 163
14.3　小結 166
14.4　思考題 167
第15章　海量資料的存儲與查詢 168
15.1　如何存儲前端埋點之類的海量資料 168
15.1.1　使用Kafka存儲海量原始資料 169
15.1.2　使用HDFS存儲更大規模的資料 171
15.1.3　小結 173
15.1.4　思考題 173
15.2　面對海量資料，如何才能查得更快 173
15.2.1　常用的分析類系統應該如何選擇存儲 174
15.2.2　轉變思想：根據查詢選擇存儲系76
15.2.3　小結 178
15.2.4　思考題 178
第16章　存儲系統的技術選型 179
16.1　技術選型時應該考慮哪些因素 180
16.2　線上業務系統如何選擇存儲產品 182
16.3　分析系統如何選擇存儲產品 183
16.4　小結 183
16.5　思考題 184

第四篇　技術展望
第17章　使用NewSQL解決高可用和分片難題 187
17.1　什麼是NewSQL 187
17.2　CockroachDB如何實現資料分片和彈性擴容 188
17.3　CockroachDB能提供金融級的事務隔離性嗎 190
17.4　小結 193
17.5　思考題 193
第18章　RocksDB：不丟資料的高性能KV存儲 194
18.1　同樣是KV存儲，RocksDB有哪些不同 195
18.2　LSM-Tree如何兼顧讀寫性能 196
18.3　小結 199
18.4　思考題 199

附錄A　測試題及解析 200
附錄B　思考題解析 206
後記　讓奮鬥成為習慣 219