数据存储重要性：
数据是企业最重要的财产；
数据可靠性是企业的命根，一定要保证。
单机存储原理：
存储引擎：存储系统的发动机，它决定存储系统的功能和性能；
引擎类型：哈希存储引擎、B树存储引擎、LSM存储引擎
- 哈希存储引擎：基于哈希表结构 ：数组+链表；支持CreateUpdateDelete随机Read
- B树存储引擎：基于B Tree实现，支持单条记录的CURD，支持顺序查找。RDBMS使用较多。
- LSM树存储引擎：对数据的修改增量保存在内存，达到一定条件再批量更新到磁盘；优势在于批量写入；劣势在于读取需合并磁盘和内存；
- 避免内存数据丢失：修改操作写入到CommitLog日志。
数据模型：
- 文件：以目录树组织，如linux,mac,windows；
- 关系型：每个关系是一个表格，多行组成，每行多列；
- 键值(Key-Value)：Memcached, Tokey, Redis；
- 列存储型：Casadra, Hbase;
- 图形数据库：Neo4J, InfoGrid, Infinite Graph
- 文档型：MongoDB, CouchDB
事务与并发控制：
事务4个基本属性：ACID 原子性、一致性、隔离性、持久性
并发控制：
锁粒度：Process->DB->Table->Row
提供Read并发，Read不加锁：写时复制、MVCC
数据恢复：通过操作日志
多机存储原理：
单机存储原理在多机存储仍然可用；多级存储基于单机存储；
数据分布：
分布在多个节点，节点间负载均衡；
分布方式：
静态：取模、uid%32；
动态：一致性hash，数据飘移问题（A节点更新前出现故障，更新迁移到B节点后A节点又恢复）；
复制：
分布式存储多个副本；保证高可靠和高可用；Commit Log。
故障检测：
心跳机制、数据迁移、故障恢复；
FLP定理与设计：
FLP Impossiblity（FLP不可能性）:
在异步消息通信场景，即使只有一个进程失败，没有任何方法能保证非失败进程达到一致性。
CAP定理与设计：
CAP：一致性（Consistency）、可用性(Availabilty)、分区容忍性(Tolerance of network Partition)。
一致性和可用性需要折中权衡
分布式存储系统需要能够自动容错，也就是说分区容忍性需要保证。
2PC（Two Phase Commit）协议与设计：
用于分布式事务;
两类节点组成：
协调者（1个）；
事务参与者（多个）；
分两阶段：
请求阶段：协调者通知参与者准备提交或取消事务，所有参与者都需要表决同意或者不同意。
提交阶段：
收到参与者所有决策后，协调者进行决策（提交或取消）；
通知参与者执行操作，所有参与者都同意就提交，否则取消；
参与者收到协调者的通知后执行操作。
2PC协议是阻塞式：
事务参与者可能发生故障
--设置超时时间；
协议者可能发生故障
--日志记录、备用协调者
应用：交易订单 等；
Paxos协议与设计：
作用：
解决节点间的一致性问题；
主节点宕掉，则选择新节点；
主节点常以操作日志的形式同步备节点。
分两种角色：提议者(Prpposer)、接受者(Acceptor)；
执行步骤：
- 批准：Proposer发送accept消息给Accepter要求接受某个提议者；
- 确认：超一半的Accepter接受，则提议值生效，Proposer发送acknowledge消息通知所有的Accepter提议生效。
与2PC比较：：
2PC协议保证多个数据分片上操作的原子性；
Paxos协议保证一个数据分片多个副本之间的数据一致性；
Paxos协议用法：
实现全局的锁服务或者命名和配置服务；
---Apache Zookeeper
将用户数据复制到多个数据中心；
---Google Megastore
数据存储层冗余：
多个副本，实现访问的高可用性。
如何实现：
数据复制：
基于日志；
Master-Slave：mysqlMongoDB
Replic Set:MongoDB
双写：
存储层多主对等结构；比较灵活，但数据模块层成本较高；
数据备份：
冷备份：
定期将数据复制到某个存储介质，是传统的数据保护手段；
优点：简单、廉价，技术难度低；
缺点：定期存在数据不一致；恢复数据时间长；
热备份：
online备份；提供更好的高可用性；
异步热备份：
从主存储写入即返回给应用端，由存储系统异步写入其他副本；
同步热备份：
多份数据副本写入同步完成，无主从之分；
为提高性能，应用程序并发写入；
响应延迟是最慢的那台服务器；
数据存储层失效转移机制：
失效确认：是否宕机、心跳；
访问转移：访问路由到非宕机机器；存储数据完全一致；
数据恢复：主从、日志；