DevilKing's blog

原文链接

cockroachdb 在整个架构上，分为计算层和存储层。存储层管理 key-value 存储，支持分布式事务这些东西。key-value 是有序的，然后逻辑上按 range 进行划分，一段 range 的数据再物理上分布到具体的存储节点上面。每一块 range 的 key-value 数据会有多份副本，这样在分布式环境下，部分副本挂掉的时候数据不会丢失。

独享计算层，共享存储层。上层的 SQL 是租户之间物理隔离的，下面的 kv 存储是由所有租户去共享的。/tenant-id/table-id/index-id/key

但这个随之而来，有个问题是，存储资源的带宽如何去划定，共享存储资源，也就是共享存储带宽

原文链接

无序的不可能性

混沌之海里必然存在有序的岛屿——只要这片海足够大。

结构必然会自发地从混沌（只要它的规模够大！）中浮现，有时候它会以最出乎意料的方式出现在我们的日常生活中

所以，如何利用规模够大的情况，去构建一种策略，让系统按照某种有序的方式运转？

原文链接

Log-Structured Merge-tree

why lsm:

• fast writes
• tunable read-write performance
• good space utilization

原文链接

区分了read-write quorum system以及majority系统之间的区别

针对

• 加入节点 d，即从 {a,b,c} 变成 {a,b,c,d}。
• 删除节点 a，即从 {a,b,c,d} 变成 {b,c,d}。

的情况，针对其中的网络隔离的情况，read-write符合替换，但majority达不到要求

join consensus算法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

M(abc) x M(bcd) = {
    ab ∪ bc,
    ab ∪ cd,
    ab ∪ bd,
    bc ∪ bc,
    bc ∪ cd,
    bc ∪ bd,
    ac ∪ bc,
    ac ∪ cd,
    ac ∪ bd,
} = {
    abc,
    abcd,
    abd,
    acd,
    bc,
    bcd,
} = {M(a,b,c,d),{b,c}}

算是开始又一次创业了