存放在数据库中数据的特点 ：永久存储 又组织 可共享
数据库系统是由 数据库 数据库管理系统 及开发工具 应用程序 管理员成员 组成的存储 管理 处理和维护数据的系统
三个阶段：人工阶段 ，文件系统阶段，数据库系统阶段
数据库系统优势 ：整体数据结构化 面向多个应用 数据共享性高 冗余度低以扩充 数据独立性高 统一管理以及控制
数据ACID 原子性 一致性 隔离性Isolation 持久性 Durability
newsql 追求nosql的高可扩展性时 同时最求 ACID 原子性一致性隔离性持久性 关系型 适用于 OLTP场景
sharding-nothing 多节点控制并发 transparent-sharding 分片 database as a service 数据及服务 如amazon dynamodb
数据库架构发展如下图
单机架构 ： 应用和数据分离开 ，应用服务可以增加服务器数量 进行负载 增大系统并发能力
优点：部署集中，运维方便 缺点：可扩展性差，只能纵向扩展 提高机器硬件 存在
主备机架构 ：主机：承担读写任务 备机：承担备份任务 同一点只有一台机器对外提供服务
优点：容错性
缺点：浪费资源 性能 压力集中在主机 主机故障需要人工干预以及监控
主从架构 ： 部署模式与主备模式相识 备机上升为从机对外提供服务 可通过读写分离 分散压力
优点：提高利用率 大并发场景可使用负载均衡实现负载 扩展性强 扩展不影响业务
缺点：数据延迟、写操作压力在主机上 、主机出现故障需要主从切换，人工干预需要相应时间，自动切换复杂难度较高
多主架构 ：互为主从 同时对外提供服务
优点：资源利用率高 降低了单点故障的风险
缺点：延迟问题 、数据库数量增加 会导致数据同步问题变得极为复杂
共存储多活架构： 一种特殊的多主架构 数据库共享存储 而多个数据库进行负载
优点：多个服务提供高可用服务 ，而多个服务实现负载均衡 可伸缩性 避免单点故障 、比较方便横向扩展整体系统能力
缺点：实现难度大。当存储器带宽达到上限时，增加节点并不能提高性能，存储IO容易成为真个系统的瓶颈
分片架构：sharding ---> 水平数据分片架构 根据HASH list 进行数据分片 根据列表值 范围取值
优点：水平扩展 分散负载 加快查询相应速度 减少宕机影响 使程序更稳定
无共享架构：sharding-nothing 集群每个节点 拥有独立的CPU以及内存 不存在共享资源
优点：独自处理数据结果 通过上层汇总 通讯协议进行节点间信息流转 扩展能力强 并行能力强
OLTP与OLAP的区别：
OLTP 是事务性 传统关系型数据库主要应用： online Transaction processing
特点:吞吐量大，并发高 适用于 增删查改 高速查询
适用场景：零售系统/金融交易/火车售票 /秒杀活动
衡量指标 ： 流量指标 TPMC 性价比 price/TMPC -->TPC-C
OLAP 分析处理型 对大量数据进行查询和分析操作 Online analytical Processing
特点： 侧重与复杂查询 聚焦于聚合 汇总 窗口计算 分新型数据 /可以从多维度分析数据
使用场景：报表 金融预测系统 数据集市 数据仓库等
衡量指标：qpbh 流量指标 聚合力 ---->TPC-H
思考题 ：
