扩展性（Scalability）
- 高伸缩性
- 添加资源就可以应对处理能力需求的增长
- 用户、流量、数据增长，性能指标不下降
- 度量增加系统处理能力的指标
- 系统性能
- 延迟：系统处理单词请求所需的时间
- 吞吐量：单位时间内系统处理次数
- 伸缩性&性能&成本等综合结果
- 伸缩性差
- 单用户性能正常
- 用户增长后性能指标下降
- 性能提升的成本高
横向扩展（Horizontal Scale）
- Scale out
- 增加更多机器，提高系统整体性能和处理能力
- 分布式架构
- 理论上可以无限扩展
- 经济成本
- 法律法规
- 物理限制（机房大小）
纵向扩展（Vertical Scale）
- Scale up
- 增加单机资源，提升单机性能，从而提高系统整体性能
- CPU
- 内存
- 存储设备
- etc
- 集中式架构
- 上限低，成本高
数据库事物一致性
- A-Atomicity（原子性）：全部成功或者全部失败
- C-Consistency（一致性）：从一个正确的状态到另一个正确的状态（强一致性）
- I-Isolation（隔离性）：并发事务隔离，互不干扰
- D-Duration（持久化）：状态变更不丢失
系统的三大特征
高可用（HA）
- 系统不能提供服务的时间趋近于零
- MTBF（Mean Time Between Failure）：平均无故障工作时间
- MTTR（Mean Time To Repair）：平均修复时间
- A = MTBF/(MTBF+MTTR)
- 解决方案：冗余
可靠性（Raliability）
- 在给定的时间间隔和给定条件下，系统可以无故障持续运行的概率
- 影响可靠性的因素
- 所有可能引起故障的因素
- 故障率越高可靠性越低
- 重点在故障次数
- Reliability是Availability的子集
稳定性（Stability）
- 在一个运行周期内、一定条件下，在持续操作时间内出错的概率
- 系统响应是否一致，行为是否稳定
容错（Fault tolerance）
- 在错误发生时，系统依然能够提供正确的功能的能力
- 直接关联到可靠性和可用性
- 解决方案：空间冗余（Space redundancy）
提供额外的组件、功能或数据（硬件、软件、信息） - 解决方案：时间冗余（Time redundancy）
重试（重新计算、重新传输）
分布式系统
- 一组独立的计算单元，通过网络连接并透明地对外提供统一服务
- 组件可以支持各自独立开发
- 对用户透明，用户感知是一个系统而非多个组件
- 组件间通过消息进行通信
- 易于扩展
CAP
概念
- C-Consistency（一致性）
系统中任一节点对外提供相同的，最新的、成功的写的结果 - A-Availability（可用性）
系统中的存活节点总能对外提供读写功能 - P-Partition toleration（分区容错）
部分分区失效时，系统仍旧提供正确的读写功能
分布式系统的CAP理论
- 一致性、可用性和分区容错性三者无法在分布式系统中被同时满足，并且最多只能满足其中两个
- CA系统
不允许P（分区容错），则保证强一致性和可用性 - CP系统
不要求可用性，系统内节点同步时间变长，如数据库集群 - AP系统
高可用并允许分区，每个结点用本地数据，放弃一致性
