最近一口气看了 10 章 DDIA-V2，确实是好书啊

竟然已经出第二版了
DDIA 第一版读完确实收获了很多

的确看了，但是感觉一个说的比较粗，另外一个毕竟亲身实践的太少。可能还是要针对里头每一章做实验。

@midasplus 是的，和第一版相差不大，算是小迭代

@levelworm 提纲挈领式的，粗点到不是缺点了。细节的基于书里的参考文献然后让高级 llm 譬如 gpt6 这种发散一下就是一篇深度文章甚至加上实验计划。在 llm 时代倒也没什么问题了。

确实是好书，人工含量很高，能跟着大佬建立基本的认知框架

感谢佬推荐 已经加入书单准备学习

忘干净了已经。。
几乎所有读过的书都忘干净了。。

@YanSeven #4
的确也是。我读了一遍之后觉得还得继续精读。现在在重新读第二遍。

@prosgtsr 说明已经内化了，进入无招胜有招境界

@prosgtsr
这种就是张无忌的所有招式都忘记了。

DDIA 是一本绝对意义的好书，分享看第一版时的一些笔记。

#读书感悟/DesigningDataIntensiveApplication
第一章围绕构建系统的三个原则，
- Reliability
- Scalability
- Maintainability
工作超过五年，只要稍微看过几本关于分布式系统、微服务或 DDD 方面的书的话，对这些东西早已经滚瓜烂熟。这一章不过是把一些散落在天涯的知识进行归纳而已。如果是刚毕业读这本书必然从这里开始便能醍醐灌顶，但对于工作十年以上的老油条而言，但凡你经历过上线即宕机、负载过大仿佛被 DDoS 以及堆积如屎山的技术债，那么这章不过是在简单描述你经历过的惨事罢了。
不过里面提到两个例子还蛮有趣的，
- 一个是 Twitter 的信息流，从每次刷新 timeline 的时候去即时读取数据，转变为有人发 Twitter 就往粉丝的 timeline 里主动插入数据，把读的压力转换为写的压力。
- 另外是 Amazon 对于服务的 p99 ，致力于满足 99%的客户。动机很有趣，因为正是那 1 ％的客户使用频次高，他们才是核心用户。



#读书感悟/DesigningDataIntensiveApplication
第二章则是宽泛地介绍了数据库类型与选择。
- 关系型数据库 (MySQL, PostgreSQL, etc.)
- 文档型数据库 (MongoDB)
- 图数据库(Neo4J)
Data models 旨在去思考我们想要解决的问题，而不仅仅是数据如何在软件中存储。在现代化的编程模型中，细节都一层层的被隐藏了，比如对于我这个时代而言 DataLog 是所有数据库模型基础，也是今天才知道。对于下一代使用 Ai 或 No-Code 的人而言，他们可能连数据模型都不需要知道，这些复杂的行为可以被 in-advanced 语言所隐藏。
在现代编程思想里，万物皆可对象化，则万物皆可关系数据库化。不过世上没有银弹，应该在合适的场景下选择合适的数据库。
- 一对多，且只有 writen 时，NoSQL 是最优解，例如聊天记录。
- 多对多，以及超级复杂的数据模型时，Graphic Database 。比如社交网络关系，Page Ranking 。
- 其余读写频繁，且关系不复杂基本可以用 Relational Databse 。
本章宽泛地介绍了数据库基本选型，值得赞美是它并未陷入细节里，比如 MySQL 数据的存储方式、索引规则等等。它简洁明了地介绍 了各种数据库的使用场景，让你知道何时该选择什么样的数据库，也简述了数据库的发展发展历史。
从业这么些年，每次接触一个新系统，其实只要弄清楚它的数据流向，那么这个系统也就手到擒来，说到底。Information System 的根本还是围绕数据的上下游进行各种处理。


#读书感悟/DesigningDataIntensiveApplication
第三章主题是数据在内存和硬盘里的存储和获取。
对于 2010 年代后进入编程行业的程序员，数据库的存储细节也被现代化的数据库隐藏起来。从业良久，没有认真地去思考过数据的错处方式和细节，现在的感受就是：作为行业人员，真的好不合格。
从功能性出发分为两类：
- OLTP ，面向用户的数据库，写入大于读取，传统开发人员使用频次最高的数据库，几乎所有的关系性数据库都是 OLTP 。
- OLAP ，面向的用户是数据分析师，转精于大体量的数据查询。但凡是开发人员（数据工程师除外）使用较少的数据库，几乎都是 OLAP 。
数据最终是以文件形式持久化存储于磁盘的，这对于容灾备份、快速复制和数据恢复及节省成本都是有益的，而如何让数据快速的存储和读取则是我们需要考虑的问题。这里需要建立在一个鱼与熊掌的话题上：读写不可兼得。
- Index 的引入是增加写压力而增强读能力。
- Hash Index：Key-Value Index ，检索能力可以达到 O(1)。
- SSTable：MemTable 和 compatced LSM Tree 的最佳实践。LSM Tree 设计上是 imuteable ，因此 SSTable 也多用于 NoSql ，Apache Cassandra 和 Apache HBase 。
- B-Trees：Relational Database 的 Index 的流行通用实践，MySql 、MS SQL Server 和 Oracle SQL 都是使用 B-Trees 作为索引的存储结构。B-Tree 的 key point 是它有一个 worst predictable time 是 O(LogN)。
- Red-Black-Tree：是 B-Tree 的延伸 Variant ，当下流行数据库 PostgreSql 就使用了它。
还有其它对全文检索的 fuzzy idnex 、in memory index 等。
还有介绍到 Column-Oriented Storage 、Data Cube 和 Materialized Views 。
本章进入到数据存储和读取的核心原理，几乎是最痛的痛点进行讲解，而有没有去更深入到锁、同步、如何保持读写一致性等等都技术细节里，而是站在一个刚好适宜的位置去评价市面上主流和流行的数据库，这个尺度拿捏的恰到好处，读完本章节，已经开始对此书赞不绝口了。




从第三章开始已经停不下对它的赞美。

然后分享一个有趣但无用的知识：第八章的作者是 Gay 。


看《 DDIA 》,刚打开第八章看到引言作者名字后面跟着 Carly Rae Jepen 。我心想“大事不妙啊，蹲妹都蹲到我专业领域来了吗？”。于是把整个部分放到 google ，然后发现讲这句话的人现在穿着 leather 参加 pride ，倒也没震惊我一百年，不过下次再有人问不写代码去做什么的时候，我就把此人 Twitter 给甩过去，看！这就是本人的商业转型！