性能优化的目标是什么？不外乎两个：（1）时间性能：减小系统执行的时间；（2）空间性能：减小系统占用的空间。如何从代码、工具、系统层面进行调优呢，请查看本文。
标签存档: 架构
大规模服务器设计与开发实践经验（阅读笔记）
作者: habadog 日期: 2011 年 06 月 15 日
评论关闭
本文就设计与开发大规模服务器的话题进行总结，得出出一系列实践经验。设计和开发大规模服务器是一个高速发展的领域，本文的目的是：（1）快速交付运维友好的服务；（2）避免凌晨收到报警短信的骚扰（深受其害啊）。
进入正题之前，提出三点原则，这三点贯穿后面讨论的主轴：（1）故障时刻会发生；（2）KISS原则：时刻保持简单；（3）自动化；
Amazon Dynamo阅读笔记（二）
作者: habadog 日期: 2011 年 05 月 19 日
评论关闭
Amazon Dynamo为什么不支持schema？系统的实现做了哪些假设？查询模型如何？是否支持ACID特性？如何保证效率？如何解决冲突？又有些什么样的设计原则？这些问题需要一一解答。
Amazon Dynamo阅读笔记（一）
作者: habadog 日期: 2011 年 05 月 19 日
评论关闭
大规模系统的可靠性是Amazon面临的巨大挑战之一，Amazon.com平台，为全球许多客户提供服务，它构建于成千上万的服务器之上，由许许多多网络基础设施组成。Dynamo是一个kv存储系统，提供基于主键的存取服务，它的核心思想是“去中心化”，并使用了一致性哈希，对象版本，仲裁，基于gossip的成员协议等等技术。
Google BigTable阅读笔记（三）
作者: habadog 日期: 2011 年 05 月 14 日
评论关闭
Google BigTable实现细节是怎么样的呢？子（Tablet）表的位置信息是如何存储的？如何分配的？如何压缩存储的？
Google BigTable阅读笔记（二）
作者: habadog 日期: 2011 年 05 月 12 日
评论关闭
Google BigTable提供了怎样的客户端API？它的基础构件又是哪些？
Google BigTable阅读笔记（一）
作者: habadog 日期: 2011 年 05 月 10 日
评论关闭
Google BigTable是一个分布式的结构化数据存储系统，用来存储海量的数据，这些数据分布在以千计数的普通PC集群上。Google有很多项目都使用BigTable存储数据，如Web索引、Google地图、Google金融等。这些应用对存储量、响应速度、吞吐量需求各异，但BigTable还是成功成为一个灵活且高性能的解决方案。
Google MapReduce阅读笔记（三）
作者: habadog 日期: 2011 年 05 月 09 日
评论关闭
Google MapReduce如何支持多种分区函数与合并函数，如何保证顺序，支持何种输入输出类型，如何处理损坏数据，能否支持进度查看，这些问题都需要得到解决。
Google MapReduce阅读笔记（二）
作者: habadog 日期: 2011 年 05 月 09 日
评论关闭
MapReduce模型有多种实现方式，一种是小型共享内存式，一种是基于NUMA架构的大型多处理器。Google是如何实现MapReduce的呢？整个执行流又是怎么样的呢？
Google MapReduce阅读笔记（一）
作者: habadog 日期: 2011 年 05 月 08 日
评论关闭
MapReduce不是一个产品，它是一种基于分治思想，一种解决问题的思路。Google MapReduce是Google产出的一个编程模型，算法模型，当然Google也有其相关实现，提供给了用户相关函数接口：
（1）Map函数接口处理一个基于key/value（后简称kv）的成对（pair）数据集合，同时也输出基于kv的数据集合；
（2）Reduce函数接口用来合并Map输出的kv数据集合；
现实中有许多应用需求都能用这种模型处理，许多应用都能用这种方法解决。
GFS阅读笔记（二）
作者: habadog 日期: 2011 年 05 月 02 日
评论关闭
GFS系统设计原则是：最小化客户端与master的交互；master的职能是管理名字空间，元信息，并实施垃圾回收。
近期评论