随着物联网、云计算、大数据与人工智能等技术的蓬勃发展，计算服务逐渐从计算密集型向数据密集型（Data Intensive）转变。高性能、高通量的数据服务关键技术成为智慧城市、智能制造、智慧农业等国家重大需求解决方案的核心基础。并行与分布式数据处理的概念启发于上世纪80年代，源自讨论在内存及二级存储极为有限的条件下如何跨越“内存墙”，完成计算任务的优化技术。而今，互联网与私有网络数据指数级增长、数据服务的事务性需求复杂多变、跨地域数据同步需求动态不统一、如何应对当前及未来大数据服务及其上的人工智能计算对并行与分布式数据服务提出了新的问题与挑战。本书从并行与分布式数据服务的基础理论、事务模型、数据处理语言等基础内容，并进一步讨论分布式数据一致性模型及全观性的数据处理架构方面的先进及实用的研究及系统软件相关知识，，对分布式数据服务的其他研究也进行了概述，并对其未来发展方向进行展望。本书可以作为计算机、数据科学与大数据技术、人工智能等相关专业的高年级本科生与研究生在数据库理论及分布式系统等课程上的辅助教材，也可以为物联网、云计算、大数据与人工智能等领域的科研人员及从业者提供创新研究与技术应用的参考。
无
计算机/大数据
专家推荐
分布式系统是计算机科学的核心研究领域，是信息产业的基础性关键技术，也是数字社会的基础设施。简单地说，分布式系统是由多台计算机组成、通过通信网络连接、通过相互协作完成复杂计算任务的计算机系统。无论是数据密集型计算任务（如大数据分析处理）还是计算密集型计算任务（如深度学习建模或者高性能计算），都可以由分布式系统来支撑。与集中式系统相比，分布式系统有诸多的优点，也带来很多的挑战。分布式系统最大的特点就是可扩展性和可用性。由于分布式系统需要节点之间复杂的协作，保持系统的高可扩展性和高可用性是相当大的挑战。
本书结合分布式数据服务系统设计，深入浅出地介绍了分布式系统的这两个特性。从数据服务系统的底层存储架构到上层一致性同步协议，都做了完整的讲解，包括分布式系统的基本概念、数据处理语言、查询过程和事务处理等基础内容，以及结合分布式系统经典案例介绍Google文件系统（GFS）、面向分布式系统设计的Go语言、分布式键值存储系统、强一致性算法Raft的优化设计与实现等高阶内容。本书既适合从事分布式系统开发和架构设计的技术人员和研究人员参考，也适合学生等初学者阅读。
中国人民大学 杜小勇教授
本书特色
主要围绕分布式数据服务进行阐述，对分布式数据服务相关系统、算法以及体系结构进行了全面的解读。
加入了大量的实践实训环节，引导读者从零到一构建一种强一致性协议并实现其运行框架。
书中的硬核技术是互联网大厂急需的分布式基础架构开发技术，为相关从业人员提供了全面而系统的学习资源。
1. 绪论
2. 并行与分布式数据库
2.1. 关系模型的并行算法
2.1.1．关系模型上的并行模型
2.1.2. 元组级并行算法
2.1.3. 全操作的并行调优
2.1.4. 并行算法的多维度评价方法
2.2. 基于Map-Reduce模型的并行框架
2.2.1．存储模型
2.2.2 Map函数
2.2.3 Shuffle函数及其影响
2.2.4 Reduce函数
2.3. 分布式数据库
2.3.1 数据分布及数据对象
2.3.2 分布式事务
2.3.3 数据冗余与副本
2.4 分布式查询
2.4.1分布式连接（Join）问题
2.4.2 多关系连接
2.4.3 流形数据无环图表达
3. 并行与分布式数据事务
3.1 分布式确认
3.1.1分布式原子事务支持
3.1.2 分布式事务恢复
3.2 分布事务锁机制
3.2.1中心式事务锁系统
3.2.2 分布式事务锁算法评价方法
3.2.3 主-副本事务锁算法
3.2.4 全局-本地事务锁算法
3.3 端到端的分布式检索（P2P）
3.3.1 端到端网络及其现代应用
3.3.2 分布式哈希问题
3.3.3 中心化的分布式哈希算法
4. 并行与分布式数据处理语言
4.1 SQL语言
4.2 NoSQL语言
4.3各种语言的API、CQL及其他
5. 并行与分布式数据服务一致性算法及模型
5.1 并行处理的一致性算法与数据服务的优化
5.2 分布式一致性算法
5.3 分布式数据服务的一致性模型
5.4 Paxos算法
5.5 Raft算法
5.6 Consistent Hashing算法
5.7 Gossip算法
6. 并行与分布式数据服务体系结构
6.1 并行数据服务体系结构
6.2 分布式数据服务体系结构模型
6.3 分布式数据服务分配优化
6.4 分布式数据服务调度优化
6.5 并行与分布式数据服务体系结构量化评价方法
7. 并行与分布式数据服务有意思的议题
7.1 并行与分布式数据服务的隐私
7.2 并行与分布式数据服务的安全
7.3 并行与分布式数据服务的能耗
7.4 并行与分布式数据服务的巨大化与微小化
8. 典型应用
8.1 并行与分布式数据服务的高性能计算
8.2 并行与分布式数据服务的内存计算
8.3 并行与分布式数据服务的存储系统
8.4 并行与分布式数据服务的容错系统
9. 未来展望与开放性问题
9.1. 未来挑战
9.2. 发展展望
9.3.开放性研究问题
