## 构建强一致性分布式数据库 TiDB 沈泰宁 R & D Engineer @ PingCAP ## 极客时间 | 企业服务 ## 想做团队的领跑者 需要迈过这些“槛” 成长型企业，易忽视人才体系化培养企业转型加快，团队能力又跟不上 团队成员技能水平不一， 难以一“敌”百人需求 寻求外部培训，奈何价更高且集中式学习 学习效果难以统计，产生不良循环 VS VS VS

## Apache RocketMQ 事务消息 王强 (辽天) 阿里巴巴 中间件技术专家 ## QCon 全球软件开发大会 北京·2019 更多技术干货分享，北京站精彩继续 提前参与，还能享受更多优惠 识别二维码 查看了解更多 2019.qconbeijing.com  ## 分布式事务理论 ACID 刚性事务(强一致)  Atomicity Consistency Consistency Isolation Durability Consistency Availability Tolerance of network Partition BASE 柔性事务(最终一致) Basically Available Soft-state Eventual Consistency ## 分布式事务解决方案 XA (1) AP uses resources from

## Sphinx制作精美文档 PYTHON 30th 陈照强 2019-9-21 ## 目录 精美文档示例 谁发明了Sphinx 快速实践 我的Sphinx文档介绍  ## SPHINX Python

## 敏捷领导力= 敏捷思维+权变行为 朱宏强（项目教练-PMCoach） ## 视频回放及往期内容精华 ☐ ☐ ☐ ☐ 扫码观看本次活动视频回放  扫码获取往期阿里研发效能精华 ## 朱宏强- PMCoach ![Image](/u reserved. P.21. • Organization Change Management • Strategy Alignment • Finance/Marketing/HR • 战略一致 • 创新 • Innovation • Benefits Realization • 财务/市场营销/HR • 收益实现 PMI 2017 Pulse of the Profession $ ^{®} rowspan="6">个人机敏灵活应对人际关系同情富有同情心，乐于助人一致能使人们清楚自己的位置谦逊认可个人的素质/能力并给予赞扬诚实赢得他人的尊

和平统一 # 微服务场景下的数据一致性解决方案 殷湘 华为PaaS微服务架构师 开源能力中心  ## 大纲 • 离 数据一致性的起因 • 合 数据一致性的解决方案 • 断 方案选择建议 ## 离 数据一致性的起因 ![Image] jpg) ## 单体应用 • 单体应用由于所有模块(A/B/C)使用同一个数据库 • 数据一致性通过数据库事务保证  ## 微服务场景 ## 数据一致性无法完全通过数据库保证 离 独立进程  独立部署 独立技术 独立团队 MongoDB Cassandra ## 合 数据一致性的解决方案 ## Saga • 1987年Hector & Kenneth 发表论文 Sagas • Saga = Long Live Transaction (LLT) • LLT

[Image](/uploads/documents/a/4/2/f/a42f7fb655acc3f12481e9fe38a68e6f/p1_2.jpg) ## 开源AIOps数据中台搭建与 Python的作用 丁来强 ## 关于我 • 工作10+年，熟悉大数据分析、ITOps、SecOps等领域 ·阿里云日志服务上海负责人，之前在Splunk上海 • 自从2015年，在4届PyCon上，累计分享7+不同议题 rowspan="2">分析流式无不支持支持统计关联一般（DSL等）查询统计强，关联弱（商业版可部分转SQL）一般（类SQL查询统计等）数据治理数据加工无 481e9fe38a68e6f/p33_26.jpg) ## Elasticsearch核心能力 · 简单，易扩展，功能集丰富，生态活跃 • NoSQL, schema灵活 - 全文索引查询强，过滤快、聚集功能强大 - 不支持外部关联，有SQL适配器 • 缺点： · 企业特性需要商业License • 内存管理挑战较大，复杂统计易失控 • 超过百TB规模后运维成本高 • 存储压缩效率偏低

jpg) 携程业务开发的需求, 对于 Redis 的数据存储有着强依赖. 机票的业务需要从上游供应商处收集舱位信息, Redis 方便的多种数据结构类型对于储存这种数据比较方便. 同时由于供应商是在全球分布的特性，就更需要一个能够多点写入的 Redis 集群， 支持海外站点和国内站点同时进行读写；并解决因此可能出现的数据一致性问题。 ![Image](/uploads/documents/f 目前携程的应用也在进行单元化的部署模式, 在实现单元化的部署过程中, 跨数据中心的数据访问一直是一个业务的痛点. 是否我们也能够有自己的一套 DRC? 来完成每个站点的单独写入读取, 而不用关心底层存储的一致性和同步问题. 对此需求进行分析后, 我们决定开发一个Redis 的 DRC 架构, 来支撑携程集群的应用单元化部署, 而不仅仅是限制于Redis 数据的双向同步. ## 分布式理论 Availability 最后,我们使用"最终一致性"来解决数据冲突 ## 双向同步的 共同问题 ## 双向/多向同步有哪些共同的问题  ## 网络通讯的 模型选择 星型结构 优点： 中心化的架构 可拓展性强(方便增/删节点) 在一个地方处理数据冲突问题

千万级内存对象，GC严重耗时，如何解决？ - 复杂的查询场景，内存数据如何高效组织？ • 主动式内存缓存，如何保证数据实时性？ - 数据太多，内存不够用，如何进行存储扩展？ ## 第二部分 难点攻克 ## “ ## 数据一致性如何保证？ ## 一 致性 同步、更新  框架优势 ● 业务代码与框架代码分离，聚焦业务开发 ● 缓存接入成本低，无需关注内部的管理，开箱即用 ● 提供灵活的查询、过滤、排序、分页等接口，为查询业务赋能 ● 开发者无需关注缓存与数据库的数据一致性，框架层面有保障 ● 框架提供脚手架，框架代码自动生成，减少心智负担 ● 海量数据可扩展，接入冷热数据交换策略，只需简单配置 ● 海量数据存储，不会触发GC扫描，服务性能无压力 ● 单元测试高覆盖，稳定有保障