封面
前折页
书名页
版权
前言
基础篇
 第1章 什么是分布式数据库
  1.1 分布式数据库发展脉络
   1.1.1 传统数据处理模式
   1.1.2 大数据
   1.1.3 互联网
   1.1.4 云原生
  1.2 广义的分布式数据库
  1.3 狭义的分布式数据库
   1.3.1 数据分片
   1.3.2 数据复制
   1.3.3 分布式事务
  1.4 总结
 第2章 SQL、NoSQL与NewSQL
  2.1 SQL系统
   2.1.1 SQL标准的演化
   2.1.2 SQL的方言
   2.1.3 SQL的变种
  2.2 来自NoSQL的挑战
   2.2.1 NoSQL与SQL的区别
   2.2.2 NoSQL的意义
  2.3 NewSQL带来的新希望
  2.4 未来的SQL系统
  2.5 总结
 第3章 面向OLTP的分布式数据库
  3.1 TPS
   3.1.1 TPS与数据库
   3.1.2 TPS的主要特性
  3.2 从传统数据库到分布式数据库
   3.2.1 中间件模式
   3.2.2 NewSQL
  3.3 总结
 第4章 HTAP数据库
  4.1 HTAP系统
   4.1.1 HTAP系统的挑战
   4.1.2 HTAP系统的优化
  4.2 HTAP的架构模式
   4.2.1 单系统单复制架构
   4.2.2 单系统双复制架构
   4.2.3 共享系统上的松耦合架构
   4.2.4 独立存储的松耦合架构
  4.3 总结
 第5章 分布式数据库面临的核心挑战
  5.1 挑战的来源
   5.1.1 分布式系统带来的挑战
   5.1.2 一致性与分布式事务带来的挑战
  5.2 失败模型
   5.2.1 崩溃失败
   5.2.2 遗漏失败
   5.2.3 拜占庭失败
   5.2.4 处理失败
  5.3 总结
 第6章 数据分片
  6.1 分片原理
  6.2 水平分片
   6.2.1 哈希分片
   6.2.2 范围分片
   6.2.3 其他分片
  6.3 垂直分片
  6.4 调整分片
   6.4.1 手动分片
   6.4.2 自动分片
  6.5 分片案例
   6.5.1 Apache ShardingSphere
   6.5.2 TiDB
  6.6 总结
 第7章 数据复制
  7.1 复制技术的关键特性
   7.1.1 高可用性
   7.1.2 高性能
   7.1.3 容灾与恢复
  7.2 复制范围
   7.2.1 全量复制
   7.2.2 增量复制
  7.3 复制方案
  7.4 复制协议
   7.4.1 主从复制
   7.4.2 选主方案
   7.4.3 多主复制
  7.5 案例：MySQL复制技术的演化
   7.5.1 传统复制
   7.5.2 半同步复制
   7.5.3 增强半同步复制
   7.5.4 组复制
  7.6 总结
 第8章 BASE与CAP
  8.1 BASE概述
  8.2 CAP概述
   8.2.1 CAP的定义
   8.2.2 CAP的注意事项
   8.2.3 CAP的演进
  8.3 CAP权衡
  8.4 总结
 第9章 事务基础
  9.1 并发数据异常
   9.1.1 传统的数据异常
   9.1.2 数据异常研究的新进展
  9.2 ACID
   9.2.1 原子性
   9.2.2 一致性
   9.2.3 隔离性
   9.2.4 持久性
  9.3 隔离级别
   9.3.1 序列化
   9.3.2 数据异常与隔离级别
  9.4 并发控制算法
   9.4.1 锁控制
   9.4.2 时间戳排序
   9.4.3 乐观并发控制
   9.4.4 多版本并发控制
  9.5 单机数据库事务管理器
   9.5.1 页缓存
   9.5.2 日志管理器
   9.5.3 锁管理器
  9.6 数据库如何恢复数据
   9.6.1 提交日志的基础特性
   9.6.2 物理日志（Redo Log）与逻辑日志（Undo Log）
   9.6.3 Steal与Force策略
   9.6.4 ARIES数据恢复算法
  9.7 总结
 第10章 存储引擎基础
  10.1 存储引擎概述
  10.2 物理结构
  10.3 数据的物理组织形式
  10.4 磁盘中的文件
   10.4.1 数据文件
   10.4.2 索引文件
  10.5 分布式索引
   10.5.1 索引数据表
   10.5.2 读写路径
   10.5.3 典型的数据结构
  10.6 面向分布式数据库的存储引擎
  10.7 总结
 第11章 LSM型Key-Value存储
  11.1 LSM树概述
   11.1.1 LSM树结构特点
   11.1.2 LSM树结构分类
  11.2 查询、更新与删除操作
  11.3 合并操作
   11.3.1 Size-Tiered Compaction
   11.3.2 Leveled Compaction
  11.4 RUM假说与LSM优化
  11.5 总结
进阶篇
 第12章 分布式数据库架构
  12.1 广义的数据库架构
   12.1.1 架构模式分类
   12.1.2 单数据库主从模式
   12.1.3 单数据库点对点模式
   12.1.4 多数据库系统模式
  12.2 当代分布式数据库架构设计目标
   12.2.1 高性能
   12.2.2 高可用性
   12.2.3 线性扩展
  12.3 数据库存储架构
   12.3.1 共享存储
   12.3.2 NewSQL
  12.4 总结
 第13章 分布式一致性模型
  13.1 操作顺序一致性
   13.1.1 严格一致性
   13.1.2 线性一致性
   13.1.3 顺序一致性
   13.1.4 因果一致性
  13.2 会话一致性
   13.2.1 写跟随读
   13.2.2 先进先出
  13.3 一致性实现方案
   13.3.1 逻辑时钟
   13.3.2 TrueTime
   13.3.3 共识算法
  13.4 最终一致性
   13.4.1 可调节一致性
   13.4.2 见证者副本
   13.4.3 无冲突复制数据类型
  13.5 事务与一致性
  13.6 总结
 第14章 分布式事务
  14.1 分阶段提交
  14.2 Spanner概述
  14.3 顺序调度型事务
  14.4 Calvin与Spanner的比较
  14.5 动态时间分配
  14.6 客户端事务框架
   14.6.1 Percolator框架
   14.6.2 冲突解决机制
  14.7 前沿事务动态
  14.8 总结
 第15章 失败处理
  15.1 失败检测
   15.1.1 失败检测特性
   15.1.2 心跳检测法
   15.1.3 登记检测法
   15.1.4 间接检测法
  15.2 失败修复
   15.2.1 恰好一次发送
   15.2.2 读修复
   15.2.3 暗示切换
   15.2.4 Merkle树
   15.2.5 位图版本向量
   15.2.6 Gossip协议
  15.3 总结
 第16章 共识算法
  16.1 原子广播
  16.2 Paxos算法
   16.2.1 Multi-Paxos
   16.2.2 Flexible Paxos
  16.3 Paxos与原子广播的对比
  16.4 Raft
  16.5 总结
 第17章 查询引擎
  17.1 典型查询引擎处理流程
   17.1.1 构建查询计划
   17.1.2 优化查询计划
   17.1.3 执行查询
  17.2 分布式查询处理流程
  17.3 数据定位
   17.3.1 过滤操作下推
   17.3.2 连接下推
   17.3.3 投影裁剪
   17.3.4 派生裁剪
  17.4 分布式优化
   17.4.1 代价公式
   17.4.2 消息成本统计
  17.5 分布式执行
   17.5.1 并行度评估
   17.5.2 并行排序
  17.6 总结
 第18章 软硬结合
  18.1 硬件对数据库的支持
  18.2 新型硬件存储技术
  18.3 SSD存储
   18.3.1 数据库组件适配SSD
   18.3.2 NVMe加速SSD
  18.4 FPGA
  18.5 RDMA
  18.6 总结
扩展篇
 第19章 数据库中间件
  19.1 生成唯一ID
  19.2 数据分片与分片查询
  19.3 客户端事务处理
  19.4 辅助功能
  19.5 总结
 第20章 SQL类数据库的进化
  20.1 Oracle Sharding
  20.2 开源并行类SQL
  20.3 传统数据库与NewSQL的比较
  20.4 总结
 第21章 分布式数据库选型
  21.1 NewSQL的特点
   21.1.1 新颖的架构
   21.1.2 分片管理
   21.1.3 对SQL的支持
   21.1.4 更易用的事务
  21.2 互联网行业实践经验
  21.3 传统行业实践经验
  21.4 总结
 第22章 特殊用途的分布式数据库
  22.1 云原生数据库
  22.2 HTAP融合数据库
  22.3 内存数据库
  22.4 图数据库
  22.5 时序数据库
  22.6 总结
 第23章 从零开始构建分布式数据库
  23.1 需求分析
  23.2 方案设计
 第24章 LLM赋能分布式数据库智能交互
  24.1 传统Text-to-SQL方法回顾
   24.1.1 基于模板和规则的早期方案
   24.1.2 深度学习时代的Seq2Seq与PLM
   24.1.3 传统方法的难点与瓶颈
  24.2 LLM赋能的Text-to-SQL的优势与应用场景
   24.2.1 LLM的关键特性
   24.2.2 LLM赋能的Text-to-SQL的优势
   24.2.3 LLM赋能的Text-to-SQL的典型应用场景
  24.3 LLM赋能的Text-to-SQL的核心技术
   24.3.1 提示工程
   24.3.2 模型微调
  24.4 前沿研究
   24.4.1 新一代数据集与挑战
   24.4.2 多语言/多模态Text-to-SQL
   24.4.3 智能体化趋势
   24.4.4 隐私与安全性挑战
  24.5 总结
后折页
封底