分布式数据库章节

『壹』 大数据技术原理与应用第二版和第三版有什么区别

第三版更加完善
《大数据技术原理与应用（第2版）》于2017年1月出版，在过去的三年里，大数据技术又获得了新的发展，开源流计算框架Flink迅速崛起，在市场上和Spark展开了激烈的角逐。与此同时，Hadoop、HBase和Spark的版本也在不断更新升级，一些编程接口发生了变化。
因此，为了适应大数据技术的新发展，继续保持本书的先进性和实用性，我们及时对第2版内容进行了补充和修订。在篇章设计上，本书依然分为四大部分，包括大数据基础篇、大数据存储与管理篇、大数据处理与分析篇和大数据应用篇。
在大数据基础篇中，第1章介绍大数据的基本概念和应用领域，并阐述大数据、云计算和物联网的相互关系；第2章介绍大数据处理架构Hadoop，并把Hadoop版本升级到了3.0。在大数据存储与管理篇中，第3章介绍了分布式文件系统HDFS，在编程实践部分根据3.0版本的HDFS进行了修订；第4章介绍了分布式数据库HBase，在编程实践部分根据HBase2.0版本的API进行了修订；
第5章介绍了NoSQL数据库，并增加了实验内容；第6章介绍了云数据库，并删除了阿里云RDS的实践内容和相关实验。在大数据处理与分析篇中，第7章介绍了分布式并行编程模型MapRece；在第8章中对Hadoop进行了再探讨，介绍了Hadoop的发展演化和一些新特性；第9章介绍了基于Hadoop的数据仓库Hive，该章节为本书新增内容，很多大数据教师建议增加此章内容；在第10章中介绍了当前比较热门的、基于内存的分布式计算框架Spark，并把Spark版本升级到了2.4.0；
第11章介绍了流计算以及开源流计算框架Storm；第12章介绍了开源流处理框架Flink，该章节为本书新增内容，从而使本书能够反映当前最热门的新兴大数据技术；第13章介绍了典型的大数据分析技术——图计算；最后在第14章简单介绍了可视化技术。在大数据应用篇中，用3章（第15章～第17章）内容介绍了大数据在互联网、生物医学领域和其他行业的典型应用。

『贰』 什么是分布式数据库

精确的分布式数据库定义：分布式数据库是由一组数据组成的，这组数据分布在计算机网络中的不同的计算机上，网络中的每个节点具有独立处理的能力(称为场地自治)，可以执行局部应用。同时，每个节点也能通过网络通信子系统执行全局应用。与之前的定义相比，更注重场地自治性以及自治场地之间的协作性。

分布式数据库系统：一个粗略的定义是“分布式数据库由一组数据组成，这些数据物理上分布在计算机网络的不同节点上(亦称场地)上，逻辑上是属于同一个系统。” 这里强调两点：

(1)分布性：数据库中的数据不是存储在同一场地，更确切的说，不存储在同一计算机的存储设备上，这就可以和集中式数据库相互区别。

(2)逻辑整体性：这些数据逻辑上是互相联系的，是一个整体(逻辑上如同集中数据库)。

『叁』 MYSQL分布式数据库操作 急~~~~~~``

可以参考"订阅服务器和分发" 使数据库表同步。

就是从本地数据库表更新到远回程数据库表是答同步进行的
打开企业管理器→工具→复制→创建和管理发布→创建发布→下步选要发布的数据库→选否，定义选项和属性→（根据情况选发布类型）事务发布→下步选择你要发布的数据表→编辑名称（随便）→否，根据指定方式创建发布→完成
*创建完成了发布在开始订阅远程的数据库
企业管理器→工具→复制→创建和管理发布→展开你所创建发布的数据库选择
发布的表→强制新订阅→下一步→选择远程服务器（如果没有就先到企业管理器上连接）→*编要订阅的数据库名（这里是很多新手会搞错的地方：是需订阅的远程数据库名）→是，初始化（这项是没做过复制的数据库可选，如果以前做过的选择此项就会导至以前订阅的数据丢失。*做过复制的数据库可选"否"）→完成
远程也同上。

可以找两台PC试一下。

『肆』 分布式关系数据库体系结构的介绍

分布式关系数据库体系结构(DRDA) 分布式关系数据库体系结构(DRDA)是一个跨IBM平台访问、遵循SQL标准的数据库信息的IBM标准。它是IBM的信息仓库框架中的重要组成部分，该框架定义了庞大的后台服务器，客户机可通过较小的基于工作组的中介服务器来访问它。

『伍』 分布式数据库的简介

分布式数据库是指利用高速计算机网络将物理上分散的多个数据存储单元连接起来组成一个逻辑上统一的数据库。分布式数据库的基本思想是将原来集中式数据库中的数据分散存储到多个通过网络连接的数据存储节点上，以获取更大的存储容量和更高的并发访问量。近年来，随着数据量的高速增长，分布式数据库技术也得到了快速的发展，传统的关系型数据库开始从集中式模型向分布式架构发展，基于关系型的分布式数据库在保留了传统数据库的数据模型和基本特征下，从集中式存储走向分布式存储，从集中式计算走向分布式计算。
另一方面，随着数据量越来越大，关系型数据库开始暴露出一些难以克服的缺点，以NoSQL 为代表的非关系型数据库，其高可扩展性、高并发性等优势出现了快速发展，一时间市场上出现了大量的key-value 存储系统、文档型数据库等NoSQL 数据库产品。NoSQL 类型数据库正日渐成为大数据时代下分布式数据库领域的主力。
这种组织数据库的方法克服了物理中心数据库组织的弱点。 首先，降低了数据传送代价，因为大多数的对数据库的访问操作都是针对局部数据库的，而不是对其他位置的数据库访问； 其次，系统的可靠性提高了很多，因为当网络出现故障时，仍然允许对局部数据库的操作，而且一个位置的故障不影响其他位置的处理工作，只有当访问出现故障位置的数据时，在某种程度上才受影响； 第三，便于系统的扩充，增加一个新的局部数据库，或在某个位置扩充一台适当的小型计算机，都很容易实现。然而有些功能要付出更高的代价。例如，为了调配在几个位置上的活动，事务管理的性能比在中心数据库时花费更高，而且甚至抵消许多其他的优点。 分布式软件系统(Distributed Software Systems)是支持分布式处理的软件系统,是在由通信网络互联的多处理机体系结构上执行任务的系统。它包括分布式操作系统、分布式程序设计语言及其编译(解释)系统、分布式文件系统和分布式数据库系统等。
分布式操作系统负责管理分布式处理系统资源和控制分布式程序运行。它和集中式操作系统的区别在于资源管理、进程通信和系统结构等方面。 分布式程序设计语言用于编写运行于分布式计算机系统上的分布式程序。一个分布式程序由若干个可以独立执行的程序模块组成,它们分布于一个分布式处理系统的多台计算机上被同时执行。它与集中式的程序设计语言相比有三个特点：分布性、通信性和稳健性。 分布式文件系统具有执行远程文件存取的能力,并以透明方式对分布在网络上的文件进行管理和存取。 分布式数据库系统由分布于多个计算机结点上的若干个数据库系统组成,它提供有效的存取手段来操纵这些结点上的子数据库。分布式数据库在使用上可视为一个完整的数据库,而实际上它是分布在地理分散的各个结点上。当然,分布在各个结点上的子数据库在逻辑上是相关的。
Hadoop的分布式文件系统HDFS，作为开源的分布式平台，为目前流行的很多分布式数据库提供了支持，譬如HBase等。Yonghong的分布式文件系统ZFS，为分布式数据集市Z-DataMart提供了底层平台。