《设计数据密集型应用》中文翻译第一部分导读：数据系统基础的五章知识路线图

本文是 DDIA 中文翻译仓库（README）中《第一部分：数据系统基础》页面的技术导读。该部分覆盖第一章至第五章，讲解适用于单机与分布式环境的一切数据系统底层基础概念，包括架构权衡、非功能性需求、数据模型、存储引擎与数据编码。读完本文，你将掌握第一部分五章的核心脉络与锚点导航，并能在仓库源码中按章节快速定位每一个关键主题。

第一部分在全书中的定位

《Designing Data-Intensive Applications》（DDIA）把全书组织为三大部分，其中第一部分：数据系统基础（book_part I）由前五章构成。这一部分的独特之处在于：它讨论的基础概念同时适用于单点数据系统与分布式数据系统——无论是运行在单台机器上，还是分布在一组机器组成的集群中，这些底层原理都不会改变。

从目录页面可以看到，第一部分在整本书中扮演“地基”角色：第二章到第五章奠定的术语与思维框架（可靠性、可伸缩性、数据模型、存储、编码），会在第二部分：分布式数据中被反复引用，用于讨论复制、分片、事务与共识等分布式特有问题。因此，理解第一部分是读懂全书的前提。

第一章：数据系统架构中的权衡

第一章：数据系统架构中的权衡（book_number: "1"）从“没有解决方案，只有权衡取舍”这一核心命题出发，讨论不同数据系统（如分析型与事务型）的差异及其在云环境中的运行方式。该章从分析型与事务型系统切入，区分了事务处理（OLTP）与数据分析（OLAP）在访问模式上的本质差异，并延伸出事务处理与分析的特征、数据仓库与权威记录系统及衍生数据等子主题。

随后章节约用三个对立面来组织全章讨论：

• 云服务与自托管：对比云服务的利弊、云原生系统架构与云时代的运维；
• 分布式与单节点系统：讨论分布式系统的问题、微服务与无服务器架构；
• 数据系统、法律与社会：涉及合规与数据治理等超出纯技术范畴的权衡。

第一章以总结收尾，其核心结论是：并不存在一种从根本上优于其他方案的做法，每种方案都有利有弊，关键是学会提出正确的问题来评估和比较数据系统。

第二章：定义非功能性需求

第二章：定义非功能性需求（book_number: "2"）回答了一个关键问题：当功能需求之外，应用还要求“快速、可靠、可伸缩、可维护”时，这些抽象词汇到底意味着什么，以及如何实现。该章引入四个可操作的定义维度：

• 描述性能：从案例研究：社交网络首页时间线入手，讨论延迟与响应时间、平均值、中位数与分位数，以及响应时间指标在 SLO/SLA 中的应用；
• 可靠性与容错：定义容错的内涵，区分硬件与软件故障，并关注人类与可靠性这一常被忽视的故障源；
• 可伸缩性：讨论如何描述负载、比较共享内存、共享磁盘与无共享架构，并提炼可伸缩性原则；
• 可维护性：从可运维性、简单性（管理复杂度）与可演化性三个角度展开。

总结指出：这些非功能性需求术语会被后续章节反复使用，因此先用案例（社交网络时间线）把抽象概念具体化，是理解全书其余部分的重要铺垫。

第三章：数据模型与查询语言

第三章：数据模型与查询语言（book_number: "3"）从程序员视角对比几种数据模型——这是数据库之间最明显的区别。全章依次覆盖：

• 关系模型与文档模型：从对象关系不匹配、规范化、反规范化与连接、多对一与多对多关系展开，并讨论星型与雪花型分析模式，最终给出何时使用哪种模型的判断依据；
• 图数据模型：介绍属性图、Cypher 查询语言、SQL 中的图查询、三元组存储与 SPARQL、Datalog 递归关系查询以及 GraphQL；
• 事件溯源与 CQRS 与 数据框、矩阵与数组：这两节体现了第二版新增的现代数据建模视角，覆盖事件驱动的数据流与面向数据科学的分析型数据模型。

总结强调：不同数据模型适用于不同应用场景，选择模型时既要看访问模式，也要考虑查询语言与生态。

第四章：存储与检索

第四章：存储与检索（book_number: "4"）深入存储引擎内部，研究数据库如何在磁盘上摆放数据。不同存储引擎针对不同负载优化，选型对系统性能有巨大影响。全章从三个层面展开：

• OLTP 系统的存储与索引：依次剖析日志结构存储、B 树，并专门比较 B 树与 LSM 树的读写放大差异，再讨论多列索引与二级索引与全内存存储；
• 分析型数据存储：涵盖云数据仓库、列式存储、查询执行：编译与向量化与物化视图和多维数据集；
• 多维索引与全文索引：包括全文检索与新兴的向量嵌入索引。

总结把存储引擎的选择与第一章的“权衡”主题呼应起来：读优化与写优化、顺序写与随机读、压缩与索引维护之间的取舍，构成了本章的主线。

第五章：编码与演化

第五章：编码与演化（book_number: "5"）比较几种数据编码（序列化）格式，重点考察它们在应用需求经常变化、模式需要随时间演化的环境中的表现。全章结构清晰：

• 编码数据的格式：从特定语言的格式谈起，比较 JSON、XML 及其二进制变体、Protocol Buffers 与 Avro，最后总结模式的优点；
• 数据流的模式：分析流经数据库的数据流、流经服务的数据流（REST 与 RPC）、持久化执行与工作流以及事件驱动的架构。

总结强调：模式演化能力决定了系统能否在不中断服务的前提下持续演进，这是数据密集型系统长期可维护性的关键一环。

从第一部分走向第二部分

第一部分结束后，第二部分：分布式数据将专门讨论分布式数据系统特有的问题——复制、分片、事务、分布式系统的麻烦以及一致性与共识。阅读顺序上，建议严格沿第一章至第五章的顺序推进，因为：

1. 第一、二章建立的“权衡”与“非功能性需求”词汇表，是后续所有讨论的公共语言；
2. 第三、四章的数据模型与存储引擎知识，是理解复制与分片动机的前提（例如 LSM 树与 B 树的选择会直接影响复制协议的设计空间）；
3. 第五章的编码与演化，则为分布式环境中的跨节点数据传输与版本兼容提供基础。

如何在本仓库中继续阅读

本仓库以 Hugo 目录，每章一个 Markdown 文件，均带 book_part: I 等结构化 front matter（见 part-i.md 的元数据）与稳定的节级锚点，便于交叉引用。除简体中文外，仓库还提供繁体中文、第一版英文与第一版简体中文等多个版本对照阅读。在线版支持稳定图表编号与交叉引用、顺序阅读、整书打印、Markdown/llms.txt 输出与 EPUB 导出，具体构建方式见 README。