本节书摘来自华章计算机《深入理解Hadoop（原书第2版）》一书中的第1章，第1.4节，作者 [美]萨米尔·瓦德卡（Sameer Wadkar），马杜·西德林埃（Madhu Siddalingaiah），杰森·文纳（Jason Venner），译 于博，冯傲风，更多章节内容可以访问云栖社区“华章计算机”公众号查看。

1.4大数据和事务性系统

以大数据作为参照来理解事务概念的发展变化是非常重要的。这个问题的讨论会涉及相应的NoSQL数据库。Hadoop系统使用HBase来作为自己的NoSQL数据存储。你也可以使用Cassandra或者云计算提供商（如Amazon Dynamo）的NoSQL系统来替代。

大多数的RDBMS使用者都要求数据库必须要遵守ACID准则，但是遵守这些准则是有系统代价的。当数据库后台需要处理峰值为每秒数百万次的事务操作的时候，要求苛刻地遵守ACID准则对数据库来说是个巨大的挑战。

ACID是atomicity（原子性）、consistency（一致性）、isolation（隔离性）和durability（持久性）的首字母简写。进一步详细讲解见：http://en.wikipedia.org/wiki/ACID。

对苛刻的ACID准则做出妥协是必要的。做出妥协的理论依据就是著名的CAP理论（又称Brewer理论）。CAP理论是下面三点的首字母缩写：

• Consistency（一致性）：在分布式系统中的所有数据备份，在同一时刻有同样的值。
• Availability（可用性）：在合理且明确的时间内，保证每个请求都能获得成功或者失败的结果的响应。
• Partition tolerance（分区容忍性）: 在集群中一部分节点故障后，集群整体仍可使用。
• 这个理论用来证明，任何分布式系统只能同时满足其中的两个特性，而无法三者兼顾。现在，让我们仔细地思考对比下面列出的各种系统：
• 一致性和可用性：遵守ACID准则的单机RDBMS是兼顾一致性和可用性的系统的一个例子。但是不满足分区容忍性。如果这个RDBMS当机了，用户将无法访问数据。
• 一致性和分区容忍性：一个RDBMS集群就是这样的系统。分布式事务保证了所有用户在同一时刻获取到相同的数据（一致性）；数据的分布式存储天然地保证在集群部分节点故障的情况下，集群系统仍然可用。可是，分布式事务在满足系统一致性的同时，也有副作用，导致系统无法做到可用性，在两阶段提交事务执行期间，系统是不可用的。一致性限制了系统可以支持的同时执行的事务数量，反过来也影响到了系统的可用性。
• 可用性和分区容忍性：本类别中这样的系统常常被归类为“最终一致性”系统。考虑一下流行的电子商务网站，比如亚马逊。假如你正在浏览商品目录，发现你需要的商品正好有货。在购买流程中很自然就可以想到，在你发现所需的商品有货并发起了购买请求这段时间内，其他人更早地进入并抢购了商品。所以有必要及时显示最新库存变化。库存变化将会广播到为用户提供服务的集群中的其他所有节点。为了给用户提供库存变化后的最新值，当商品库存变化后的数据在各个节点的传递还没有完成的时候，如果系统阻止了用户的访问，就会使网站丧失可用性，从而影响交易量。为了系统可用性和分区容忍性而牺牲系统一致性，我们选择这个折中来使多个节点为用户显示相同的数据（在一个小的时间窗内，用户看到的数据可能是不同的，这个时间窗的大小取决为用户提供服务的那个节点）。

如何做出折中选择，在大数据系统设计的时候是非常关键的。本书的主题MapReduce只是大数据生态环境中的一个组件。它常常与其他类似HBase这样的产品搭配使用，在选择不同产品配合使用的时候，在本章讲解的这些权衡中做出选择，是解决方案是否可行的关键。