目 录__eol__第1章 数据库发展历程 1__eol__1.1 数据库发展概述 2__eol__1.1.1 萌芽 2__eol__1.1.2 商业化起步 3__eol__1.1.3 发展成熟 3__eol__1.1.4 云原生与分布式时代 4__eol__1.2 数据库技术发展趋势 6__eol__1.2.1 云原生与分布式 6__eol__1.2.2 大数据与数据库一体化 6__eol__1.2.3 软硬件一体化 7__eol__1.2.4 多模 7__eol__1.2.5 智能化运维 8__eol__1.2.6 安全可信 8__eol__1.3 关系数据库主要技术原理 8__eol__1.3.1 接入管理 9__eol__1.3.2 查询引擎 10__eol__1.3.3 事务处理 14__eol__1.3.4 存储引擎 17__eol__参考文献 19__eol__第2章 数据库与云原生 20__eol__2.1 数据库在云时代的发展 21__eol__2.1.1 云计算时代的兴起 21__eol__2.1.2 数据库作为一种服务 22__eol__2.2 数据库在云原生时代面临的挑战 23__eol__2.3 云原生数据库的主要特点 24__eol__2.3.1 分层架构 24__eol__2.3.2 资源解耦与池化 24__eol__2.3.3 弹性伸缩能力 24__eol__2.3.4 高可用与数据一致性 25__eol__2.3.5 多租户与资源隔离 26__eol__2.3.6 智能化运维 26__eol__参考文献 26__eol__第3章 云原生数据库架构 27__eol__3.1 设计理念 28__eol__3.1.1 云原生数据库的本质 28__eol__3.1.2 计算与存储分离 29__eol__3.2 架构设计 30__eol__3.3 典型的云原生数据库 31__eol__3.3.1 AWS Aurora 31__eol__3.3.2 PolarDB 37__eol__3.3.3 Microsoft Socrates 40__eol__参考文献 44__eol__第4章 存储引擎 45__eol__4.1 数据组织 46__eol__4.1.1 B+树 47__eol__4.1.2 InnoDB引擎中的B+树 49__eol__4.1.3 LSM-tree 52__eol__4.2 并发控制 56__eol__4.2.1 基本概念 56__eol__4.2.2 锁方法 56__eol__4.2.3 时间戳方法 58__eol__4.2.4 MVCC 61__eol__4.2.5 InnoDB MVCC的实现 63__eol__4.3 日志与恢复 65__eol__4.3.1 基本概念 65__eol__4.3.2 逻辑日志 66__eol__4.3.3 物理日志 66__eol__4.3.4 恢复原理 67__eol__4.3.5 MySQL的Binlog 68__eol__4.3.6 InnoDB的物理日志 68__eol__4.4 新型LSM存储引擎 70__eol__4.4.1 PolarDB X-Engine 70__eol__4.4.2 高性能事务处理 72__eol__4.4.3 软硬结合优化 75__eol__4.4.4 低成本分层存储 78__eol__4.4.5 双存储引擎技术 84__eol__4.4.6 实验评估 85__eol__参考文献 88__eol__第5章 高可用共享存储系统 89__eol__5.1 高可用基础 90__eol__5.1.1 Primary-Backup 90__eol__5.1.2 Quorum 92__eol__5.1.3 Paxos 93__eol__5.1.4 Raft 95__eol__5.1.5 Parallel Raft 98__eol__5.2 集群高可用 100__eol__5.2.1 MySQL集群高可用 100__eol__5.2.2 PolarDB高可用 103__eol__5.3 共享存储架构 116__eol__5.3.1 Aurora存储系统 117__eol__5.3.2 PolarFS 119__eol__5.4 文件系统优化 121__eol__5.4.1 用户态I/O计算 121__eol__5.4.2 近存储计算 124__eol__参考文献 130__eol__第6章 数据库缓存 131__eol__6.1 数据库缓存简介 132__eol__6.1.1 数据库缓冲作用 132__eol__6.1.2 缓冲池 132__eol__6.2 缓存恢复 133__eol__6.2.1 云环境对缓存的挑战 133__eol__6.2.2 基于CPU与内存分离的缓存恢复 133__eol__6.3 PolarDB的实践 135__eol__6.3.1 缓冲池的优化 135__eol__6.3.2 数据字典缓存和文件系统缓存的优化 140__eol__6.3.3 基于RDMA的共享内存池 141__eol__参考文献 146__eol__第7章 计算引擎 147__eol__7.1 查询处理概述 148__eol__7.1.1 数据库查询处理概述 148__eol__7.1.2 并行查询概述 149__eol__7.2 查询执行模型 151__eol__7.2.1 火山模型 151__eol__7.2.2 编译执行模型 152__eol__7.2.3 向量化执行模型 152__eol__7.3 查询优化概述 153__eol__7.3.1 查询优化整体介绍 153__eol__7.3.2 逻辑查询优化 153__eol__7.3.3 物理查询优化 154__eol__7.3.4 其他优化方法 154__eol__7.4 PolarDB查询引擎实践 155__eol__7.4.1 PolarDB的并行查询技术 155__eol__7.4.2 PolarDB的执行计划管理 168__eol__7.4.3 PolarDB的向量化执行 175__eol__参考文献 178__eol__第8章 云原生与分布式融合 179__eol__8.1 分布式数据库的基本原理 180__eol__8.1.1 分布式数据库架构 180__eol__8.1.2 数据分区 181__eol__8.1.3 分布式事务 183__eol__8.1.4 MPP并行查询处理 187__eol__8.2 分布式与云原生 188__eol__8.2.1 共享存储架构 189__eol__8.2.2 无共享存储架构 189__eol__8.3 云原生分布式数据库 PolarDB-X 190__eol__8.3.1 架构设计 190__eol__8.3.2 拆分方式 191__eol__8.3.3 全局二级索引 192__eol__8.3.4 分布式事务 193__eol__8.3.5 HTAP 193__eol__参考文献 194__eol__第9章 云原生数据库PolarDB 应用实践 195__eol__9.1 创建云上实例 196__eol__9.2 数据库接入 198__eol__9.2.1 相关账号的创建 198__eol__9.2.2 图形化访问 198__eol__9.2.3 连接方式访问 199__eol__9.3 基本操作 202__eol__9.3.1 数据库与表创建 202__eol__9.3.2 创建测试数据 203__eol__9.3.3 账号与权限管理 204__eol__9.3.4 数据查询 205__eol__9.4 云上数据迁移 208__eol__9.4.1 云上数据的迁入 208__eol__9.4.2 云上数据的导出 211__eol__第10章 PolarDB运维管理 212__eol__10.1 数据库运维概述 213__eol__10.2 扩展资源 213__eol__10.2.1 系统扩展 213__eol__10.2.2 手动升降配 213__eol__10.2.3 手动增减节点 214__eol__10.2.4 自动升降配和增减节点 214__eol__10.3 备份与恢复 215__eol__10.3.1 备份 215__eol__10.3.2 恢复 217__eol__10.4 监控与诊断 218__eol__10.4.1 监控与报警 218__eol__10.4.2 诊断与优化 218__eol__参考文献 220__eol____eol____eol__