《大规模分布式计算深入解析》15.2 十二卷主线:版本与边界如何衔接

计算、存储、事件流、检索、图与 OLAP 各回答不同问题:文件/快照标识输入,执行引擎产生计算结果,共识保护元数据,复制决定确认,refresh 与插入发布定义读取可见性。不能用一条箭头把这些合同压成全局强一致。

十二卷主线:版本与边界如何衔接

计算、存储、事件流、检索、图与 OLAP 各回答不同问题:文件/快照标识输入,执行引擎产生计算结果,共识保护元数据,复制决定确认,refresh 与插入发布定义读取可见性。不能用一条箭头把这些合同压成全局强一致。

机制与确认边界

同一事件 e4 经 Kafka 写入,消费者按稳定 ID 导入分析表,物化视图累加,查询可能由另一副本执行;失败时要先确定每层已确认的版本与未完成队列。日志可重放不代表下游副作用天然幂等,近似聚合和图/向量候选还可能有不同结果合同。

实现与验证范围

系列导读按每卷区分模型、一手资料和原生观测。本卷不再把 140 个旧断言或单节点结果当所有协议通过;新增分布式与复制夹具单独留存拓扑和故障结果,未测的功能明确列为扩展目标。

本章共享图解见 15.1 的机制图 ,其中的状态与确认点需和本节一起阅读。

复现与资料

下载本卷实验包 ,按 README 运行 Java 8 lab.RunAll。单节点原生运行 clickhouse-probe.sh,多分片与复制实验运行 clickhouse_cluster.py;每个脚本仅把实际执行并断言的场景记为实测。外部源、真实 Kafka、TTL 介质、TPC-H 和未测版本的功能不包含在这些结果中。

卷十二目录 · 系列导读

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析·向量数据库与 AI 检索内核》 · 目录与学习路径(45 篇)
  2. 《大规模分布式计算深入解析》15.3 自研向量引擎:可执行骨架与工程缺口
  3. 《大规模分布式计算深入解析》14.1 Milvus:组件架构、段管理与检索链路