分布式数据库从入门到实战--极客时间课程推荐/优惠

你将获得：

• 深度剖析 HBase、ClickHouse、StarRocks 核心原理；
• 提升主流分布式数据库应用与优化能力；
• 3 大实践案例带你玩转数据库选型；
• 探索 AI 时代向量数据库技术应用。

随着云计算、大数据和微服务架构的兴起，数据库技术也在不断演进，适应不断变化的业务需求，面对处理海量数据的挑战。从传统的关系型数据库到分布式、分析型数据库，每一种技术的诞生都是为了解决特定场景下的问题。

对于开发者和架构师来说，掌握数据库的基本原理和应用场景可以延长软件的生命周期。了解不同数据库的特性和适用场景，可以帮助我们在项目初期做出更合理的技术选型，避免未来可能出现的性能瓶颈和高昂的维护成本。此外，随着AI和物联网技术的兴起，对数据库的需求也在不断升级，对数据库知识的深入理解将助力我们更好地利用这些新兴技术。

基于此，我们邀请到了惟客数据总架构师彭旭老师，为你全面讲解数据库的基础知识，帮你掌握不同类型数据库的设计原理和适用场景。相信通过实战案例的分析和学习，你一定能够根据具体的业务需求选择合适的数据库解决方案，并具备优化数据库性能的能力。

课程设计

课程一共有5个章节。

• 基础篇
  包括不同类型数据库的存储模型，编码与压缩的必要性，数据库事务的作用以及MVCC机制，LSM是如何优化读写速度的，如何合适地对海量数据进行分片，以及分布式场景下表Join的方式等等。对比主流数据库在基础设计及适用场景上的异同。

• HBase篇
  HBase篇的案例是一个手机云服务存储的需求。基于这个案例，我们会一起分析MySQL分库分表下运维成本、硬件成本、扩展性上的问题，拆解HBase解决这些问题的过程。

• StarRocks篇
  从一个典型的客户数据平台CDP案例需求出发，介绍StarRocks的基本架构与原理，以及基于StarRocks的表模型设计CDP相关表的方法。了解StarRocks优化数据查询性能，能够实现实时更新与极速查询的原因。

• ClickHouse篇
  分析ClickHouse高性能的原理。同时沿用CDP的需求，理解表模型在ClickHouse中的设计，并行计算和调优。

• AI与向量数据库篇
  了解向量化的需求的产生原因，和老师一起用向量查询引擎Faiss搭建一个人脸识别系统，通过Milvus结合大模型搭建一个RAG个人知识库。

开篇词

• 开篇词｜玩转数据库，让数据尽在你的掌控

基础篇

• 01｜列式存储已经取代行式存储了吗？
• 02｜分布式存储数据结构LSM，如何优化读写性能？
• 03｜编码和压缩有什么用？
• 04｜数据库都需要事务和MVCC吗？
• 05｜分布式数据库如何合理分区与设计行键？
• 06｜数据分区后，如何应对Join？

案例篇

• 07｜从一个手机云服务数据存储的需求开始
• 08｜HBase如何组织与存储数据？
• 09｜为什么HBase能够实现海量数据的实时随机存取？
• 10｜不支持二级索引，如何自己实现一个？
• 11｜实现：基于HBase的手机云服务数据存储设计
• 12｜还有哪些调优可以提升性能？
• 13｜客户数据平台（CDP）的存储与计算需求
• 14｜技术上，StarRocks如何应对CDP需求？
• 15｜数据存储上如何选用合适的表存储类型？
• 16｜性能上如何优化数据查询？
• 17｜ClickHouse为什么会给人极致速度的印象？
• 18｜ClickHouse应该如何选用表引擎？
• 19｜如何在ClickHouse利用集群能力实现并行计算？
• 20｜如何用ClickHouse bitmap加速人群计算

AI 与向量数据库

• 21｜向量数据库：图片、音频、文本等非结构化数据的搜索需求是怎么实现的？
• 22｜Faiss是一个向量数据库吗？
• 23｜案例：带你用Faiss手撸一个人脸识别系统
• 24｜带你看一个完整的向量数据库Milvus
• 25｜案例：RAG+Milvus+大模型，搭建个人知识库
• 26｜向量数据库，十字路口向左还是向右？

结束语

• 结束语｜不让技术成为自我目的