设计数据密集型应用-翻译

数据密集应用 作为一个开发者来说，目前绝大多数应用程序都是数据密集型的，而不是计算密集型的。CPU的计算能力不再成为这些应用程序的限制因素，而更加亟待解决的问题是海量的数据、数据结构之间的复杂性，应用的性能。 先看看我们经常打交道的数据系统： 存储数据，以便它们或其他应用程序稍后再找到它（数据库） 记住昂贵操作的结果，以加快读取速度。（缓存） 允许用户按关键字搜索数据或通过各种方式过滤数据（搜索索引） 将消息发送到另一个进程，异步处理（流处理） 周期性地压缩大量的累积数据（批处理） 而很多时候，我们所谓应用程序的绝大工作就是将这些数据系统进行组合，然后添加我们的运行逻辑，但是如何更加合理的整合这些数据系统，对我们来说仍然是一个值得学习和思考的问题。而数据系统也在慢慢变得越来越相似，不同的数据系统也在各自学习彼此的优点。如Redis这样的缓存系统可以支持数据落地，很多时候的应用场合我们可以替代传统的RDBMS。而Kafka这样的数据队列也可以支持数据落地来存储消息。更加深刻的理解这些数据系统，来更好的权衡架构设计，是一门很精深的课题。