?

1.數據中心化的問題

• a.數據中心化在查詢涉及多關聯場景時，會導致查詢性能嚴重低下。
• b.當大量數據存在于同一個數據庫時會容易造成數據庫訪問瓶頸，從而影響數據訪問性能，并為系統可用性埋下隱患。

?

2.為什么需要去中心化

• a. 在云計算、大數據等新技術的帶動下，越來越多的企業需要對結構化的數據進行查詢、分析、處理和更新。
• b. 隨著創新業務的不斷增加，業務的復雜及龐大的體量會產生錯綜復雜且規模巨大的結構化數據，這些都必然迫使企業對數據庫的需求指向大規模、高可靠、高擴展及高性能。

?

3.Hubble去中心化技術

Hubble去中心化技術，實現在一個分布眾多節點的系統中，每個節點都可以高度自治。去中心化過程就是將數據拆分的過程，讓每個節點成為自己的領導者，進而依據服務劃分將數據從主體數據剝離出來。

示例：中心化就是在餐廳柜臺點餐，柜臺是中心，所有人都需要排隊點餐；去中心化是餐廳在每個桌子上都有一個獨立的二維碼，顧客通過掃碼即可點餐。

?

4.Hubble硬核技術價值

• a. 支撐高并發業務：應用入口可無限水平擴展，高效支撐高并發事務交易;
• b. 減少運維成本：去中心化后所有的節點配置、硬件配置都是一樣的，減少運維和硬件管理的復雜度；多個入口不會存在單點故障問題，減少了運維成本;
• c. 提高查詢效率：每個節點都可以提供入口和查詢服務，大大提升了資源利用率。

?

1.什么是數據一致性

事務機制ACID和CAP理論是數據庫和分布式系統中兩個重要的概念，這兩個概念中都有相同的“C”代表 “Consistency” 一致性。

ACID體現在數據庫領域，其中ACID中的“C”數據一致性是指事務的執行不能破壞數據庫數據的完整性和一致性，一個事務在執行之前和執行之后，數據庫都必須處于一致性狀態。 比如：A向B轉賬，A扣款的同時B到賬。

CAP體現在分布式領域，其中CAP中的“C”數據一致性是指是所有副本在同一時間的數據完全一致，比如：A、B、C三個副本，A中寫入數據“Hello”,寫完馬上讀B和C，就一定要讀出“Hello”讀出來我們就稱之為符合一致性。

?

2.為什么需要數據一致性

為了更清楚的體現出數據一致性的重要程度，用舉例的方式表達為什么需要數據一致性。舉個簡單的例子來描述一下這里數據一致性的含義。

示例：程序員小張向女友小麗轉賬125元，轉賬過程是：先扣除小張125元，再為小麗的賬戶添加125元。如果在轉帳過程中，扣款操作和打款操作要么同一時間執行，要么同一時間都不執行，我們就認為轉帳過程保證了數據一致性。數據能否實現一致性，對金融、公安等重要行業來說至關重要。

?

3.Hubble硬核技術價值

Hubble的數據一致性技術既包括ACID數據庫中的數據一致性，又包括CAP分布式系統中的數據一致性，Hubble數據庫可以做到最高級別可串行化。

• a. 用戶體驗感好；
• b. 支持串行化事務；
• c. 能保證多個事務并發時的執行順序對數據的一致性沒有影響。

?

1.什么是事務隔離級別可串行化

事務隔離級別，就是為了解決解決隔離級別中“臟讀可能性、不可重復讀可能性、幻讀可能性、加鎖讀”的問題。事務隔離級別越高，在并發下會產生的問題就越少，但同時付出的性能消耗也將越大，因此很多時候必須在并發性和性能之間做一個權衡。

所以設立了幾種事務隔離級別，以便讓不同的項目可以根據自己項目的并發情況選擇合適的事務隔離級別，對于在事務隔離級別之外會產生的并發問題，在代碼中做補償。

?

2.為什么需要做到事務隔離級別可串行化

事務隔離級別有4種 ，串行化是最高的事務隔離級別，可以解決多個問題。

• a. 讀未提交：即能夠讀取到沒有被提交的數據，所以很明顯這個級別的隔離機制無法解決臟讀、不可重復讀、幻讀中的任何一種，因此很少使用。
• b. 讀已提交：即能夠讀到那些已經提交的數據，自然能夠防止臟讀，但是無法限制不可重復讀和幻讀。
• c. 重復讀取：即在數據讀出來之后加鎖，明確數據讀取出來就是為了更新用的，所以要加一把鎖，防止別人修改它。這樣就解決了臟讀、不可重復讀的問題，但是幻讀的問題還是無法解決。
• d. 串行化：最高的事務隔離級別，不管多少事務，按順序運行完一個事務的所有子事務之后才可以執行另外一個事務里面的所有子事務，這樣就解決了臟讀、不可重復讀和幻讀的問題了。

?

3. Hubble硬核技術價值

• a. 無需關心鎖表的問題；
• b. 支持最高的事務級別，可以保證數據一致性足夠安全；
• c. 性能上支持百萬級的QPS。

?

1.什么是分布式SQL

分布式SQL可以稱為分布式任務，分布式SQL是指SQL語句到任務執行的時候分布在多個機器上執行。

?

2.為什么要用分布式SQL

SQL是關系型數據庫的通用語言，關系型數據庫是單體式的，從架構而言它們無法在多個實例之間自動地分配數據和查詢。

分布式SQL在查詢上可以被自動地分配到目標群集的多個節點上，有效地避免了單個節點成為查詢處理中的瓶頸問題。分布式SQL內置具有可擴容性、靈活性、以及地理分布特性。做TP（查詢）計算時沒有太大影響，在做AP（分析）計算時，性能會下降很多。

?

3. Hubble硬核技術價值

分布式數據庫，可以分為如下幾類場景：第一種存儲分布式，SQL單機化；第二種存儲分布式，SQL分布式。

第一種只支持簡單的增刪改查，稍微復雜的分析SQL執行性能下降就會非常明顯。第二種存儲分布式，SQL分布式優點：1.可以把任務進行拆分充分利用計算資源，提升計算效率；2.對于有些大任務無法完成的，可以利用分布式任務來完成，提升了大任務的完成度。同時也存在了開發復雜度高、增加了調度的復雜度的問題。

• a. Hubble數據庫既可以支持存儲分布式，SQL單機化也可以支持存儲分布式，SQL分布式；
• b. Hubble可以在不重啟服務的情況下，通過修改配置，做到兩種模式之間的切換；
• c. Hubble數據庫可以方便應對更多場景。

?

1.什么是獨占空間和非獨占空間

數據庫底層是表，表分為大表（類似銀行交易表，數據量非常大）和小表（可維護的表，數據量比較小）。獨占空間是指表存儲在一個獨立空間里；非獨占空間是指各類表共用一個空間。

?

2.為什么需要獨占空間和非獨占空間

• a. 由于小表數據量比較少，占一個獨立空間會造成資源浪費，非獨占空間會把大量小表存儲在一起，共同占用一個空間。
• b. 大表數據量非常大，一般單獨存儲在獨占空間中，大表和小表分開存儲，物理間有隔離，運行速度快。

?

3. Hubble硬核技術價值

• a. Hubble數據庫既支持獨占空間，又支持非獨占空間；
• b. 在Hubble數據庫中建表時可以指定獨占空間和非獨占空間；
• c. Hubble數據庫可以做到大表和小表分開存儲，物理間有隔離，合理利用空間且不浪費資源。