最近读完了Martin Kleppmann的《数据密集型应用系统设计》（Designing Data-Intensive Applications，简称DDIA），这本书被很多人称为分布式系统领域的圣经，读完之后我深有同感，确实是一本非常好的书，值得每一个做后端和分布式系统的工程师认真读一读。

这本书从数据模型、存储引擎、复制、分区、事务、一致性、分布式系统的麻烦、批处理、流处理等各个方面，系统地讲解了数据密集型应用系统的设计原理和实践，内容非常扎实，也很有深度。

今天这篇文章，就来聊聊这本书，聊聊它的核心内容，以及它为什么是分布式系统领域的必读书，希望能给想读这本书或者想学习分布式系统的朋友一些参考。

一、先说说作者和这本书

先说说作者Martin Kleppmann。他是一位分布式系统领域的专家，曾经在LinkedIn和Rapportive工作，现在是剑桥大学的研究员，主要研究分布式系统和数据系统。他不仅有丰富的工业界实践经验，还有很深的学术造诣，在分布式系统领域有很多研究成果，也经常在各种技术会议上做分享。

《数据密集型应用系统设计》这本书出版于2017年，是Martin Kleppmann多年实践和研究的总结。这本书出版之后，立刻在技术圈引起了轰动，被很多人称为分布式系统领域的圣经，几乎是每个后端工程师和分布式系统工程师的必读书。

这本书的特点是，它不是一本教你怎么用某个具体技术的书，而是一本讲原理和思想的书。它不会教你怎么用MySQL，怎么用Redis，怎么用Kafka，但是它会告诉你这些技术背后的原理是什么，它们是怎么设计的，为什么这么设计，各自有什么优缺点，适用于什么场景。

读这本书，你学到的不是某个具体技术的用法，而是数据系统的设计思想和原理，这些东西是不会过时的，不管技术怎么更新换代，这些底层的原理和思想都是通用的。这也是这本书能成为经典的原因。

二、这本书的核心内容

这本书的内容非常丰富，分为三个部分，共12章，下面我简单介绍一下每个部分的核心内容。

第一部分：数据系统的基础

第一部分主要讲数据系统的基础知识，包括数据模型、存储引擎、编码和演化。

第一章讲数据模型和查询语言，介绍了关系模型、文档模型、图模型等不同的数据模型，以及它们各自的优缺点和适用场景。这一章让我对数据模型有了更深入的理解，原来不同的数据模型不是谁取代谁的关系，而是各自适用于不同的场景，选择合适的数据模型很重要。

第二章讲存储和检索，介绍了数据库的存储引擎是怎么工作的，包括哈希索引、LSM树、B树等不同的存储结构，以及它们各自的优缺点。这一章非常精彩，让我理解了数据库底层是怎么存储和检索数据的，为什么有的数据库写快读慢，有的读快写慢，这些都是由底层的存储结构决定的。

第三章讲编码和演化，介绍了数据的编码格式，比如JSON、XML、Protocol Buffers、Thrift、Avro等，以及数据模式演化的问题。这一章让我理解了为什么在分布式系统中，数据的编码和模式演化很重要，怎么设计才能支持前后兼容，避免系统升级的时候出问题。

第二部分：分布式数据

第二部分是这本书的核心，主要讲分布式数据系统，包括复制、分区、事务、一致性、分布式系统的麻烦等。

第五章讲复制，介绍了主从复制、多主复制、无主复制等不同的复制模式，以及它们各自的优缺点和适用场景。还讲了复制延迟带来的问题，比如读己之写、单调读、一致前缀读等，以及怎么解决这些问题。这一章让我对复制有了系统的理解，原来复制不是简单地把数据拷贝一份，里面有很多复杂的问题和权衡。

第六章讲分区，介绍了数据怎么分区，包括键范围分区、哈希分区等，以及分区的再平衡、请求路由等问题。这一章让我理解了分布式存储系统是怎么水平扩展的，数据是怎么分布到多个节点上的，怎么保证负载均衡，怎么处理节点的加入和退出。

第七章讲事务，介绍了事务的概念，ACID的含义，以及不同的隔离级别，比如读已提交、可重复读、快照隔离、可串行化等。还讲了分布式事务，包括两阶段提交、三阶段提交、XA事务等，以及它们的优缺点。这一章是这本书最难的一章之一，但是也非常重要，让我对事务和隔离级别有了深入的理解，原来"可串行化"不是那么简单的，有很多种实现方式，各自有不同的性能和正确性权衡。

第八章讲分布式系统的麻烦，介绍了分布式系统中会遇到的各种问题，比如网络延迟、网络分区、时钟问题、节点故障等，以及这些问题带来的挑战。这一章非常现实，让我认识到分布式系统比想象中复杂得多，很多在单机系统中理所当然的事情，在分布式系统中都变成了难题，比如"现在几点了"、"这个节点是不是挂了"这些简单的问题，在分布式系统中都没有确定的答案。

第九章讲一致性和共识，介绍了线性一致性、因果一致性等不同的一致性模型，以及共识算法，比如Paxos、Raft、Zab等。这一章也是这本书最难的一章之一，但是讲得很清楚，让我对一致性和共识算法有了系统的理解，原来分布式系统的一致性不是非黑即白的，有很多不同的一致性级别，各自有不同的性能和正确性权衡，共识算法是分布式系统的基础，用来解决多个节点达成一致的问题。

第三部分：衍生数据

第三部分主要讲批处理和流处理，以及数据系统的未来。

第十章讲批处理，介绍了批处理系统的原理，比如MapReduce、Hadoop、Spark等，以及它们的优缺点。这一章让我理解了批处理系统是怎么工作的，为什么批处理系统能处理这么大的数据量，它的设计思想是什么。

第十一章讲流处理，介绍了流处理系统的原理，比如消息队列、流处理框架、事件溯源、CQRS等，以及流处理和批处理的区别。这一章让我对流处理有了系统的理解，原来流处理不是简单地实时处理数据，里面有很多复杂的问题，比如时间窗口、乱序处理、状态管理、精确一次语义等。

第十二章讲数据系统的未来，是这本书的总结，探讨了数据系统的未来发展方向，比如统一批处理和流处理、数据集成、隐私和权利等。这一章很有启发性，让我对数据系统的未来有了更多的思考。

三、这本书为什么是必读书

读完这本书，我深深地觉得，这确实是分布式系统领域的必读书，主要有以下几个原因。

1. 内容系统全面，覆盖了分布式系统的核心知识

这本书的内容非常系统全面，从数据模型、存储引擎，到复制、分区、事务、一致性，再到批处理、流处理，几乎覆盖了数据密集型应用系统的所有核心知识。读完这本书，你会对分布式数据系统有一个完整的、系统的认识，不会再是一知半解的状态。

很多人学习分布式系统，都是东学一点西学一点，知识很零散，没有形成体系。这本书就能帮你把这些零散的知识串联起来，形成一个完整的知识体系，让你对分布式系统有一个全局的认识。

2. 讲原理不讲工具，知识不会过时

这本书最大的特点，就是讲原理不讲工具。它不会教你怎么用某个具体的数据库或者中间件，而是讲这些工具背后的原理和思想。

技术是不断更新换代的，今天流行的数据库，明天可能就被新的数据库取代了，但是底层的原理和思想是不会过时的。比如不管是MySQL还是PostgreSQL，底层的存储引擎都是B树或者LSM树；不管是Kafka还是RabbitMQ，底层都是消息队列和复制的原理。

读这本书，你学到的是不会过时的原理和思想，这些东西能让你受益终身，不管技术怎么变，你都能快速理解新技术的本质，因为底层的原理都是相通的。

3. 讲权衡不讲银弹，培养工程思维

这本书还有一个很大的优点，就是它不会告诉你什么技术是最好的，什么方案是银弹，而是会告诉你每个技术、每个方案都有自己的优缺点和适用场景，都是权衡的结果。

比如在讲复制的时候，它会告诉你同步复制和异步复制各自的优缺点，同步复制一致性好但是性能差，异步复制性能好但是可能丢数据；在讲事务的时候，它会告诉你不同的隔离级别各自的优缺点，隔离级别高一致性好但是性能差，隔离级别低性能好但是可能有异常；在讲一致性的时候，它会告诉你强一致性和最终一致性各自的优缺点，强一致性正确但是性能差，最终一致性性能好但是可能有短暂的不一致。

这种讲权衡不讲银弹的方式，能很好地培养你的工程思维，让你明白在工程实践中，没有最好的方案，只有最合适的方案，要根据具体的场景和需求，做出合理的权衡。这是一个优秀工程师必备的思维方式。

4. 引用丰富，知识来源可靠

这本书的引用非常丰富，几乎每一个观点都有对应的论文或者技术文章作为支撑，书后面的参考文献有几十页。这说明这本书的内容不是作者凭空想象的，而是基于大量的学术研究和工业实践总结出来的，知识来源非常可靠。

而且，这些参考文献本身就是一个宝库，如果你对某个话题感兴趣，可以顺着参考文献去读对应的论文和文章，深入学习。这本书就像一个地图，能带你进入分布式系统的知识殿堂。

5. 语言通俗易懂，可读性强

虽然这本书的内容很深，但是作者的语言非常通俗易懂，不会用很多晦涩的术语，即使有术语，也会解释清楚。而且作者很擅长用比喻和例子来解释复杂的概念，让抽象的概念变得具体易懂。

比如在讲分布式系统的时钟问题的时候，作者用了一个很生动的例子，说明在分布式系统中，每个节点的时钟都是不一样的，不能简单地用时间戳来判断事件的先后顺序；在讲共识算法的时候，作者用了一个会议室的例子，说明多个节点怎么达成一致。

这种通俗易懂的写作风格，让这本书的可读性很强，即使是初学者，也能读懂大部分内容，不会觉得太晦涩难懂。

四、适合什么人读

这本书虽然很好，但也不是所有人都适合读，下面说说这本书适合什么人读。

1. 后端工程师和分布式系统工程师

这本书最适合的读者，就是后端工程师和分布式系统工程师。如果你平时的工作就是做后端开发，设计和维护数据系统，那么这本书对你来说非常有价值，能帮你深入理解你每天都在用的数据库、中间件背后的原理，让你在做技术选型和系统设计的时候，做出更合理的决策。

很多后端工程师，用了很多年的MySQL、Redis、Kafka，但是只知道怎么用，不知道背后的原理，遇到问题的时候只能靠猜，或者上网搜解决方案。读了这本书之后，你就能理解这些技术背后的原理，遇到问题的时候能从原理出发，快速定位和解决问题，而不是靠猜。

2. 想学习分布式系统的人

如果你想学习分布式系统，但是不知道从哪里开始，那么这本书是一个很好的起点。这本书系统地讲解了分布式系统的核心知识，能帮你建立一个完整的知识体系，为你后续的深入学习打下坚实的基础。

很多人学习分布式系统，一上来就去读Paxos、Raft的论文，结果读得云里雾里，看不懂。其实在读这些论文之前，应该先对分布式系统有一个整体的认识，了解分布式系统会遇到哪些问题，有哪些解决方案，各自的优缺点是什么。这本书就能帮你建立这样的整体认识，然后你再去读具体的论文，就会容易很多。

3. 准备面试的人

如果你准备找后端或者分布式系统相关的工作，那么这本书也很适合你。现在大厂的后端面试，越来越注重原理和系统设计，经常会问一些分布式系统的问题，比如数据库的索引原理、主从复制的原理、事务的隔离级别、分布式一致性、消息队列的原理等。

这些问题，在这本书里都有详细的讲解。读完这本书，你就能很好地回答这些面试题，而且不是死记硬背，而是真正理解了原理，能从原理出发，给出有深度的回答。这在面试中是非常加分的。

4. 不太适合的人

这本书也有一些不太适合的读者，比如：

  • 完全没有编程和数据库基础的纯小白，这本书还是有一定门槛的，完全没有基础的话，可能会读得很吃力。
  • 只想学某个具体技术用法的人，这本书不讲具体技术的用法，如果你只是想知道MySQL怎么用，Redis怎么用，那这本书不适合你。
  • 只想快速上手，不想深入理解原理的人，这本书是讲原理的，需要静下心来慢慢读，如果你只想快速上手做项目，那这本书可能不适合你。

五、怎么读这本书

这本书内容很多，也有一定的深度，怎么读才能有最大的收获呢？下面分享一些我的建议。

1. 慢慢来，不要急

这本书不是那种能快速读完的书，内容很多，也很有深度，需要慢慢读，仔细理解。不要想着一周就读完，那样囫囵吞枣，没有什么收获。

我建议每天读一章或者半章，读完之后停下来思考一下，把不懂的地方标记出来，查资料或者和别人讨论，直到理解为止。这样慢慢读，虽然花的时间长，但是收获会很大。

我自己读这本书，前前后后花了两个多月，有些章节读了两三遍才真正理解，但是读完之后，感觉自己对分布式系统的认识提升了一个档次，非常值得。

2. 结合实际工作来读

读这本书的时候，最好结合自己的实际工作来读，这样理解会更深刻。比如你工作中用到了MySQL的主从复制，那么在读复制那一章的时候，就可以想一想MySQL的主从复制是怎么实现的，属于哪种复制模式，有什么优缺点，遇到过什么问题，怎么解决的。

这样结合实际工作来读，你就会发现书里讲的原理和你工作中遇到的问题是对应的，能帮你更好地理解工作中的问题，也能帮你更好地理解书里的内容。

3. 做笔记，画思维导图

这本书的内容很多，读完之后很容易忘，建议边读边做笔记，把每一章的核心内容和自己的理解记录下来。还可以画思维导图，把整本书的知识结构梳理出来，这样复习的时候就很方便。

我自己读的时候，每读完一章，就会写一篇读书笔记，把这一章的核心内容和自己的理解记录下来，还画了整本书的思维导图。读完之后，回头看这些笔记和思维导图，能很快回忆起书里的内容，也能发现自己之前理解不对的地方。

4. 读不懂的地方先跳过，回头再读

这本书有些章节比较难，比如事务、一致性和共识这几章，第一次读的时候可能会读不懂，这很正常，不要灰心。读不懂的地方，可以先跳过，继续读后面的内容，等后面的内容读完了，有了更多的背景知识，再回头读之前不懂的地方，可能就懂了。

我自己读的时候，事务那一章第一次读就没太懂，尤其是可串行化的几种实现方式，看得云里雾里的。后来我先跳过，继续读后面的内容，等把一致性和共识那一章读完了，再回头读事务那一章，就感觉容易理解多了。

所以，读不懂不要急，先跳过，回头再读，很多时候就豁然开朗了。

5. 读完之后，再读一遍

这本书值得读两遍甚至三遍。第一遍读的时候，你可能只能理解个大概，很多细节没有注意到；第二遍读的时候，你会发现很多第一遍没注意到的细节，理解也会更深刻；第三遍读的时候，你就能把前后的内容串联起来，形成一个完整的知识体系。

我自己现在正在读第二遍，感觉和第一遍完全不一样，第一遍很多不懂的地方，第二遍都懂了，而且还发现了很多第一遍没注意到的精彩内容。所以，如果时间允许的话，建议读完之后再读一遍，收获会更大。

六、写在最后

《数据密集型应用系统设计》这本书，是我近两年来读过的最好的技术书之一，也是分布式系统领域当之无愧的经典之作。它系统地讲解了数据密集型应用系统的设计原理和实践，内容扎实，思想深刻，语言通俗易懂，值得每一个做后端和分布式系统的工程师认真读一读。

如果你是一个后端工程师或者分布式系统工程师，如果你想深入理解数据系统的原理，如果你想提升自己的系统设计能力，那么我强烈推荐你读一读这本书。相信我，读完之后，你一定会觉得受益匪浅，对分布式系统的认识会提升一个档次。

当然，这本书只是一个起点，分布式系统是一个非常庞大和复杂的领域，还有很多东西需要学习。但是这本书能帮你打下坚实的基础，建立完整的知识体系，为你后续的深入学习指明方向。

最后，用书中的一句话来结束这篇文章："好的系统不是靠堆砌组件实现的，而是靠理解每个组件的特性和局限，然后把它们组合成一个大于部分之和的整体。"愿我们都能在分布式系统的道路上，不断学习，不断进步，设计出更好的系统。