Part I · 資料系統基礎

從單機開始：可靠性、資料模型、儲存引擎、編碼格式

這四章建立全書的基礎詞彙與心智模型。即使你只關心分散式系統，這部分也不能跳 —— Part II/III 的所有討論都假設你理解這裡的概念。

學習目標

讀完 Part I，你應該能回答：

什麼讓一個系統「可靠」？「擴展」是要擴展什麼？
為什麼有 SQL、文件 DB、圖 DB 三種模型？分別何時用？
為什麼 LSM-Tree 與 B-Tree 在不同負載下勝負互換？
OLTP 與 OLAP 為什麼走向不同的儲存格式？
JSON 與 Protobuf 在 schema 演進時各有什麼坑？

章節地圖

Ch1 可靠/可擴展/可維護（理論基礎）
   ├─ Ch2 資料模型（SQL/Document/Graph）
   ├─ Ch3 儲存與檢索（LSM/B-Tree/Column）
   └─ Ch4 編碼與演進（Protobuf/Avro）

依賴關係：Ch1 → 其他三章
建議順序：Ch1 → Ch2 → Ch3 → Ch4（線性）

預估時間

四章合計約 155 分鐘（純閱讀）。加上練習與測驗，建議排 10–15 小時。

讀完這部分，你應該能做的決策

Part I 四章對應三類「該怎麼選」的決策。下面 3 棵獨立決策樹分別對應——

1. 新專案要選什麼 DB?（Ch2）

Q資料是樹狀且整份讀寫？

是

Document DB — MongoDB / CouchDB；DynamoDB 也算（KV + document 混合）

否

Q多對多關係多？

是

Relational DB — PostgreSQL / MySQL

否

Q關係是查詢主體？（如社交圖譜）

是

Graph DB — Neo4j / TigerGraph

否

Relational DB — PostgreSQL / MySQL（多數場景的預設選擇）

2. 新表很大時要選什麼儲存引擎?（Ch3）

Q寫多 or 讀多？

寫密集

LSM-Tree — RocksDB / Cassandra / ScyllaDB

讀密集

B-Tree — PostgreSQL / MySQL / SQLite

3. 要做分析報表?（Ch3）

Q要做分析報表？

是

列轉欄式儲存 — Redshift / BigQuery / ClickHouse / DuckDB

Part I 的核心訓練是**「在資料層做出有依據的決策」**。Part II 開始我們會把這些單機決策放到多機環境，看會發生什麼。

Part I · 資料系統基礎 ​

學習目標 ​

章節地圖 ​

讀完這部分，你應該能做的決策 ​

1. 新專案要選什麼 DB?（Ch2） ​

2. 新表很大時要選什麼儲存引擎?（Ch3） ​

3. 要做分析報表?（Ch3） ​