TinyKV是支持横向扩展，高可用，分布式事务的KV数据库。
- Raft模块，支持leader选举，leader转移，日志复制，单步成员的变更，快照的基础功能k。
- 采用Multi-Raft架构，数据基于Region进行分区，每一个region就是一个raft group，region支持数据规模较大时自动分裂，以及schedule调度。
- 实现了MVCC多版本控制，基于perculator模型设计了分布式事务系统，实现了快照隔离。
Snapshot隔离级别
TiDB优势：
- 纯分布式架构，拥有良好的扩展性，支持弹性扩缩容
- 支持SQL，对外暴露MySQL的网络协议，并兼容大多数的MySQL语法，在大多数场景下可以直接替换MySQL
- 默认支持高可用，在少数副本失效的情况下，数据库本身能够自动进行数据修复和故障转移，对业务透明
- 支持ACID事务，对于一些有强一致性需求的场景友好，如转账
- 具有丰富的工具链生态，覆盖数据迁移、同步、备份等多种场景
PD, TiDB, TiKV,
Server:
- 处理客户端的连接
- SQL语句的解析和编译
- 关系型数据与KV转化
- SQL语句执行
- 在线DDL执行
- 垃圾回收 TiKV：
- 数据持久化： Raft， RocksDB
- 分布式事务支持
- 副本的强一致性和高可用性
- MVCC：
- Coprocessor SQL语句 TiKV计算能力， PD：
- 整个集群TiKV的元数据存储
- 分配全局ID和事务ID
- 生成全局时间戳TSO
- 收集集群信息进行调度
- 提供TiDB Dashboard服务 TiFlash：
- 列式存储提高分析查询效率
- 支持强一致性和实时性， 支持实时更新
- 业务隔离
- 智能选择
隔离级别
- 读未提交
- 读已提交
- 可重复读
- 串行化 快照隔离目前的问题： （存在更严格的隔离级别）（快照隔离级别：读侵写，写侵写） 读已提交存在的问题：不可重复读，幻读问题 处理并发事务的通用手段
- 快照隔离：
Raft
与Paxos相比 特性：领导者选举，日志复制 核心功能： 工程中优势： 协议：Raft， Paxos， Zib？ election 原理： leader， candidate，follower 任期，收到leader的日志 随机150~300ms， 领导者选举问题： 两个raft同步机制：日志：本身实际内容，日志索引，日志任期，领导者节点记录， appendEntryRPC上一条日志，将上条日志信息跟此条对比，若无冲突，接受，否则拒绝并返回index索引，找到冲突日志，日志复制成功，接受成功，更新index， raft同步rpc：appendEntryRPC和heartbeatRPC 冲突之后处理，优化 Multi-raft，从单机扩展所用改进： 如果不用multi-raft，存储容量受单机限制，数据并行分片，分为不同的raft group，每一个处理不同的 有一些raft group -> region，分裂，解决 storage engine： rocks DB， level DB，核心模块：K/V存储 raft 功能（用到什么业务）：日志备份，数据存储， 并发控制：事务处理 （MVCC）分布式事务：perculator基于单行事务实现，2阶段提交的协议， 2pc，提供了5种列族， default，列族由实际数据+开始时间 lock， 锁标记，版本号，开始时间， write 开始时间，default 实际数据
2PC机制：write； commit 2pc问题：宕机 master follow 主机宕机 停顿 3PC/perculator改进， perculator优化地方 perculator：改进的2pc
数据持久化逻辑：如何保证ACID种D逻辑，异常情况下的数据保证，内存中的数据保证不丢失，（innodb通过redo log保证数据不丢失） innodb在什么时机写入redo log： 如何保证redo log容量，如何利用空间，写入之后 Checkpoint，同步到磁盘上， redo log和bin log的区别，redo 修改操作，二进制日志记录（物理，逻辑，物理逻辑混合）
MySQL主从：缓冲池BufferPool，基本逻辑，page从bufferpool 中， 首先判断page是否存在， 磁盘如何决定 根据时空局部性，从磁盘上预取，放到缓冲池中，（问题：数据存不下： LRU？ 从磁盘上读，但bufferpool已经满了，此时处理方式
存储引擎索引：tinykv索引，索引的目的： 对读友好的索引： 写友好索引：B+， LSMTree，RB，AVL 索引本质：数据结构 选择索引的 Hash不支持范围查找，只支持单个key查询，B+ 叶节点双向链表 RB树叶节点加双向链表问题： 层高 RB 二叉，B+多叉树，B+降层高，查询降低IO次数。
有序数据范围查找，Redis用跳表，作为索引，B+降层高 内存不需要降层高
rocksdb特性： 分布式：join如何做 join优势与问题:联表查询，通过另外一张表通过主键查询 性能优化原则：小表驱动大表
- 点到为止，关键地方，简明扼要
- raft做什么，架构层面，每个模块间如何关联
- 在存储引擎中所占比重
- MVCC， 2PC，技术优点、缺点、选用原因（匹配度）
- 隔离级别，快照隔离级别
Raft位于存储引擎上方 日志交由状态机存储，到存储引擎，中心控制中间件，调度
不使用一致性协议实现分布式事务，Aurora，多个空间换取数据的一致性。
存储引擎，tinykv和tikv的区别，关键挑战
kv sql pd（placement driver）