NoSQL在少量數據的存儲上，與傳統關系型數據庫相比有什么劣勢嗎？

個人不認為nosql在少量數據存儲上有啥優勢。nosql主要解決的是auto sharding的問題,你不需要sharding,搞啥nosql. 作者：方圓 鏈接：

成都創新互聯公司專業為企業提供元氏網站建設、元氏做網站、元氏網站設計、元氏網站制作等企業網站建設、網頁設計與制作、元氏企業網站模板建站服務，10年元氏做網站經驗，不只是建網站，更提供有價值的思路和整體網絡服務。

NoSQL應用

而傳統的關系數據庫在應付web2.0網站，特別是超大規模和高并發的SNS類型的web2.0純動態網站已經顯得力不從心，暴露了很多難以克服的問題，例如：

1、High performance - 對數據庫高并發讀寫的需求

web2.0網站要根據用戶個性化信息來實時生成動態頁面和提供動態信息，所以基本上無法使用動態頁面靜態化技術，因此數據庫并發負載非常高，往往要達到每秒上萬次讀寫請求。關系數據庫應付上萬次SQL查詢還勉強頂得住，但是應付上萬次SQL寫數據請求，硬盤IO就已經無法承受了。其實對于普通的BBS網站，往往也存在對高并發寫請求的需求。

2、Huge Storage - 對海量數據的高效率存儲和訪問的需求

對于大型的SNS網站，每天用戶產生海量的用戶動態，以國外的Friendfeed為例，一個月就達到了2.5億條用戶動態，對于關系數據庫來說，在一張2.5億條記錄的表里面進行SQL查詢，效率是極其低下乃至不可忍受的。再例如大型web網站的用戶登錄系統，例如騰訊，盛大，動輒數以億計的帳號，關系數據庫也很難應付。

3、High Scalability High Availability- 對數據庫的高可擴展性和高可用性的需求

在基于web的架構當中，數據庫是最難進行橫向擴展的，當一個應用系統的用戶量和訪問量與日俱增的時候，你的數據庫卻沒有辦法像web server和app server那樣簡單的通過添加更多的硬件和服務節點來擴展性能和負載能力。對于很多需要提供24小時不間斷服務的網站來說，對數據庫系統進行升級和擴展是非常痛苦的事情，往往需要停機維護和數據遷移，為什么數據庫不能通過不斷的添加服務器節點來實現擴展呢？

在上面提到的“三高”需求面前，關系數據庫遇到了難以克服的障礙，而對于web2.0網站來說，關系數據庫的很多主要特性卻往往無用武之地，例如：

1、數據庫事務一致性需求

很多web實時系統并不要求嚴格的數據庫事務，對讀一致性的要求很低，有些場合對寫一致性要求也不高。因此數據庫事務管理成了數據庫高負載下一個沉重的負擔。

2、數據庫的寫實時性和讀實時性需求

對關系數據庫來說，插入一條數據之后立刻查詢，是肯定可以讀出來這條數據的，但是對于很多web應用來說，并不要求這么高的實時性。

3、對復雜的SQL查詢，特別是多表關聯查詢的需求

任何大數據量的web系統，都非常忌諱多個大表的關聯查詢，以及復雜的數據分析類型的復雜SQL報表查詢，特別是SNS類型的網站，從需求以及產品設計角度，就避免了這種情況的產生。往往更多的只是單表的主鍵查詢，以及單表的簡單條件分頁查詢，SQL的功能被極大的弱化了。

因此，關系數據庫在這些越來越多的應用場景下顯得不那么合適了，為了解決這類問題的非關系數據庫應運而生。

NoSQL 是非關系型數據存儲的廣義定義。它打破了長久以來關系型數據庫與ACID理論大一統的局面。NoSQL 數據存儲不需要固定的表結構，通常也不存在連接操作。在大數據存取上具備關系型數據庫無法比擬的性能優勢。該術語在 2009 年初得到了廣泛認同。

當今的應用體系結構需要數據存儲在橫向伸縮性上能夠滿足需求。而 NoSQL 存儲就是為了實現這個需求。Google 的BigTable與Amazon的Dynamo是非常成功的商業 NoSQL 實現。一些開源的 NoSQL 體系，如Facebook 的Cassandra， Apache 的HBase，也得到了廣泛認同。

騰訊云的產品介紹

騰訊云包括云服務器、云數據庫、CDN、云安全、萬象圖片和云點播等產品。

開發者通過接入騰訊云平臺，可降低初期創業的成本，能更輕松地應對來自服務器、存儲以及帶寬的壓力。 云服務器

高性能高穩定的云虛擬機，可在云中提供彈性可調節的計算容量，不讓計算能束縛您的想象；您可以輕松購買自定義配置的機型，在幾分鐘內獲取到新服務器，并根據您的需要使用鏡像進行快速的擴容。

彈性web 服務

彈性Web 引擎（Cloud Elastic Engine）是一種Web 引擎服務，是一體化web 應用運行環境，彈性伸縮，中小開發者的利器。通過提供已部署好php、nginx 等基礎web 環境，讓您僅需上傳自己的代碼，即可輕松地完成web 服務的搭建。

負載均衡

騰訊云負載均衡服務，用于將業務流量自動分配到多個云服務器、彈性web 引擎等計算單元的服務，幫您構建海量訪問的業務能力，以及實現高水平的業務容錯能力。騰訊云提供公網及內外負載均衡，分別處理來自公網和云內的業務流量分發。 云數據庫

云數據庫（CDB:Cloud Data Base）是騰訊云平臺提供的面向互聯網應用的數據存儲服務。

NoSQL 高速存儲

騰訊NoSQL 高速存儲，是騰訊自主研發的極高性能、內存級、持久化、分布式的Key-Value存儲服務。NoSQL 高速存儲以最終落地存儲來設計，擁有數據庫級別的訪問保障和持續服務能力。支持Memcached 協議，能力比Memcached 強（能落地），適用Memcached、TTServer 的地方都適用NoSQL 高速存儲。NoSQL 高速存儲解決了內存數據可靠性、分布式及一致性上的問題，讓海量訪問業務的開發變得簡單快捷。

對象存儲服務(beta)

對象存儲服務（COS:Cloud Object Service），是騰訊云平臺提供的對象存儲服務。COS 為開發者提供安全、穩定、高效、實惠的對象存儲服務，開發者可以將任意動態、靜態生成的數據，存放到COS 上，再通過HTTP 的方式進行訪問。COS 的文件訪問接口提供全國范圍內的動態加速，使開發者無需關注網絡不同所帶來的體驗問題。

CDN

CDN（Content Delivery Network）即內容分發網絡。騰訊CDN 服務的目標與一般意義上的CDN 服務是一樣的，旨在將開發者網站中提供給終端用戶的內容（包括網頁對象—文本、圖片、腳本，可下載的對象—多媒體文件、軟件、文檔，等等），發布到多個數據中心的多臺服務器上，使用戶可以就近取得所需的內容，提高用戶訪問網站的響應速度。 云監控

騰訊云監控是面向騰訊云客戶的一款監控服務，能夠對客戶購買的云資源以及基于騰訊云構建的應用系統進行實時監測。開發人員或者系統管理員可以通過騰訊云監控收集各種性能指標，了解其系統運行的相關信息，并做出實時響應，保證自己的服務正常運行。

騰訊云監控提供了可靠，靈活的監控解決方案，當您首次購買云服務后，不需要任何設置，就可以獲得基礎監控指標，同時，也可以通過簡單的步驟后，獲取到更多的個性化指標。除了豐富的監控指標視圖以外，騰訊云監控還提供個性化的告警服務，客戶可以對任意監控指標自定義告警策略。通過短信，郵件，微信等方式，實時推送故障告警。

騰訊云監控也是一個開放式的監控平臺，支持用戶上報個性化的指標，提供多個維度，多種粒度的實時數據統計以及告警分析。并提供開放式的API，讓客戶通過接口也能夠獲取到監控數據。

云安全

騰訊公司安全團隊在處理各種安全問題的過程中積累了豐富的技術和經驗，騰訊云安全將這些寶貴的安全技術和經驗打造成優秀的安全服務產品，為開發商提供業界領先的安全服務。騰訊云安全能夠幫助開發商免受各種攻擊行為的干擾和影響，讓客戶專注于自己創新業務的發展，極大的降低了客戶在基礎環境安全和業務安全上的投入和成本。

云撥測

云撥測依托騰訊專有的服務質量監測網絡，利用分布于全球的服務質量監測點，對用戶的網站，域名，后臺接口等進行周期性監控， 并提供實時告警, 性能和可用性視圖展示，智能分析等服務。 TOD 大數據處理

TOD 是騰訊云為用戶提供的一套完整的、開箱即用的云端大數據處理解決方案。開發者可以在線創建數據倉庫，編寫、調試和運行SQL 腳本，調用MR程序，完成對海量數據的各種處理。另外開發者還可以將編寫的數據處理腳本定義成周期性執行的任務，通過可視化界面拖拽定義任務間依賴關系，實現復雜的數據處理工作流。主要應用于海量數據統計、數據挖掘等領域。已經為微信、QQ 空間、廣點通、騰訊游戲、財付通、QQ 網購等關鍵業務的提供了數據分析服務。

騰訊云分析

騰訊云分析是一款專業的移動應用統計分析工具，支持主流智能手機平臺。開發者可以方便地通過嵌入統計SDK，實現對移動應用的全面監測，實時掌握產品表現，準確洞察用戶行為。不僅僅是記錄，移動APP 統計還分析每個環節，利用數據透過現象看本質。騰訊云分析還同時提供業內市場排名趨勢、競品排名監控等情報信息，讓您在應用開發運營過程中，知己知彼，百戰百勝。

騰訊云搜

騰訊云搜（Tencent Cloud Search）是騰訊公司基于在搜索領域多年的技術積累，對公司內部各大垂直搜索業務搜索需求進行高度抽象， 把搜索引擎組件化、平臺化、服務化，最終形成成熟的搜索對外開放能力，為廣大移動應用開發者和網站站長推出的一站式結構化數據搜索托管服務。 移動加速

移動加速服務是騰訊云針對終端應用提供的訪問加速服務，通過加速機房、優化路由算法、動態數據壓縮等多重措施提升移動應用的訪問速度和用戶體驗，并為客戶提供了加速效果展示、趨勢對比、異常告警等運營工具隨時了解加速效果。

應用加固

應用加固服務是騰訊云依托多年終端安全經驗，提供的一項終端應用安全加固服務。具有操作簡單、多渠道監控、防反編譯防篡改防植入、零影響的特點，幫助用戶保護應用版權和收入。

騰訊云安全認證

騰訊云安全認證是騰訊云提供的免費安全認證服務，通過申請審核的用戶將獲得權威的騰訊云認證展示，讓您的業務獲得騰訊億萬用戶的認可。免費安全服務，權威認證展示，騰訊云已為2.6萬網站、應用保駕護航。

信鴿推送

信鴿（XG Push）是一款專業的免費移動App 推送平臺，支持百億級的通知/ 消息推送，秒級觸達移動用戶，現已全面支持Android 和iOS 兩大主流平臺。開發者可以方便地通過嵌入SDK，通過API 調用或者Web 端可視化操作，實現對特定用戶推送，大幅提升用戶活躍度，有效喚醒沉睡用戶，并實時查看推送效果。

域名備案

騰訊云備案服務，幫助您將網站在工信部系統中進行登記，獲得備案證書懸掛在網站底部。目前支持企業、個人、政府機關、事業單位、社會團體備案。

云API

云API 是構建云開放生態重要的一環。騰訊云提供的計算、數據、運營運維等基礎能力，包括云服務器、云數據庫、CDN 和對象存儲服務等，以及騰訊云分析（MTA）、騰訊云推送（信鴿）等大數據運營服務等，都將以標準的開放API 的形式提供給廣大企業和開發者使用，方便開發者集成和二次開發。

萬象圖片

萬象圖片是將QQ空間相冊積累的十年圖片經驗開放給開發者，提供專業一體化的圖片解決方案，涵蓋圖片上傳、下載、存儲、圖像處理。

維納斯

維納斯(Wireless Network Service)專業的移動網絡接入服務，使用騰訊骨干網絡，全國400個節點，連通成功率99.9%。

云點播

騰訊云一站式視頻點播服務，匯聚騰訊強大視頻處理能力。從靈活上傳到快速轉碼，從便捷發布到自定義播放器開發，為客戶提供專業可靠的完整視頻服務。

大數據時代數據管理方式研究

大數據時代數據管理方式研究

1數據管理技術的回顧

數據管理技術主要經歷了人工管理階段、文件系統階段和數據庫系統階段。隨著數據應用領域的不斷擴展，數據管理所處的環境也越來越復雜，目前廣泛流行的數據庫技術開始暴露出許多弱點，面臨著許多新的挑戰。

1.1 人工管理階段

20 世紀 50 年代中期，計算機主要用于科學計算。當時沒有磁盤等直接存取設備，只有紙帶、卡片、磁帶等外存，也沒有操作系統和管理數據的專門軟件。該階段管理的數據不保存、由應用程序管理數據、數據不共享和數據不具有獨立性等特點。

1.2 文件系統階段

20 世紀 50 年代后期到 60 年代中期，隨著計算機硬件和軟件的發展，磁盤、磁鼓等直接存取設備開始普及，這一時期的數據處理系統是把計算機中的數據組織成相互獨立的被命名的數據文件，并可按文件的名字來進行訪問，對文件中的記錄進行存取的數據管理技術。數據可以長期保存在計算機外存上，可以對數據進行反復處理，并支持文件的查詢、修改、插入和刪除等操作。其數據面向特定的應用程序，因此，數據共享性、獨立性差，且冗余度大，管理和維護的代價也很大。

1.3數據庫階段

20 世紀 60 年代后期以來，計算機性能得到進一步提高，更重要的是出現了大容量磁盤，存儲容量大大增加且價格下降。在此基礎上，才有可能克服文件系統管理數據時的不足，而滿足和解決實際應用中多個用戶、多個應用程序共享數據的要求，從而使數據能為盡可能多的應用程序服務，這就出現了數據庫這樣的數據管理技術。數據庫的特點是數據不再只針對某一個特定的應用，而是面向全組織，具有整體的結構性，共享性高，冗余度減小，具有一定的程序與數據之間的獨立性，并且對數據進行統一的控制。

2大數據時代的數據管理技術

大數據（big data），或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。大數據有 3 個 V,一是大量化（Volume），數據量是持續快速增加的，從 TB級別，躍升到 PB 級別；二是多樣化（Variety），數據類型多樣化，結構化數據已被視為小菜一碟，圖片、音頻、視頻等非結構化數據正以傳統結構化數據增長的兩倍速快速創建；三是快速化 （Velocity），數據生成速度快，也就需要快速的處理能力，因此，產生了“1 秒定律”,就是說一般要在秒級時間范圍內給出分析結果，時間太長就失去價值了，這個速度要求是大數據處理技術和傳統的數據挖掘技術最大的區別。

2.1 關系型數據庫（RDBMS）

20 世紀 70 年代初，IBM 工程師 Codd 發表了著名的論文“A Relational Model of Data for Large Shared DataBanks”,標志著關系數據庫時代來臨。關系數據庫的理論基礎是關系模型，是借助于集合代數等數學概念和方法來處理數據庫中的數據，現實世界中的實體以及實體之間的聯系非常容易用關系模型來表示。容易理解的模型、容易掌握的查詢語言、高效的優化器、成熟的技術和產品，使得關系數據庫占據了數據庫市場的絕對的統治地位。隨著互聯網 web2.0 網站的興起，半結構化和非結構化數據的大量涌現，傳統的關系數據庫在應付 web2.0 網站特別是超大規模和高并發的 SNS（全稱 Social Networking Services,即社會性網絡服務） 類型的 web2.0 純動態網站已經顯得力不從心，暴露了很多難以克服的問題。

2.2 noSQL數據庫

順應時代發展的需要產生了 noSQL數據庫技術，其主要特點是采用與關系模型不同的數據模型，當前熱門的 noSQL數據庫系統可以說是蓬勃發展、異軍突起，很多公司都熱情追捧之，如：由 Google 公司提出的 Big Table 和 MapReduce 以及 IBM 公司提出的 Lotus Notes 等。不管是那個公司的 noSQL數據庫都圍繞著大數據的 3 個 V,目的就是解決大數據的 3個 V 問題。因此，在設計 noSQL 時往往考慮以下幾個原則，首先，采用橫向擴展的方式，通過并行處理技術對數據進行劃分并進行并行處理，以獲得高速的讀寫速度；其次，解決數據類型從以結構化數據為主轉向結構化、半結構化、非結構化三者的融合的問題；再次，放松對數據的 ACID 一致性約束，允許數據暫時出現不一致的情況，接受最終一致性；最后，對各個分區數據進行備份（一般是 3 份），應對節點失敗的狀況等。

對數據的應用可以分為分析型應用和操作型應用，分析型應用主要是指對大量數據進行分類、聚集、匯總，最后獲得數據量相對小的分析結果；操作型應用主要是指對數據進行增加、刪除、修改和查詢以及簡單的匯總操作，涉及的數據量一般比較少，事務執行時間一般比較短。目前數據庫可分為關系數據庫和 noSQL數據庫，根據數據應用的要求，再結合目前數據庫的種類，所以目前數據庫管理方式主要有以下 4 類。

（1）面向操作型的關系數據庫技術。

首先，傳統數據庫廠商提供的基于行存儲的關系數據庫系統，如 DB2、Oracle、SQL Server 等，以其高度的一致性、精確性、系統可恢復性，在事務處理方面仍然是核心引擎。其次，面向實時計算的內存數據庫系統，如 Hana、Timesten、Altibase 等通過把對數據并發控制、查詢和恢復等操作控制在內存內部進行，所以獲得了非常高的性能，在很多特定領域如電信、證券、網管等得到普遍應用。另外，以 VoltDB、Clustrix 和NuoDB 為代表的 new SQL 宣稱能夠在保持 ACDI 特性的同時提高了事務處理性能 50 倍 ~60 倍。

（2）面向分析型的關系數據庫技術。

首先，TeraData 是數據倉庫領域的領頭羊，Teradata 在整體上是按 Shared Nothing 架構體系進行組織的，定位就是大型數據倉庫系統，支持較高的擴展性。其次，面向分析型應用，列存儲數據庫的研究形成了另一個重要的潮流。列存儲數據庫以其高效的壓縮、更高的 I/O 效率等特點，在分析型應用領域獲得了比行存儲數據庫高得多的性能。如：MonetDB 和 Vertica是一個典型的基于列存儲技術的數據庫系統。

（3）面向操作型的 noSQL 技術。

有些操作型應用不受 ACID 高度一致性約束，但對大數據處理需要處理的數據量非常大，對速度性能要求也非常高，這樣就必須依靠大規模集群的并行處理能力來實現數據處理，弱一致性或最終一致性就可以了。這時，操作型 noSQL數據庫的優點就可以發揮的淋漓盡致了。如，Hbase 一天就可以有超過 200 億個到達硬盤的讀寫操作，實現對大數據的處理。另外，noSQL數據庫是一個數據模型靈活、支持多樣數據類型，如對圖數據建模、存儲和分析，其性能、擴展性是關系數據庫無法比擬的。

（4）面向分析型的 noSQL 技術。

面向分析型應用的 noSQL 技術主要依賴于Hadoop 分布式計算平臺，Hadoop 是一個分布式計算平臺，以 HDFS 和 Map Reduce 為用戶提供系統底層細節透明的分布式基礎架構。《Hadoop 經典實踐染技巧》傳統的數據庫廠商 Microsoft,Oracle,SAS,IBM 等紛紛轉向 Hadoop 的研究，如微軟公司關閉 Dryad 系統，全力投入 Map Reduce 的研發，Oracle 在 2011 年下半年發布 Big Plan 戰略計劃，全面進軍大數據處理領域，IBM 則早已捷足先登“,沃森（Watson）”計算機就是基于 Hadoop 技術開發的產物，同時 IBM 發布了 BigInsights 計劃，基于 Hadoop,Netezza 和 SPSS（統計分析、數據挖掘軟件）等技術和產品構建大數據分析處理的技術框架。同時也涌現出一批新公司來研究Hadoop 技術，如 Cloudera、MapRKarmashpere 等。

3數據管理方式的展望

通過以上分析，可以看出關系數據庫的 ACID 強調數據一致性通常指關聯數據之間的邏輯關系是否正確和完整，而對于很多互聯網應用來說，對這一致性和隔離性的要求可以降低，而可用性的要求則更為明顯，此時就可以采用 noSQL 的兩種弱一致性的理論 BASE 和 CAP.關系數據庫和 noSQL數據庫并不是想到對立的矛盾體，而是可以相互補充的，根據不同需求使用不同的技術，甚至二者可以共同存在，互不影響。最近幾年，以 Spanner 為代表新型數據庫的出現，給數據庫領域注入新鮮血液，這就是融合了一致性和可用性的 newSQL,這種新型思維方式或許會是未來大數據處理方式的發展方向。

4 結束語

隨著云計算、物聯網等的發展，數據呈現爆炸式的增長，人們正被數據洪流所包圍，大數據的時代已經到來。正確利用大數據給人們的生活帶來了極大的便利，但與此同時也給傳統的數據管理方式帶來了極大的挑戰。

為什么大部分NoSQL不提供分布式事務

像MongoDB, Cassandra, HBase, DynamoDB, 和

Riak這些NoSQL缺乏傳統的原子事務機制，所謂原子事務機制是可以保證一系列寫操作要么全部完成，要么全部不會完成，不會發生只完成一系列中一兩個

寫操作;因為數據庫不提供這種事務機制支持，開發者需要自己編寫代碼來確保一系列寫操作的事務機制，比較復雜和測試。

這些NoSQL數據庫不提供事務機制原因在于其分布式特點，一系列寫操作中訪問的數據可能位于不同的分區服務器，這樣的事務就變成分布式事務，在分

布式事務中實現原子性需要彼此協調，而協調是耗費時間的，每臺機器在一個大事務過程中必須依次確認，這就需要一種協議確保一個事務中沒有任何一臺機器寫操

作失敗。

這種協調是昂貴的，會增加延遲時間，關鍵問題是，當協調沒有完成時，其他操作是不能讀取事務中寫操作結果的，這是因為事務的all-or-

nothing原理導致，萬一協調過程發現某個寫操作不能完成，那么需要將其他寫操作成功的進行回滾。針對分布式事務的分布式協調對整體數據庫性能有嚴重

影響，不只是吞吐量還包括延遲時間，這樣大部分NoSQL數據庫因為性能問題就選擇不提供分布式事務。

MongoDB, Riak, HBase, 和 Cassandra提供基于單一鍵的事務，這是因為所有信息都和一個鍵key有關，這個鍵是存儲在單個服務器上，這樣基于單鍵的事務不會帶來復雜的分布式協調。

那么看來擴展性性能和分布式事務是一對矛盾，總要有取舍?實際上是不完全是，現在完全有可能提供高擴展的性能同時提供分布式原子事務。

FIT是這樣一個在分布式系統提供原子事務的策略，在fairness公平性, isolation隔離性, 和throughput吞吐量(簡稱FIT)可以權衡。

一個支持分布式事務的可伸縮分布式系統能夠完成這三個屬性中兩個，公平是事務之間不會相互影響造成延遲;隔離性提供一種幻覺好像整個數據庫只有它自

己一個事務，隔離性保證當任何同時發生的事務發生沖突時，能夠保證彼此能看到彼此的寫操作結果，因此減輕了程序員為避免事務讀寫沖突的強邏輯推理要求;吞

吐量是指每單元時間數據庫能夠并發處理多少事務。

FIT是如下進行權衡：

保證公平性fairness 和隔離性isolation, 但是犧牲吞吐量

保證公平性fairness和吞吐量, 犧牲隔離性isolation

保證隔離性isolation和吞吐量throughput, 但是犧牲公平性fairness.

犧牲公平性：放棄公平性，數據庫能有更多機會降低分布式事務的成本，主要成本是分布式協調帶來的，也就是說，不需要在每個事務過程內對每個機器都依

次確認事務完成，這樣排隊式的確認commit事務是很浪費時間的，放棄公平性，意味著可以在事務外面進行協調，這樣就只是增加了協調時間，不會增加互相

沖突事務因為彼此沖突而不能運行所耽擱的時間，當系統不需要公平性時，需要根據事務的優先級或延遲等標準進行指定先后執行順序，這樣就能夠獲得很好的吞吐

量。

G-Store是一種放棄公平性的 Isolation-Throughput

的分布式key-value存儲，支持多鍵事務(multi-key transactions)，MongoDB 和

HBase在鍵key在同樣分區上也支持多鍵事務，但是不支持跨分區的事務。

總之：傳統分布式事務性能不佳的原因是確保原子性(分布式協調)和隔離性同時重疊，創建一個高吞吐量分布式事務的關鍵是分離這兩種關注，這種分離原

子性和隔離性的視角將導致兩種類型的系統，第一種選擇是弱隔離性能讓沖突事務并行執行和確認提交;第二個選擇重新排序原子性和隔離性機制保證它們不會某個

時間重疊，這是一種放棄公平的事務執行，所謂放棄公平就是不再同時照顧原子性和隔離性了，有所傾斜，放棄高標準道德要求就會帶來高自由高效率。