飞豹客 · 课能看,资料也能带走
飞豹客体系课

分布式数据库从入门到实战

解决什么痛点:从“会用”到“懂架构” 很多开发者在运维关系型数据库时得心应手,但一旦面对海量数据和高并发场景,便陷入了选型迷茫:HBase、ClickHouse、StarRocks 该选谁?为什么分库分表后 Join 性能断崖式下跌?数据倾斜怎么排查?这门课不讲悬浮的概念,而是直击分布式存储的核心矛

单课价¥39.00新品 上架
会员价¥7.80开通会员,全站课程按会员价下载套餐详情
0 人关注 更新于 2026-10-03 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥39.00

会员 · 按档位

永久¥19.505折
年¥23.406折
月¥27.307折

游客按标价购买,不享受上表折扣。

支付成功后自动发放网盘链接,链接失效可找客服免费补

正版保障 极速发货 售后无忧

解决什么痛点:从“会用”到“懂架构”

很多开发者在运维关系型数据库时得心应手,但一旦面对海量数据和高并发场景,便陷入了选型迷茫:HBase、ClickHouse、StarRocks 该选谁?为什么分库分表后 Join 性能断崖式下跌?数据倾斜怎么排查?这门课不讲悬浮的概念,而是直击分布式存储的核心矛盾——如何在 LSM Tree、列式存储与行式存储之间做权衡。

课程通过“手机云服务”和“CDP 客户数据平台”两个真实落地案例,还原了从需求分析到技术选型的全过程。你将理清为何 HBase 适合随机读写却难做聚合,以及 StarRocks 如何通过统一存储引擎解决实时分析难题。它解决的是你在设计系统时“知其然不知其所以然”的尴尬,帮你建立从底层数据结构到上层架构设计的完整认知链条,让你在面对复杂业务需求时,不再只会百度关键词,而是能基于原理给出靠谱的技术方案。

适合谁看:有 SQL 基础的数据开发或后端工程师

本课程适合已经熟悉单点数据库原理,希望向分布式架构转型的中初级工程师。如果你从未接触过 NoSQL 或大数据生态,建议先补齐 Linux 基础和 SQL 语法;若你已是资深 DBA,可能更多关注调优细节,可重点研读案例篇。课程默认你具备基本的编程思维,无需从零安装配置环境,直接切入核心逻辑。只要你日常工作中开始频繁遇到“单库撑不住”或“查询慢得离谱”的问题,这门课就是为你准备的实战指南。

怎么学最有效:先啃基础,再跟案例动手

建议学习路径如下:

  • 先读基础篇:重点攻克第 01-04 讲,理解列存优势、LSM Tree 读写优化及 MVCC 在分布式下的差异,这是后续所有设计的基石。
  • 精读分区与索引:第 05-06 讲关于行键设计与分区后 Join 的处理,是面试和高并发实战的高频考点,务必结合笔记反复琢磨,尝试推导不同行键对热点的影响。
  • 案例篇全程跟进:不要跳过代码实现部分。在第 11 讲中,需动手完成基于 HBase 的手机云存储设计,并尝试第 10 讲的二级索引实现;第 14-15 讲则需对比不同表存储类型在 CDP 场景下的性能表现。

学完后,你将能够独立设计支持百万级 QPS 的分布式存储方案,针对特定业务场景(如时序数据、实时报表)给出合理的引擎选型建议,并能通过调整行键和分区策略解决数据倾斜问题。资料中的设计文档和调优日志是极佳的复盘素材,建议对照官方文档进行验证性练习,将理论转化为可落地的工程能力。

课程目录

开篇词 (1讲)

  1. 开篇词|玩转数据库,让数据尽在你的掌控

基础篇 (6讲)

  1. 01|列式存储已经取代行式存储了吗?
  2. 02|分布式存储数据结构LSM,如何优化读写性能?
  3. 03|编码和压缩有什么用?
  4. 04|数据库都需要事务和MVCC吗?
  5. 05|分布式数据库如何合理分区与设计行键?
  6. 06|数据分区后,如何应对Join?

案例篇 (14讲)

  1. 07|从一个手机云服务数据存储的需求开始
  2. 08|HBase如何组织与存储数据?
  3. 09|为什么HBase能够实现海量数据的实时随机存取?
  4. 10|不支持二级索引,如何自己实现一个?
  5. 11|实现:基于HBase的手机云服务数据存储设计
  6. 12|还有哪些调优可以提升性能?
  7. 13|客户数据平台(CDP)的存储与计算需求
  8. 14|技术上,StarRocks如何应对CDP需求?
  9. 15|数据存储上如何选用合适的表存储类型?
  10. 16|性能上如何优化数据查询?
  11. 17|ClickHouse为什么会给人极致速度的印象?
  12. 18|ClickHouse应该如何选用表引擎?
  13. 19|如何在ClickHouse利用集群能力实现并行计算?
  14. 20|如何用ClickHouse bitmap加速人群计算

AI 与向量数据库 (6讲)

  1. 21|向量数据库:图片、音频、文本等非结构化数据的搜索需求是怎么实现的?
  2. 22|Faiss是一个向量数据库吗?
  3. 23|案例:带你用Faiss手撸一个人脸识别系统
  4. 24|带你看一个完整的向量数据库Milvus
  5. 25|案例:RAG+Milvus+大模型,搭建个人知识库
  6. 26|向量数据库,十字路口向左还是向右?

结束语 (2讲)

  1. 结束语|不让技术成为自我目的
  2. 结课测试|来赴一场满分之约