藏经阁一起读（4）读《一站式结构化数据存储Tablestore实战手册》，你有哪些心得呢？
藏经阁2.0全新上线！下载本地、线上阅读让你轻松获取技术知识。为了让更多人学习到藏经阁中的优秀技术作品，培养好的阅读习惯，“藏经阁一起读”活动来啦，你阅读，我奖励！
本期书籍：《一站式结构化数据存储Tablestore实战手册》
阅读地址：https://developer.aliyun.com/ebook/7473
书籍特点：表格存储 Tablestore 支撑了阿里云百亿订单、钉钉消息以及物联网数据存储，提供数据存储、查询、检索和分析一体化能力。本书将用十分钟带你掌握阿里自研零运维分布式结构化数据存储 Tablestore，轻松构建百亿量级数据存储架构。 。
活动规则：阅读书籍，将你对于本书的想法、心得等在评论区留言，评论不少于200字，将选取评论质量最高的前2名和点赞最多的第1名送出小米鼠标Lite一个。
活动时间：2022年2月28日~3月7日14:00
参与用户务必扫码加入钉群，第一时间了解活动进展、获取得奖信息。
写回答
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
从事多年SOC/SIEM开发工作； 一个有趣的人；本书介绍了Tablestore这款产品，如果说Tablestore大家可能比较陌生，大家可以把它看成阿里开发的Hbase或者Elasticsearch。是用来解决非关系性数据的存储的。
学习前功课： 如果对大数据不太了解的朋友，建议先看一下首卷语中提的Google大数据三篇论文：GFS、MapReduce、Bigtable。了解大致的思想即可。如果还有精力，看一些Hadoop和Elasticsearch的框架和事先思想，对比的看可以对Tablestore有更深刻的了解。
本书分为以下几章：
- 简介
- 快速上手
- 控制台
- SDK
- 实践案例
把Tablestore这款产品的使用讲的非常透彻。让开发者可以快速的上手进行工作。 第一章：简介。介绍了大数据的由来，从MySQL演进到NoSQL,把Tablestore产生的背景说了一下。不足的是讲解还是对初学者不太友好，从MySQL到NoSQL，到大数据的出现，到Hbase或者Elasticsearch，最后再到Tablestore。其实可以说的再详细一些。比较有利初学者的理解和学习。
第二章：快速上手。介绍了Tablestore如何使用和2中常见的数据模型。
第三章：控制台。这一章和上一章一样。十分详细，介绍了在阿里控制台里对Tablestore的常用操作。。这2章写的非常好，步骤和截图都详细，赞一个。
第四章：SDK。这一章介绍了操作Tablestore的接口。支持Java/Go/Python/Nodejs四种语言。和Elasticsearch相同，需要先创建client认证然后才可以各种增删改查的操作。不知道有没有像Elasticsearch一样有一些第三方封装的类可以方便开发者。这个官方如果有可以推荐一下。
第五章：实践案例。这是宝藏了，毕竟前面的都是概念和基本操作。这一章节大量的实践，具体到详细的场景，基本包含了日常开发工作中的所有场景。这一章需要反复去看不断实践才能知道这里面有多少坑。
总体来说，是一本很不错的技术入门书籍。对于使用Tablestore进行存储的开发者来说是必读书目。对于使用其他数据库的用户，也可以进行参考对比，了解一下这个久经实战的优秀的数据库产品，对数据库的选择和对数据库的使用会有更深的理解。
2022-03-06 20:56:04赞同 2 展开评论 打赏 -
表格存储（Table Store）是构建在阿里云飞天分布式系统之上的分布式NoSQL数据存储服务，根据99.99%的高可用以及11个9的数据可靠性的标准设计。表格存储通过数据分片和负载均衡技术，实现数据规模与访问并发上的无缝扩展，提供海量结构化数据的存储和实时访问。 个人理解：表格存储当做一种存储服务来看，按量后付费，无需去考虑数据库的软硬件升级、集群等问题；而MongoDB至少要根据场景选择下规格（CPU/内存/存储空间…），日后可能要做弹性的升级扩容等。至于表格存储背后的技术，引用官方“表格存储以实例和表的形式组织数据，通过数据分片和负载均衡技术，达到规模的无缝扩展” 表格存储（Table Store）的优势： 可靠：三副本，保证数据可靠性； 成本低：0运维，弹性按量付费； 扩展性：分布式架构，单表自动扩展支撑10PB级数据量及千万访问并发 便于分析：提供全量/增量数据通道,与多种大数据分析、实时流计算产品无缝打通。
2022-03-06 14:25:09赞同 60 展开评论 打赏 -
读完《结构化数据存储Tablestore实战手册》这本书，给我想到我们以前某个项目的业务架构采用的是MySQL分库分表的方案。 MySQL 分库分表方案无法解决数据膨胀带来的扩容问题。基于 MySQL + HBase 的架构在 数据检索上面存在明显短板。而 MySQL + HBase + Elasticsearch 的方案，虽然能够解决扩容和 数据检索问题，但其系统复杂，维护成本高；另外，这种方案无法对数据分析工作、数据再加 工 ETL 工作提供有效支持。而 MySQL + Tablestore 不仅解决了扩容问题、检索问题，还支持数 据流批处理以及 ETL 再加工工作，且系统复杂度低，运维成本低，能够满足大规模订单系统的 各项需求。书中的案例正好解决了我们的业务痛点，基于 MySQL 结合 Tablestore 的大规模订单系统方案。 这种方案支持大数据存储、高性能数据检索、SQL 搜索、实时与全量数据分析，且部署简单、运维成本低。
2022-03-05 09:37:55赞同 1 展开评论 打赏 -
作为阿里众多商业化产品的底层存储。我们作为客户之一也在使用，表格存储 Tablestore 对标 HBase 和 ElasticSearch， 拥有非常好的弹性体验、即开即用的特性使用非常快捷。支持 PB 级数据存储和千万 TPS 毫秒级延迟，同时具备数据检索与分析能力，是集 存储、搜索和分析多功能一体的一站式结构化数据存储平台。阅读完 一站式结构化数据存储Tablestore实战手册 了解到了Tablestore的基本模型，比如宽表模型、时序模型、以及如何使用各种语言接入SDK进行开发的工作。 书中最后的场景实战介绍了非常多的实践案例，比如DTS数据同步、Cannal数据同步、常见的SQL查询和分析，ETL、 大规模历史数据处理，数据流计算等等。覆盖了我们工作中主流的各种场景。随着大数据产业蓬勃发展，数据量越来越大， 同时也产生了更丰富、更复杂的业务场景和需求，这对于数据应用系统的性能 无疑是巨大的挑战。欢迎大家来了解了解。
2022-03-05 11:54:28赞同 1 展开评论 打赏 -
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
