超级硬核的数据库/分布式存储学习路线

Sat, 13 Apr 2024 10:51:56 +0800

我自己就是从业务自学转入数据库内核研发岗位的，根据自己的经历，简单总结了一下入门数据库/存储相关的学习路线、学习资料、项目书籍推荐等，大家可以参考。

并且需要强调的是，这些内容其实并不只是为了想要转入数据库/存储方向的同学。

就算是业务后端开发，以及云原生等方向，数据库、分布式都是必备的基础内容，并且存储也能够学习到很多的一些操作系统基础知识，所以我觉得都是有必要去进行学习的。

必看课程

CMU-15445 和 CMU-15721

https://www.youtube.com/@CMUDatabaseGroup

这两个不用多说，经典的数据库入门教程，由数据库的大佬 Andy Pavlo 亲自授课。

可以了解到数据库的基本概念，例如存储、BufferPool 缓冲池、索引、优化器、执行器、事务等。

15445 的实验部分是基于其开源的教学项目 bustub，补全其中几个重要的部分，这个项目是 C++ 写的，如果对 C++ 不熟悉的话，那么我觉得实验部分可以暂时跳过，有多余的精力再来搞，毕竟我们是来学数据库的，而不是学 C++ 的。

存储项目实践

学习数据库课程的同时，顺便可以了解下存储方面的内容，存储是数据库必不可缺的重要组成部分。

例如 B+ 树、bitcask、LSM Tree，以及 LSM Tree 的优化 Wisckey，找几篇文章看看，了解下基本概念，或者直接看看对应的最权威的论文。

然后自己去实践写一个，例如写一个简单的 bitcask、B+ 树存储引擎，或者 LSM 存储引擎。

在我的经验看来，这几类存储引擎，实现的难度大致是 B+树 >= LSM > bitcask，bitcask 可以看做是一个简化版的 LSM Tree。

对于 B+ 树，学习的资料有

BoltDB，Go 语言写的一个 B+ 树单机存储引擎，在生产环境中广泛应用
https://cstack.github.io/db_tutorial，一个简单的从零开始写数据库的教程，类似 SQLite，C 语言实现

LSM Tree，可以参考以下资料

leveldb，Google 开源的单机存储引擎，Go 语言也有一个对应的实现 goleveldb
leveldb-rs，Rust 实现的 leveldb
mini-lsm，一个从零实现极简的 LSM 教程，Rust 实现

bitcask 可参考资料：

rosedb，基于 bitcask 的单机 KV 引擎
mini-bitcask，一个极简的 bitcask 教程

之所以推荐写存储类的实战项目，主要是因为存储层的 KV 一般比较好实现，同时又能够了解到一些数据库的基本设计理念。

强烈推荐👍🏻

如果想要一个完整实现 KV 存储的代码实践教程，可以参考我的《从零实现 KV 存储》的教程，从第一行代码开始的视频实战教程，使用 Go 和 Rust 两种语言分别实现。

事务/MVCC

这部分网上的资料比较多，可以看看事务的一些基本概念 ACID，然后看看如何去实现的，可以借鉴其他数据库例如 MySQL、PostgreSQL，关于事务实现原理分析这方面的文章比较多。

概念了解差不多之后，可以自己动手实现，例如可以在自己写的存储项目的基础上，加上事务的功能，保证事务原子性、隔离性，以及并发读写的性能，自己上手撸肯定比只了解理论好很多。

CMU 15445 和 15721 课程都讲到了事务的一些基本概念，可以参考 https://15445.courses.cs.cmu.edu/fall2019/schedule.html#oct-23-2019

其他的一些部分，例如 parser、执行器、优化器、向量化等等，比较复杂，自己从头搞一个的难度比较大，我觉得可以简单看看资料，了解一下基本概念，工作之中再针对性的查漏补缺。

当然如果你对某个部分特别感兴趣的话，比如优化器之类的，也可以多去了解然后自己实践，我这里推荐存储和事务的实现，是因为相对来说比较容易上手。

其他方面的项目实践这里也推荐一些资料：

Go 语言实现的 sql 解析器 https://github.com/xwb1989/sqlparser
TiDB 的 mysql 解析器 https://github.com/pingcap/tidb/tree/master/pkg/parser
Rust 实现的 sql parser https://github.com/sqlparser-rs/sqlparser-rs
Meta 开源维护的通用数据库执行框架 Velox https://github.com/facebookincubator/velox
向量化执行框架 Arrow https://github.com/apache/arrow

分布式

这部分内容首推 MIT 6824（现已改名为 6.5840），分布式系统入门的首选课程。 https://www.youtube.com/@6.824/videos

有精力的话可以跟着把实验部分做完。lab 是实现一个除成员变更之外的 raft 共识算法，并且基于 raft 实现一个容错的分布式 KV 系统。

强烈推荐👍🏻

如果对课程内容并不熟悉的话，初次上手做 lab 可能会比较痛苦，并且自己搞也可能会比较浪费时间。

可以看看我的《从零实现分布式 KV》教程，从零开始，基于 6824 的 lab，写一个基于 raft 的分布式 KV，教程内容完全涵盖了 6824 的 lab 部分。

这个学完了之后，可以挑战下 PingCAP 的 talent plan 中的 TinyKV，它和 6824 的实验部分比较类似，实现一个基于 raft 的分布式 KV 存储系统，难度会比 6824 更大，lab 的代码框架是现成的，只需要往里面添加内容即可，测试也比较完备。 https://github.com/talent-plan/tinykv

如果还有时间的话，可以再上一个台阶，挑战下 PingCAP talent plan 的 TinySQL 项目，主要是实现一个简单的分布式数据库项目，有完备的文字教程，只是难度略大。 https://github.com/talent-plan/tinysql

工作或者实习

当然，其实最好的办法，还是能够直接参与到工作实践当中，这样学习起来是最快的，可以向 leader 请教，和同事交流等。

如果自身又没有太多经验的话，可以试试那些愿意接纳转数据库内核的公司，这可能会要求你有其他亮眼的东西了，比如基础比较扎实，折腾过自己的项目之类的。能把上面提到的这些东西认真学习下，完成个 60% 左右，我觉得应对一些面试就应该没有太大的问题了。

为了帮助你更高效的学习，我还整理了一份数据库开发的学习资料，数据库的各个方面都涉及到了，例如 SQL、优化器、执行引擎、存储等等，包含一些优质的书籍、论文、视频课程、博客等，还有一些优质的教学类项目。总计十几页的 PDF，一次性送给你，方便提升学习效率。还有一些关于数据库方面的优质 PDF 书籍，可以参考学习： 这份学习资料 PDF 和所有的书籍都可以在我的公众号领取，后台回复关键字数据库。

数据库学习资料 on roseduan

超级硬核的数据库/分布式存储学习路线

必看课程

存储项目实践

事务/MVCC

分布式

工作或者实习