分布式系统领域的权威著作第二版。在第一版基础上全面更新，新增云原生架构、事件驱动设计、数据湖仓、AI/ML 系统等前沿内容。系统讲解数据系统的核心概念：可靠性、可扩展性、可维护性。涵盖数据库内部实现、复制与分区、事务与一致性、流处理与批处理。
关联抽象层级
本教材覆盖以下抽象层级，帮助你建立从底层到顶层的完整知识体系。
为什么读这本书
第二版在第一版基础上大幅更新，新增了云原生、事件驱动架构、数据湖仓、AI/ML 系统等现代内容。是架构师和后端工程师理解现代数据系统的必读之作。
🎯AI 时代的学习建议
在 AI 能生成代码的今天，读这本书的价值不在于"学会写代码"，而在于建立判断 AI 输出的能力。当你理解了高级语言、应用抽象的核心原理，你就能：
- •判断 AI 生成的代码是否符合底层约束 — 当 AI 推荐一段"优化"方案时，你能从编程语言的角度判断它是否真的有效
- •向 AI 提出正确的问题 — 理解高级语言、应用抽象的设计动机，让你能精准描述问题，而不是模糊地求助
- •在 AI 方案遇到瓶颈时定位根因 — 当 AI 推荐的架构方案在流量峰值下崩溃，你能从人类思维出发，推导出正确的取舍
阅读策略：不要试图记住所有细节。重点理解每一章的设计动机（为什么需要这个抽象？）和边界条件（什么情况下会失效？）。这些是 AI 无法替代你判断的部分。
理论-实践双轨学习路径
在 AI 代码生成能力快速演进的今天，掌握高级语言、应用抽象的本质概念比以往任何时候都更具战略价值。如何在 AI 时代系统性地掌握这些本质概念？我们推荐"理论-实践"双轨学习路径：
理论轨道：从经典教材中找 What 和 Why
通过经典教材深入理解每一层的核心概念（What）、设计动机（Why）与边界条件。理解为什么需要这个抽象？什么情况下会失效？这些是 AI 无法替代你判断的部分。
实践轨道：从交互沙盒中找 How
通过交互沙盒亲手操作、观察行为变化、建立工程直觉（How）。当你既理解了理论，又积累了实践经验，便能在 AI 生成的代码出现性能瓶颈时快速定位根因，在架构设计面临权衡时做出基于原理的决策。
💡 核心洞察：这正是从"AI 使用者"进阶为"AI 驾驭者"的关键能力——在 AI 生成的代码出现问题时快速定位根因，在架构设计遇到瓶颈时做出正确取舍。当你同时具备理论深度与实践经验，你才能成为驾驶 AI 机车的大牛。
章节导览
可靠、可扩展、可维护
系统设计的三大目标
数据模型与查询语言
关系型 vs 文档型 vs 图数据库
存储与检索
数据库内部如何工作
编码与演化
数据格式的前世今生
复制
让数据多一份保障
分区
把大数据拆小
事务
数据库的原子操作
分布式系统的麻烦
网络不可靠
一致性与共识
让多个节点达成一致
批处理
MapReduce 与离线计算
流处理
实时数据的力量
事件驱动架构
异步通信与事件溯源
云原生数据系统
容器化与微服务架构
数据湖与湖仓一体
现代数据架构
AI/ML 系统的数据架构
特征工程与模型服务
系统的未来
数据系统往何处去
可靠、可扩展、可维护
系统设计的三大目标
数据模型与查询语言
关系型 vs 文档型 vs 图数据库
存储与检索
数据库内部如何工作
编码与演化
数据格式的前世今生
复制
让数据多一份保障
分区
把大数据拆小
事务
数据库的原子操作
分布式系统的麻烦
网络不可靠
一致性与共识
让多个节点达成一致
批处理
MapReduce 与离线计算
流处理
实时数据的力量
事件驱动架构
异步通信与事件溯源
云原生数据系统
容器化与微服务架构
数据湖与湖仓一体
现代数据架构
AI/ML 系统的数据架构
特征工程与模型服务
系统的未来
数据系统往何处去
关联沙盒实验
编译器实验室
CompilerLab
交互式编译器可视化。输入高级语言代码，观察词法分析、语法分析、代码生成的全过程。
SQL 游乐场
SQLPlayground
交互式 SQL 查询实验室。通过挑战学习 SELECT、JOIN、聚合、子查询等 SQL 核心语法。
Wireshark HTTP 实验室
WiresharkHttpLab
计算机网络 HTTP 抓包分析实验室。分析真实 HTTP 请求/响应报文，学习请求方法、状态码、头部字段、缓存控制等核心概念。
Socket 编程实验室
SocketProgrammingLab
计算机网络 Socket 编程实验室。通过 TCP 三次握手、数据传输、四次挥手和 UDP 通信挑战，掌握网络编程核心技能。
Java 并发编程实验室
JavaConcurrencyLab
Java 并发编程实验室。通过竞态条件演示、volatile 可见性、死锁检测、ReentrantLock 和 CAS 原子操作，掌握线程安全核心技能。
自动微分实验室
AutoDiffLab
深度学习自动微分实验室。通过计算图可视化、前向/反向传播、链式法则，理解 PyTorch/TensorFlow 的底层原理。
标签
常见问题
数据密集型应用系统设计（第2版）是什么？
数据密集型应用系统设计（第2版）（Designing Data-Intensive Applications, 2nd Edition）是Martin Kleppmann编写的计算机科学经典教材，由O'Reilly Media出版。分布式系统领域的权威著作第二版。在第一版基础上全面更新，新增云原生架构、事件驱动设计、数据湖仓、AI/ML 系统等前沿内容。系统讲解数据系统的核心概念：可靠性、可扩展性、可维护性。涵盖数据库内部实现、复制与分区、事务与一致性、流处理与批处理。
为什么要读数据密集型应用系统设计（第2版）？
AI 能帮你写代码，但不能帮你建立工程直觉。数据密集型应用系统设计（第2版）帮你深入理解分布式系统、数据库、一致性的核心概念和设计动机，让你能判断 AI 生成的代码是否符合设计约束。
数据密集型应用系统设计（第2版）适合什么水平的学习者？
数据密集型应用系统设计（第2版）适合想要深入研究的资深工程师。建议先完成入门和进阶阶段的学习。
数据密集型应用系统设计（第2版）有多少章？主要内容是什么？
数据密集型应用系统设计（第2版）共 16 章，涵盖可靠、可扩展、可维护、数据模型与查询语言、存储与检索等核心主题。每章都配有详细的导读和核心概念解析。
如何配合交互沙盒学习数据密集型应用系统设计（第2版）？
建议采用理论-实践双轨学习法：从数据密集型应用系统设计（第2版）中找 What 和 Why，从交互沙盒中找 How。学完教材一章后，打开对应层级的沙盒亲手操作验证。这种学习方式建立的工程直觉，是 AI 无法替代的。