Dreamworks

还有一类并发控制的方法：多版本控制（multivesion concurrency control, MVCC)。每个写操作，都会产生一个新的版本，而不是覆写。这样做的好处是，一般不会reject一个操作（事务），即使按照history来说这个操作已经来迟了。而且也不会有太多额外的开销，因为对于下层的DM来说，为了支持recovery，也一般需要存储多个版本。只不过之前DM维护这些版本，对Scheduler不可见而已。

Links

NVML是Intel提供的一个操作NVM的库。背景是把NVM硬件当成一个文件，通过mmap映射到内存空间中来。为了方便使用，在裸的NVM的基础上包装了一些函数，类似于libc中malloc、free等函数，来方便程序员进行内存、事务等管理。其中，libpmem是NVML里面最基础的一个库，也是比较简单的。本文分析了libpmem的源码。

Core

Core表示一个逻辑计算单元，有着单独的L1 cache，能够独立地执行进程或线程。我们日常碰到的双核，4核，其中的核指的就是这个core。可以说是最小的单位了。

Hardware Lock Elision

XACQUIRE和XRELEASE两个接口。

BigTable是google的一个keyvalue store，和dynamo很像。区别是支持范围查询，而dynamo只是纯hash，所以不能范围查。

Dynamo是Amazon的分布式 key-value store。

MapReduce、Drayd包括本文的Spark，都是高级的集群编程模型。前两者都是基于非循环的数据流模型，从物理存储加载；经过DAG的一系列操作，写回到稳定存储。但是这种方式对于迭代式计算、交互式程序效率很低，需要不断地重复读写磁盘。Spark就是针对这种应用方式，提出了一种新的数据模型——RDD（resilient distributed datasets)。

Dryad是微软推出的一个分布式计算框架，类似于MapReduce。但影响力远不如MapReduce。跟MapReduce的区别是编程接口更复杂/灵活。

MapReduce 是google提出的一套计算框架。灵感来源于一些函数式语言。Map 指的是对一个数组所有的元素，全都执行一遍Map函数，得到一个解的数组；Reduce指的是给定一个数组，对数组里的元素两两进行Reduce操作，最后得到一个解。现在在python里面就有map reduce的用法。这里google把它应用到分布式系统里来了，用来处理大规模的数据问题。

TPCC是一个测试数据库性能的benchmark，是一个标准。很多transaction相关的论文都是以这个标准来评测性能的。

场景：会议室预定系统；手机和后台交互。

IVY的问题，每次page fault都需要传一个完整的page，4KB，性能太差。

分布式共享内存，Distributed Shared Memory(DSM),是一种构架，多个机器共享所有的内存，看到的是同一块地址空间。这样就像使用同一个机器一样，操作不同机器上的内存了。

拜占庭的问题是：在一个集群中，某些节点可能是恶意的。而恶意的节点的目标是阻止集群获得协商一致。

占个坑，有空来写一写

占坑。。