信息系统（Information system）就是涉及信息的存储，传输与处理的软硬件设备。
大数据系统是实现大数据存储、管理、处理和服务的分布式信息系统。分布式系统定义：“A distributed system is a collection of autonomous computing elements that appears to its users as a single coherent system.”
[https://www.distributed-systems.net Distributed Systems]
#M Steen, AS Tanenbaum, Distributed systems: principles and paradigms, Prentice Hall, 2007.
==信息系统的设计原则==
设计问题：集中式与分布式？
==信息系统的设计思路分布式系统的设计思路==大数据系统设计的基本思路：分布式系统设计的基本思路： #单台机器能力有限，需要多机系统。（并行性、扩展性）#单台机器容易出现故障，系统要能容错。（可靠性）#多机系统之间需要高速可靠的网络通信。（局部网络）#集群上的编程要简单。（易用性） 防范多机系统中，单台机器故障导致系统功能不正常： #数据要冗余备份，分布在不同机器上。#任务要能够切分成独立的单个任务小任务。#系统能监控不同计算任务的运行状况，保障每个计算任务的正确执行。#遇到单台机器故障时，系统能重新部署该机器上的计算任务。计算任务超时则重启和重新部署。 用户与系统交互： #用户程序在多台机器上运行，用户编程不必要关心底层细节。
#单台机器能力有限，需要多机系统；（并行性）
#数据要分布在不同机器上，之间需要网络通信；（扩展性）
#单台机器容易出现故障，系统要能容错；（可靠性）
#用户程序在多台机器上运行，编程要简单。（易用性）
=分布式存储与并行处理系统=
机器的随机宕机，不会导致文件系统的可用性问题；
=== 谷歌文件系统GFS ===
研究论文：
# Sanjay Ghemawat, Howard Gobioff, and Shun-Tak Leung. "The Google file system." SOSP 2003.
== 并行处理 ==
研究论文：
# Jeffrey Dean and Sanjay Ghemawat, MapReduce: Simplified Data Processing on Large Clusters, OSDI 2004.
==分布式数据库系统==
Massive Parallel Processing MPP
PostgreSQL vs. Greenplum
#Obe, Regina O., and Leo S. Hsu. PostgreSQL: Up and Running: A Practical Introduction to the Advanced Open Source Database. " O'Reilly Media, Inc.", 2014.
#何勇，陈晓峰，Greenplum 企业应用实战，机械工业出版社，2014
=参考教材=
#M Steen, AS Tanenbaum, Distributed systems: principles and paradigms, Prentice Hall, 2007. [https://www.distributed-systems.net Distributed Systems]