存储和发送不可变数据是一个不可阻挡的趋势。我们需要不变性来进行远距离协调，并且随着存储变得更便宜，我们可以承受不变性。这篇文章是对利用不变性的重复计算模式的一个有趣的抽样。
不久之前，计算成本还是高昂都 ，磁盘存储成本高，DRAM（动态随机存取存储器）成本高，但锁存器的协调成本低；但是现在，使用廉价计算（多核）、廉价商品磁盘以及廉价 DRAM 和 SSD（固态驱动器），所有这些都发生了变化，而与锁存器的协调变得更加困难，因为锁存器延迟失去了很多指令机会。保留大量数据的不可变副本现在是负担得起的，而且它的一个回报是：减少竞争协调的挑战。
随着每 TB 磁盘成本的不断下降，存储正在增加。这意味着可以长时间保留大量数据。随着越来越多的数据和工作跨越很远的距离，分布正在增加。数据中心内的数据似乎“遥不可及”。众核芯片中的数据可能看起来“很遥远”。在尝试与遥远的系统进行协调时，分歧正在增加。
本文探讨了应用程序如何在其正在进行的工作中使用不变性，它们如何生成不可变数据集以供以后离线分析，SQL 如何公开和处理不可变快照，以及大规模并行大数据工作如何依赖于不可变数据集。
接下来，本文考虑了可更新性如何通过 LSF（日志结构文件系统）、COW（写时复制）和 LSM（日志结构合并树）等技术在创建新的不可变文件之上分层。复制和分布式文件系统如何依赖不变性来消除异常？通过在 SSD 和 HDD（硬盘驱动器）中利用这些技巧，硬件人员加入了这一行列。不
设计正在推动不变性，这是在不断增加的距离上进行协调所必需的。给定可以长期存储数据的空间，不变性是可以承受的。版本控制提供了一个不断变化的视图，而底层数据则用绑定到唯一标识符的新内容来表示。
- •写时复制。许多新兴系统利用 COW 语义来提供变化的外观，同时将不可变文件写入底层存储。反过来，底层存储提供健壮性和可扩展性，因为它存储不可变文件。例如，许多键值系统是用 LSM 树实现的（例如，HBase、BigTable 和 LevelDB）。
- 干净复制。当数据不可变且具有唯一标识符时，复制的许多挑战就得到缓解。永远不必担心找到数据的陈旧版本，因为不存在陈旧版本。因此，复制系统可能会更加流畅，并且对于允许副本放置的位置不那么挑剔。复制错误也更少。
- 不可变数据集。不可变数据集可以通过引用与事务数据库数据相结合，并在数据集投影关系模式和表时提供清晰的语义。查看不可变数据集投射的语义，您可以创建它的新版本，针对不同的使用模式进行优化，但仍投射相同的语义。投影、冗余副本、非规范化、索引和列存储都是优化不可变数据同时保留其语义的示例。
- 并行性和容错性。不变性和函数计算是实现大数据的关键。
更多点击标题