分布式系统领域CAP理论阐述，一个分布式系统无法同时满足一致性[Consistency]，可用性[Availability]，分区容错性[Partition tolerance]。最多只能满足三个中的两个。

NoSQL是针对海量非关系型数据的数据库系统。其全称存在争议，一般认为是Not Only SQL，意思是不仅仅是SQL，但是Martin Fowler认为，NoSQL不是英文Not Only SQL的缩写，因为如果是，那应该是NOSQL 而不是NoSQL。不过名称并不重要，NoSQL的实质就是非关系型数据库。它和传统关系数据库的区别在于：NoSQL不使用SQL作为查询语言。其数据存储可以不需要固定的表格模式，也经常会避免使用SQL的JOIN操作，一般有水平可扩展性的特征，就是scalability很好。

近代西方传统中，认为先验指无需经验或先于经验获得的知识。它通常与后验知识相比较，后验意指在经验之后，需要经验。这一区分来自于中世纪逻辑所区分的两种论证，从原因到结果的论证称为先验的，而从结果到原因的论证称为后验的。

最大似然估计Maximum Likelihood Estimation，简写就是MLE。非常重要且常用的概念，后面要介绍的期望最大化算法就是以它为基础的。这个玩意最早是高斯提出，后经Fisher重新提出并推广。

首先，Likelihood翻译成似然，翻译的很好也很不好，中国古文翻译讲究信达雅，翻译成似然真算是信达雅了。但是我凡夫俗子，还不能理解到位。其实Likelihood的中文解释是可能性，也就是说似然函数叫可能性函数更直接一些。那么问题来了，是什么的可能性函数？我还是举还是硬币的例子，一个硬币，质地均匀，我是非常公正的抛，抛一次正面的概率是多少，这就是probability。如果说一个硬币，我抛了10次，正面的probability是0.4，那么这个硬币质地均匀的概率是多少，这就是likelihood。

作为推荐系统的经典算法，协同过滤可以说是广泛地被学术界和工业界认可，其实协同过滤的原始算法非常简单，并且易于实现。现在很多论文提出的非常复杂的算法，从实验结果看也很漂亮，但在工业界看来根本不能用，这可能就是学术界和工业界的脱节。反观协同过滤算法，虽然简单，但是易于使用，而且确实非常有效。所以，simple but practical is the best。

tree是一种致力于提高索引效率加快存取速度二叉查找树[Binary Search Tree]形数据结构。

如果一个数据库只有一个用户的话，很多我们现在考虑的问题都不会存在，而数据库的设计也会变得比较简单。但是现实中，数据库一般是一个大型的共享资源，也就意味着很多用户都要进行事物操作，这也就带来一个问题就是，如果一个数据被一个以上的用户同时访问怎么办？这个就是数据库中的并发控制问题。举一个估计被说烂的例子：