ডেটা ডিকোটমি: ডেটা এবং পরিষেবার মধ্যে সম্পর্ক পুনর্বিবেচনা

হাই সব! আমাদের কাছে দারুণ খবর আছে, OTUS আবার জুন মাসে কোর্স চালু করছে "সফটওয়্যার স্থপতি", যার সাথে আমরা ঐতিহ্যগতভাবে আপনার সাথে দরকারী উপাদান শেয়ার করি।

আপনি যদি কোনও প্রসঙ্গ ছাড়াই এই সম্পূর্ণ মাইক্রোসার্ভিস জিনিসটি দেখে থাকেন তবে এটি কিছুটা অদ্ভুত বলে মনে করার জন্য আপনাকে ক্ষমা করা হবে। একটি নেটওয়ার্ক দ্বারা সংযুক্ত টুকরো টুকরো একটি অ্যাপ্লিকেশনকে বিভক্ত করার অর্থ হল বিতরণ করা সিস্টেমে জটিল ত্রুটি সহনশীলতা মোড যোগ করা।

যদিও এই পদ্ধতির সাথে এটিকে অনেকগুলি স্বাধীন পরিষেবায় ভেঙে দেওয়া জড়িত, শেষ লক্ষ্যটি কেবলমাত্র সেই পরিষেবাগুলিকে বিভিন্ন মেশিনে চালানোর চেয়ে অনেক বেশি। আমরা এখানে বাইরের বিশ্বের সাথে মিথস্ক্রিয়া সম্পর্কে কথা বলছি, যা তার সারাংশে বিতরণ করা হয়। প্রযুক্তিগত অর্থে নয়, বরং একটি ইকোসিস্টেমের অর্থে যা অনেক লোক, দল, প্রোগ্রাম এবং এই অংশগুলির প্রতিটিকে কোনও না কোনওভাবে তার কাজ করতে হবে।

কোম্পানিগুলি, উদাহরণস্বরূপ, বিতরণ করা সিস্টেমগুলির একটি সংগ্রহ যা সম্মিলিতভাবে কিছু লক্ষ্য অর্জনে অবদান রাখে। আমরা কয়েক দশক ধরে এই সত্যটিকে উপেক্ষা করেছি, আমাদের নিজস্ব বিচ্ছিন্ন লক্ষ্যগুলিতে ফোকাস করার সময় FTPing ফাইল বা এন্টারপ্রাইজ ইন্টিগ্রেশন টুল ব্যবহার করে একীকরণ অর্জনের চেষ্টা করছি। কিন্তু পরিষেবার আবির্ভাবের সাথে, সবকিছু বদলে গেছে। পরিষেবাগুলি আমাদের দিগন্তের বাইরে দেখতে এবং একত্রে কাজ করে এমন পরস্পর নির্ভরশীল প্রোগ্রামগুলির একটি বিশ্ব দেখতে সাহায্য করেছে৷ যাইহোক, সফলভাবে কাজ করার জন্য, দুটি মৌলিকভাবে ভিন্ন জগতকে চিনতে এবং ডিজাইন করা প্রয়োজন: বাহ্যিক বিশ্ব, যেখানে আমরা অন্যান্য অনেক পরিষেবার বাস্তুতন্ত্রে বাস করি এবং আমাদের ব্যক্তিগত, অভ্যন্তরীণ বিশ্ব, যেখানে আমরা একা শাসন করি।

এই বিতরণ করা জগতটি আমরা যেটিতে বড় হয়েছি এবং অভ্যস্ত তার থেকে আলাদা। ঐতিহ্যগত একচেটিয়া স্থাপত্য নির্মাণের নীতিগুলি সমালোচনার মুখোমুখি হয় না। সুতরাং এই সিস্টেমগুলিকে সঠিকভাবে পাওয়া একটি দুর্দান্ত হোয়াইটবোর্ড ডায়াগ্রাম বা ধারণার একটি দুর্দান্ত প্রমাণ তৈরি করার চেয়ে আরও বেশি কিছু। বিন্দু হল এই ধরনের একটি সিস্টেম দীর্ঘ সময় ধরে সফলভাবে কাজ করে তা নিশ্চিত করা। সৌভাগ্যবশত, পরিষেবাগুলি বেশ কিছুদিন ধরে রয়েছে, যদিও সেগুলি দেখতে আলাদা৷ SOA পাঠ এখনও প্রাসঙ্গিক, এমনকি ডকার, কুবারনেটস এবং সামান্য জর্জরিত হিপস্টার দাড়ির সাথে পাকা।

তাই আজকে আমরা দেখব যে নিয়মগুলি কীভাবে পরিবর্তিত হয়েছে, কেন আমাদের পরিষেবাগুলির সাথে যোগাযোগ করার উপায় এবং তারা একে অপরের কাছে পাঠানো ডেটাকে পুনর্বিবেচনা করতে হবে এবং কেন এটি করার জন্য আমাদের সম্পূর্ণ ভিন্ন সরঞ্জামের প্রয়োজন হবে৷

Encapsulation সবসময় আপনার বন্ধু হবে না

মাইক্রোসার্ভিস একে অপরের থেকে স্বাধীনভাবে কাজ করতে পারে। এই সম্পত্তিই তাদের সর্বোচ্চ মূল্য দেয়। এই একই সম্পত্তি পরিষেবাগুলিকে স্কেল এবং বৃদ্ধি করতে দেয়। চতুর্ভুজ ব্যবহারকারী বা পেটাবাইট ডেটার স্কেলিং অর্থে (যদিও সেগুলি সেখানেও সাহায্য করতে পারে), তবে দল এবং সংস্থাগুলি ক্রমাগত বৃদ্ধির সাথে সাথে মানুষের পরিপ্রেক্ষিতে স্কেলিং অর্থে।

যাইহোক, স্বাধীনতা একটি দ্বি-ধারী তলোয়ার। অর্থাৎ সেবা নিজেই সহজে ও স্বাভাবিকভাবে চলতে পারে। কিন্তু যদি একটি ফাংশন একটি পরিষেবার মধ্যে প্রয়োগ করা হয় যার জন্য অন্য পরিষেবা ব্যবহার করা প্রয়োজন, তাহলে আমাদের প্রায় একই সাথে উভয় পরিষেবাতে পরিবর্তন করতে হবে। একটি মনোলিথে এটি করা সহজ, আপনি কেবল একটি পরিবর্তন করুন এবং এটিকে প্রকাশের জন্য পাঠান, তবে স্বাধীন পরিষেবাগুলি সিঙ্ক্রোনাইজ করার ক্ষেত্রে আরও সমস্যা হবে৷ দল এবং রিলিজ চক্রের মধ্যে সমন্বয় তত্পরতা নষ্ট করে।

স্ট্যান্ডার্ড পদ্ধতির অংশ হিসাবে, তারা কেবল পরিষেবাগুলির মধ্যে কার্যকারিতাকে স্পষ্টভাবে বিভক্ত করে বিরক্তিকর এন্ড-টু-এন্ড পরিবর্তনগুলি এড়াতে চেষ্টা করে। একক সাইন-অন পরিষেবা এখানে একটি ভাল উদাহরণ হতে পারে। এটির একটি স্পষ্টভাবে সংজ্ঞায়িত ভূমিকা রয়েছে যা এটিকে অন্যান্য পরিষেবা থেকে আলাদা করে। এই স্পষ্ট পৃথকীকরণের অর্থ হল এর আশেপাশের পরিষেবাগুলিতে দ্রুত পরিবর্তনশীল চাহিদার বিশ্বে, একক সাইন-অন পরিষেবার পরিবর্তন হওয়ার সম্ভাবনা নেই৷ এটি একটি কঠোরভাবে সীমিত প্রেক্ষাপটের মধ্যে বিদ্যমান।

সমস্যা হল বাস্তব জগতে, ব্যবসায়িক পরিষেবাগুলি সব সময় ভূমিকাগুলির একই বিশুদ্ধ বিচ্ছেদ বজায় রাখতে পারে না। উদাহরণস্বরূপ, একই ব্যবসায়িক পরিষেবাগুলি অন্যান্য অনুরূপ পরিষেবাগুলি থেকে আসা ডেটার সাথে আরও বেশি পরিমাণে কাজ করে। আপনি যদি অনলাইন খুচরা বিক্রেতার সাথে জড়িত হন, তাহলে অর্ডার প্রবাহ, পণ্যের ক্যাটালগ বা ব্যবহারকারীর তথ্য প্রক্রিয়াকরণ আপনার অনেক পরিষেবার জন্য প্রয়োজনীয় হয়ে উঠবে। পরিচালনার জন্য প্রতিটি পরিষেবার এই ডেটাতে অ্যাক্সেসের প্রয়োজন হবে।

বেশিরভাগ ব্যবসায়িক পরিষেবা একই ডেটা স্ট্রিম ভাগ করে, তাই তাদের কাজ অবিচ্ছিন্নভাবে জড়িত থাকে।

এইভাবে আমরা একটি গুরুত্বপূর্ণ পয়েন্টে আসি যার বিষয়ে কথা বলা উচিত। যদিও পরিষেবাগুলি পরিকাঠামোর উপাদানগুলির জন্য ভাল কাজ করে যা মূলত বিচ্ছিন্নভাবে কাজ করে, বেশিরভাগ ব্যবসায়িক পরিষেবাগুলি আরও ঘনিষ্ঠভাবে জড়িত থাকে।

ডেটা ডিকোটমি

পরিষেবা-ভিত্তিক পদ্ধতিগুলি ইতিমধ্যেই বিদ্যমান থাকতে পারে, তবে পরিষেবাগুলির মধ্যে কীভাবে প্রচুর পরিমাণে ডেটা ভাগ করা যায় সে সম্পর্কে তাদের এখনও অন্তর্দৃষ্টি নেই।

প্রধান সমস্যা হল যে ডেটা এবং পরিষেবাগুলি অবিচ্ছেদ্য। একদিকে, এনক্যাপসুলেশন আমাদেরকে ডেটা লুকানোর জন্য উৎসাহিত করে যাতে পরিষেবাগুলি একে অপরের থেকে আলাদা করা যায় এবং তাদের বৃদ্ধি এবং আরও পরিবর্তনগুলিকে সহজতর করতে পারে। অন্যদিকে, আমাদের অন্য যেকোনো ডেটার মতোই ভাগ করা ডেটা অবাধে ভাগ করতে এবং জয় করতে সক্ষম হতে হবে। বিন্দু হল অবিলম্বে কাজ শুরু করতে সক্ষম হবেন, অন্য যেকোনো তথ্য ব্যবস্থার মতো অবাধে।

যাইহোক, ইনক্যাপসুলেশনের সাথে তথ্য ব্যবস্থার খুব কমই সম্পর্ক আছে। আসলে, এটা বেশ বিপরীত. ডাটাবেসগুলি তাদের সঞ্চয় করা ডেটাতে অ্যাক্সেস প্রদানের জন্য সবকিছু করে। তারা একটি শক্তিশালী ঘোষণামূলক ইন্টারফেসের সাথে আসে যা আপনাকে আপনার প্রয়োজন অনুযায়ী ডেটা পরিবর্তন করতে দেয়। এই ধরনের কার্যকারিতা প্রাথমিক গবেষণা পর্যায়ে গুরুত্বপূর্ণ, কিন্তু ক্রমাগত বিকশিত পরিষেবার ক্রমবর্ধমান জটিলতা পরিচালনার জন্য নয়।

এবং এখানে একটি দ্বিধা দেখা দেয়। দ্বন্দ্ব। দ্বিধাবিভক্তি। সব পরে, তথ্য সিস্টেম তথ্য প্রদান সম্পর্কে, এবং সেবা লুকানো সম্পর্কে.

এই দুটি শক্তি মৌলিক। তারা আমাদের অনেক কাজকে আন্ডারপিন করে, আমরা যে সিস্টেমগুলি তৈরি করি তার শ্রেষ্ঠত্বের জন্য ক্রমাগত লড়াই করে।

পরিষেবা সিস্টেমগুলি বৃদ্ধি এবং বিকশিত হওয়ার সাথে সাথে আমরা বিভিন্ন উপায়ে ডেটা ডিকোটমির পরিণতি দেখতে পাই। হয় পরিষেবা ইন্টারফেস বৃদ্ধি পাবে, কার্যকারিতার একটি ক্রমবর্ধমান পরিসীমা প্রদান করবে এবং একটি খুব অভিনব হোমগ্রোউন ডাটাবেসের মতো দেখাতে শুরু করবে, অথবা আমরা হতাশ হয়ে পড়ব এবং পরিষেবা থেকে পরিষেবাতে ডেটার সম্পূর্ণ সেট পুনরুদ্ধার বা সরানোর জন্য কিছু উপায় বাস্তবায়ন করব৷

পরিবর্তে, এমন কিছু তৈরি করা যা একটি অভিনব স্বদেশী ডাটাবেসের মতো দেখায় তা অনেক সমস্যার দিকে পরিচালিত করবে। কেন এটি বিপজ্জনক সে সম্পর্কে আমরা বিস্তারিতভাবে যাব না ভাগ করা ডাটাবেস, আসুন শুধু বলি যে এটি উল্লেখযোগ্য ব্যয়বহুল ইঞ্জিনিয়ারিং এবং অপারেশনাল প্রতিনিধিত্ব করে অসুবিধা যে কোম্পানি এটি ব্যবহার করার চেষ্টা করছে তার জন্য।

সবচেয়ে খারাপ হল যে ডেটা ভলিউম পরিষেবার সীমানা সমস্যাকে বড় করে। একটি পরিষেবার মধ্যে যত বেশি ভাগ করা ডেটা থাকবে, ইন্টারফেসটি তত জটিল হবে এবং বিভিন্ন পরিষেবা থেকে আগত ডেটা সেটগুলিকে একত্রিত করা আরও কঠিন হবে।

সম্পূর্ণ ডেটা সেট নিষ্কাশন এবং সরানোর বিকল্প পদ্ধতিরও সমস্যা রয়েছে। এই প্রশ্নের একটি সাধারণ পদ্ধতির মত দেখায় কেবলমাত্র সমগ্র ডেটাসেট পুনরুদ্ধার করা এবং সঞ্চয় করা, এবং তারপরে প্রতিটি গ্রাহক পরিষেবাতে স্থানীয়ভাবে সংরক্ষণ করা।

সমস্যা হল যে বিভিন্ন পরিষেবাগুলি তারা যে ডেটা ব্যবহার করে তা ভিন্নভাবে ব্যাখ্যা করে। এই তথ্য সবসময় হাতে আছে. তারা স্থানীয়ভাবে সংশোধন এবং প্রক্রিয়া করা হয়. খুব দ্রুত তারা উৎসের ডেটার সাথে মিল থাকা বন্ধ করে দেয়।

কপিগুলি যত বেশি পরিবর্তনযোগ্য হবে, সময়ের সাথে সাথে ডেটা তত বেশি পরিবর্তিত হবে।

বিষয়গুলিকে আরও খারাপ করার জন্য, এই জাতীয় ডেটা পূর্ববর্তী দৃষ্টিতে সংশোধন করা কঠিন (MDM এখানেই এটি সত্যিই উদ্ধারে আসতে পারে)। প্রকৃতপক্ষে, কিছু জটিল প্রযুক্তি সমস্যা যা ব্যবসার সম্মুখীন হয় ভিন্ন ভিন্ন তথ্য থেকে উদ্ভূত হয় যা প্রয়োগ থেকে প্রয়োগে গুণিত হয়।

এই সমস্যার সমাধান খুঁজতে হলে শেয়ার করা ডেটা নিয়ে আমাদের আলাদাভাবে ভাবতে হবে। আমাদের তৈরি করা আর্কিটেকচারে তাদের অবশ্যই প্রথম শ্রেণীর বস্তু হতে হবে। প্যাট হেল্যান্ড এই ধরনের ডেটাকে "বাহ্যিক" বলে, এবং এটি একটি অত্যন্ত গুরুত্বপূর্ণ বৈশিষ্ট্য। আমাদের এনক্যাপসুলেশন দরকার যাতে আমরা কোনও পরিষেবার অভ্যন্তরীণ কাজগুলিকে প্রকাশ না করি, তবে আমাদের পরিষেবাগুলির জন্য ভাগ করা ডেটা অ্যাক্সেস করা সহজ করে তুলতে হবে যাতে তারা তাদের কাজগুলি সঠিকভাবে করতে পারে।

সমস্যাটি হল যে কোনও পদ্ধতিই আজ প্রাসঙ্গিক নয়, যেহেতু পরিষেবা ইন্টারফেস, বার্তাপ্রেরণ বা ভাগ করা ডেটাবেস বাহ্যিক ডেটা নিয়ে কাজ করার জন্য একটি ভাল সমাধান দেয় না। পরিষেবা ইন্টারফেসগুলি যে কোনও স্কেলে ডেটা বিনিময়ের জন্য খারাপভাবে উপযুক্ত। মেসেজিং ডেটা স্থানান্তরিত করে কিন্তু এর ইতিহাস সংরক্ষণ করে না, তাই সময়ের সাথে সাথে ডেটা নষ্ট হয়ে যায়। ভাগ করা ডেটাবেসগুলি একটি বিন্দুতে খুব বেশি ফোকাস করে, যা অগ্রগতিকে আটকে রাখে। আমরা অনিবার্যভাবে ডেটা ব্যর্থতার চক্রে আটকে যাই:

ডেটা ব্যর্থতার চক্র

স্ট্রীম: ডেটা এবং পরিষেবাগুলির একটি বিকেন্দ্রীকৃত পদ্ধতি

আদর্শভাবে, আমাদের ভাগ করা ডেটার সাথে পরিষেবাগুলির কাজ করার উপায় পরিবর্তন করতে হবে। এই মুহুর্তে, হয় পদ্ধতিটি পূর্বোক্ত দ্বিধাবিভক্তির মুখোমুখি হয়, কারণ এটিকে অদৃশ্য করার জন্য এটিতে ছিটিয়ে দেওয়া যেতে পারে এমন কোনও জাদু ধুলো নেই। যাইহোক, আমরা সমস্যাটি পুনর্বিবেচনা করতে পারি এবং একটি আপস করতে পারি।

এই আপস একটি নির্দিষ্ট মাত্রা কেন্দ্রীকরণ জড়িত. আমরা বিতরণ করা লগ মেকানিজম ব্যবহার করতে পারি কারণ এটি নির্ভরযোগ্য, মাপযোগ্য স্ট্রীম সরবরাহ করে। আমরা এখন চাই যে পরিষেবাগুলি এই ভাগ করা থ্রেডগুলিতে যোগদান করতে এবং পরিচালনা করতে সক্ষম হবে, কিন্তু আমরা জটিল কেন্দ্রীভূত ঈশ্বর পরিষেবাগুলি এড়াতে চাই যা এই প্রক্রিয়াকরণ করে। অতএব, সর্বোত্তম বিকল্প হল প্রতিটি ভোক্তা পরিষেবাতে স্ট্রিম প্রক্রিয়াকরণ তৈরি করা। এইভাবে, পরিষেবাগুলি বিভিন্ন উত্স থেকে ডেটা সেটগুলিকে একত্রিত করতে সক্ষম হবে এবং তাদের সাথে তাদের প্রয়োজনীয় উপায়ে কাজ করবে৷

এই পদ্ধতি অর্জনের একটি উপায় হল একটি স্ট্রিমিং প্ল্যাটফর্ম ব্যবহার করা। অনেকগুলি বিকল্প আছে, কিন্তু আজ আমরা কাফকার দিকে তাকাব, যেহেতু এর স্টেটফুল স্ট্রিম প্রসেসিং ব্যবহার আমাদের কার্যকরভাবে উপস্থাপিত সমস্যার সমাধান করতে দেয়।

একটি বিতরণকৃত লগিং প্রক্রিয়া ব্যবহার করে আমাদেরকে সু-ট্রডেড পথ অনুসরণ করতে এবং এর সাথে কাজ করার জন্য মেসেজিং ব্যবহার করার অনুমতি দেয় ঘটনা-চালিত আর্কিটেকচার. এই পদ্ধতিটি অনুরোধ-প্রতিক্রিয়া পদ্ধতির চেয়ে ভাল স্কেলিং এবং পার্টিশন প্রদানের জন্য বিবেচনা করা হয় কারণ এটি প্রেরকের চেয়ে রিসিভারের প্রবাহের নিয়ন্ত্রণ দেয়। যাইহোক, এই জীবনের সবকিছুর জন্য আপনাকে অর্থ প্রদান করতে হবে এবং এখানে আপনার একজন দালাল প্রয়োজন। কিন্তু বড় সিস্টেমের জন্য, ট্রেড-অফটি মূল্যবান (যা আপনার গড় ওয়েব অ্যাপ্লিকেশনের ক্ষেত্রে নাও হতে পারে)।

যদি কোনো দালাল প্রথাগত মেসেজিং সিস্টেমের পরিবর্তে বিতরণ করা লগিংয়ের জন্য দায়ী থাকে, তাহলে আপনি অতিরিক্ত বৈশিষ্ট্যের সুবিধা নিতে পারেন। পরিবহনটি রৈখিকভাবে স্কেল করতে পারে প্রায় সেইসাথে একটি বিতরণ করা ফাইল সিস্টেম। ডেটা দীর্ঘ সময়ের জন্য লগগুলিতে সংরক্ষণ করা যেতে পারে, তাই আমরা কেবল বার্তা বিনিময়ই নয়, তথ্য সঞ্চয়ও পাই। পরিবর্তনযোগ্য শেয়ার্ড স্টেটের ভয় ছাড়াই স্কেলেবল স্টোরেজ।

আপনি তারপর ব্যবহার করতে পারেন স্টেটফুল স্ট্রীম প্রসেসিং ডিক্লারেটিভ ডাটাবেস টুল কনজিউমিং সার্ভিসে যোগ করতে। এটি একটি খুব গুরুত্বপূর্ণ ধারণা. সমস্ত পরিষেবাগুলি অ্যাক্সেস করতে পারে এমন শেয়ার্ড স্ট্রিমগুলিতে ডেটা সংরক্ষণ করা হলেও, পরিষেবাটি যে একত্রিতকরণ এবং প্রক্রিয়াকরণ করে তা ব্যক্তিগত। তারা কঠোরভাবে সীমিত প্রেক্ষাপটের মধ্যে নিজেদের বিচ্ছিন্ন খুঁজে পায়।

অপরিবর্তনীয় স্টেট স্ট্রীমকে আলাদা করে ডেটা ডিকোটমি দূর করুন। তারপর স্টেটফুল স্ট্রিম প্রসেসিং ব্যবহার করে প্রতিটি পরিষেবাতে এই কার্যকারিতা যোগ করুন।

এইভাবে, যদি আপনার পরিষেবার অর্ডার, একটি পণ্যের ক্যাটালগ, একটি গুদাম নিয়ে কাজ করার প্রয়োজন হয়, তবে এটির সম্পূর্ণ অ্যাক্সেস থাকবে: শুধুমাত্র আপনি সিদ্ধান্ত নেবেন কোন ডেটা একত্রিত করতে হবে, কোথায় এটি প্রক্রিয়া করতে হবে এবং সময়ের সাথে সাথে কীভাবে এটি পরিবর্তন করা উচিত। ডেটা ভাগ করা সত্ত্বেও, এটির সাথে কাজ সম্পূর্ণ বিকেন্দ্রীকৃত। এটি প্রতিটি পরিষেবার মধ্যে উত্পাদিত হয়, এমন একটি বিশ্বে যেখানে সবকিছু আপনার নিয়ম অনুসারে চলে।

এর অখণ্ডতার সাথে আপস না করে ডেটা ভাগ করুন। ফাংশনটি এনক্যাপসুলেট করুন, উত্স নয়, প্রতিটি পরিষেবাতে যার প্রয়োজন।

এটি এমন হয় যে ডেটা ব্যাপকভাবে সরানো দরকার। কখনও কখনও একটি পরিষেবার জন্য নির্বাচিত ডাটাবেস ইঞ্জিনে একটি স্থানীয় ঐতিহাসিক ডেটাসেটের প্রয়োজন হয়৷ কৌশলটি হল যে আপনি গ্যারান্টি দিতে পারেন যে, প্রয়োজনে, বিতরণকৃত লগিং প্রক্রিয়া অ্যাক্সেস করে উত্স থেকে একটি অনুলিপি পুনরুদ্ধার করা যেতে পারে। কাফকার সংযোগকারীরা এটির একটি দুর্দান্ত কাজ করে।

সুতরাং, আজ আলোচনা করা পদ্ধতির বেশ কয়েকটি সুবিধা রয়েছে:

• ডেটা সাধারণ স্ট্রীম আকারে ব্যবহার করা হয়, যা দীর্ঘ সময়ের জন্য লগগুলিতে সংরক্ষণ করা যেতে পারে এবং সাধারণ ডেটার সাথে কাজ করার পদ্ধতি প্রতিটি পৃথক প্রসঙ্গে হার্ডওয়্যারযুক্ত, যা পরিষেবাগুলিকে সহজে এবং দ্রুত কাজ করতে দেয়৷ এইভাবে, ডেটার দ্বিধা ভারসাম্যপূর্ণ হতে পারে।
• বিভিন্ন পরিষেবা থেকে আসা ডেটা সহজেই সেটে একত্রিত করা যেতে পারে। এটি ভাগ করা ডেটার সাথে মিথস্ক্রিয়াকে সহজ করে এবং ডাটাবেসে স্থানীয় ডেটাসেটগুলি বজায় রাখার প্রয়োজনীয়তা দূর করে।
• স্টেটফুল স্ট্রীম প্রসেসিং শুধুমাত্র ডেটা ক্যাশে করে, এবং সত্যের উৎস সাধারণ লগ থেকে যায়, তাই সময়ের সাথে ডেটা দুর্নীতির সমস্যা এতটা তীব্র হয় না।
• তাদের মূলে, পরিষেবাগুলি ডেটা-চালিত, যার অর্থ হল ডেটার ক্রমবর্ধমান পরিমাণ সত্ত্বেও, পরিষেবাগুলি এখনও ব্যবসায়িক ইভেন্টগুলিতে দ্রুত সাড়া দিতে পারে৷
• পরিমাপযোগ্যতার সমস্যাগুলি ব্রোকারের উপর পড়ে, পরিষেবাগুলিতে নয়। এটি উল্লেখযোগ্যভাবে লেখার পরিষেবাগুলির জটিলতা হ্রাস করে, যেহেতু স্কেলেবিলিটি সম্পর্কে চিন্তা করার দরকার নেই।
• নতুন পরিষেবাগুলি যোগ করার জন্য পুরানোগুলি পরিবর্তন করার প্রয়োজন হয় না, তাই নতুন পরিষেবাগুলি সংযুক্ত করা সহজ হয়ে যায়৷

আপনি দেখতে পাচ্ছেন, এটি কেবল বিশ্রামের চেয়ে বেশি। আমরা এমন একটি সরঞ্জাম পেয়েছি যা আপনাকে বিকেন্দ্রীকৃত পদ্ধতিতে ভাগ করা ডেটার সাথে কাজ করতে দেয়।

আজকের নিবন্ধে সমস্ত দিক কভার করা হয়নি। অনুরোধ-প্রতিক্রিয়া দৃষ্টান্ত এবং ঘটনা-চালিত দৃষ্টান্তের মধ্যে কীভাবে ভারসাম্য বজায় রাখা যায় তা আমাদের এখনও খুঁজে বের করতে হবে। কিন্তু আমরা পরের বার এটি মোকাবেলা করব. এমন কিছু বিষয় রয়েছে যা আপনাকে আরও ভালভাবে জানতে হবে, উদাহরণস্বরূপ, কেন স্টেটফুল স্ট্রিম প্রসেসিং এত ভাল। আমরা তৃতীয় নিবন্ধে এই বিষয়ে কথা বলব। এবং অন্যান্য শক্তিশালী নির্মাণ রয়েছে যেগুলিকে আমরা অবলম্বন করলে আমরা সুবিধা নিতে পারি, উদাহরণস্বরূপ, ঠিক একবার প্রক্রিয়াকরণ. এটি বিতরণকৃত ব্যবসায়িক সিস্টেমের জন্য একটি গেম চেঞ্জার কারণ এটি লেনদেনের গ্যারান্টি প্রদান করে XA একটি মাপযোগ্য আকারে। এটি চতুর্থ প্রবন্ধে আলোচনা করা হবে। অবশেষে, আমাদের এই নীতিগুলির বাস্তবায়নের বিশদটি দেখতে হবে।

কিন্তু আপাতত, শুধু এটি মনে রাখবেন: ডেটা ডিকোটমি হল এমন একটি শক্তি যা আমরা ব্যবসায়িক পরিষেবাগুলি তৈরি করার সময় মুখোমুখি হই। এবং আমাদের এটি মনে রাখতে হবে। কৌশলটি হল সবকিছুকে তার মাথায় ঘুরিয়ে দেওয়া এবং ভাগ করা ডেটাকে প্রথম-শ্রেণীর বস্তু হিসাবে বিবেচনা করা। স্টেটফুল স্ট্রিম প্রসেসিং এর জন্য একটি অনন্য আপস প্রদান করে। এটি কেন্দ্রীভূত "ঈশ্বর উপাদান" এড়িয়ে চলে যা অগ্রগতি আটকে রাখে। অধিকন্তু, এটি ডেটা স্ট্রিমিং পাইপলাইনগুলির তত্পরতা, মাপযোগ্যতা এবং স্থিতিস্থাপকতা নিশ্চিত করে এবং প্রতিটি পরিষেবাতে সেগুলি যুক্ত করে। অতএব, আমরা চেতনার সাধারণ প্রবাহের উপর ফোকাস করতে পারি যার সাথে যেকোনো পরিষেবা সংযোগ করতে পারে এবং তার ডেটার সাথে কাজ করতে পারে। এটি পরিষেবাগুলিকে আরও মাপযোগ্য, বিনিময়যোগ্য এবং স্বায়ত্তশাসিত করে তোলে। সুতরাং তারা শুধুমাত্র হোয়াইটবোর্ড এবং হাইপোথিসিস পরীক্ষায় ভাল দেখাবে না, কিন্তু তারা কাজ করবে এবং কয়েক দশক ধরে বিবর্তিত হবে।

কোর্স সম্পর্কে আরও জানুন.

উত্স: www.habr.com