{"id":103820,"date":"2022-04-19T21:36:50","date_gmt":"2022-04-19T19:36:51","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/yandeks-otkryl-kod-raspredelyonnoj-subd-ydb-podderzhivayushhej-sql"},"modified":"2022-04-19T21:36:50","modified_gmt":"2022-04-19T19:36:51","slug":"yandeks-otkryl-kod-raspredelyonnoj-subd-ydb-podderzhivayushhej-sql","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/novosti-interneta\/yandeks-otkryl-kod-raspredelyonnoj-subd-ydb-podderzhivayushhej-sql","title":{"rendered":"Yandex hat den Code der verteilten Datenbank YDB ver\u00f6ffentlicht, die SQL unterst\u00fctzt.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"
Das Unternehmen Yandex hat den Quellcode seiner verteilten Datenbank YDB ver\u00f6ffentlicht, die SQL-Dialekte und ACID-Transaktionen unterst\u00fctzt. Die Datenbank wurde von Grund auf neu entwickelt und fokussiert sich von Beginn an auf Ausfallsicherheit, automatisches Recovery bei St\u00f6rungen und Skalierbarkeit. Yandex betreibt bereits funktionale YDB-Cluster, die \u00fcber 10.000 Knoten umfassen, mehrere Hundert Petabyte an Daten speichern und Millionen von verteilten Transaktionen pro Sekunde verarbeiten. YDB wird in verschiedenen Yandex-Projekten eingesetzt, darunter M\u00e4rkte, Cloud-Dienste, Smart Home, Alice, Metrik und Auto.ru. Der Code ist in den Programmiersprachen C\/C++ geschrieben und wird unter der Apache 2.0-Lizenz bereitgestellt. F\u00fcr einen schnellen Einstieg steht ein vorgefertigter Docker-Container zur Verf\u00fcgung. <\/p>\n
Projektmerkmale: <\/p>\n
\n
Die Verwendung eines relationalen Datenmodells mit Tabellen. F\u00fcr Anfragen und die Definition des Datenschemas wird die YQL-Sprache (YDB Query Language) verwendet, ein SQL-Dialekt, der f\u00fcr gro\u00dfe verteilte Datenbanken optimiert ist. Bei der Erstellung des Speicherschemas wird eine baumartige Gruppierung von Tabellen unterst\u00fctzt, die an Verzeichnisse im Dateisystem erinnert. Ein API wird bereitgestellt, um mit Daten im JSON-Format zu arbeiten.
<\/center>\n
Unterst\u00fctzung des Zugriffs auf Daten durch Abfragescans, die f\u00fcr die Durchf\u00fchrung analytischer Ad-hoc-Abfragen \u00fcber die Datenbank konzipiert sind. Diese Abfragen werden im Nur-Lese-Modus ausgef\u00fchrt und geben einen gRPC-Stream zur\u00fcck.\n
Die Interaktion mit dem DBMS und das Senden von Anfragen erfolgt \u00fcber die Befehlszeilenoberfl\u00e4che, die integrierte Web-Oberfl\u00e4che oder die YDB SDK-Sammlung, die Bibliotheken f\u00fcr die Programmiersprachen C++, C# (.NET), Go, Java, Node.js, PHP und Python bereitstellt.\n
Die M\u00f6glichkeit, ausfalltolerante Konfigurationen zu erstellen, die bei einem Ausfall einzelner Festplatten, Nodes, Racks und sogar Rechenzentren weiterhin funktionieren. YDB unterst\u00fctzt die Bereitstellung und synchrone Replikation in drei Verf\u00fcgbarkeitszonen bei gleichzeitiger Aufrechterhaltung der Clusterfunktionalit\u00e4t im Falle eines Ausfalls einer der Zonen.\n
Automatische Wiederherstellung nach Fehlern mit minimalen Verz\u00f6gerungen f\u00fcr Anwendungen sowie die automatische Aufrechterhaltung der festgelegten Redundanz bei der Datenspeicherung.\n
Automatische Erstellung von Indizes \u00fcber den Prim\u00e4rschl\u00fcssel und die M\u00f6glichkeit, sekund\u00e4re Indizes zu definieren, um den Zugriff auf beliebige Spalten zu optimieren.\n
Horizontale Skalierbarkeit. Mit steigendem Datenvolumen und erh\u00f6hter Last kann der Cluster durch das einfache Hinzuf\u00fcgen neuer Knoten erweitert werden. Die Rechen- und Speicherressourcen sind getrennt, was eine unabh\u00e4ngige Erh\u00f6hung der Rechenleistung und des Speicherplatzes erm\u00f6glicht. Die Datenbank sorgt daf\u00fcr, dass die Daten und die Last gleichm\u00e4\u00dfig auf den verf\u00fcgbaren Hardware-Ressourcen verteilt werden. Es ist m\u00f6glich, geografisch verteilte Konfigurationen zu implementieren, die mehrere Rechenzentren in verschiedenen Teilen der Welt umfassen.\n
Unterst\u00fctzung des Modells strenger Konsistenz und ACID-Transaktionen beim Verarbeiten von Anfragen, die mehrere Knoten und Tabellen umfassen. Zur Verbesserung der Leistung kann die \u00dcberwachung der Konsistenz selektiv deaktiviert werden.\n
Automatische Datenreplikation, automatisches Partitionieren (Sharding) bei wachsendem Datenvolumen oder Last und automatische Last- sowie Datenbalancierung zwischen den Knoten.\n
Datenspeicherung direkt auf Blockger\u00e4ten unter Verwendung der eigenen Komponente PDisk und der Schicht VDisk. Auf VDisk wird DSProxy ausgef\u00fchrt, das die Verf\u00fcgbarkeit und die Leistungsmerkmale der Laufwerke analysiert, um sie bei Problemen auszuschlie\u00dfen.\n
Eine flexible Architektur, die die Erstellung verschiedener Dienste \u00fcber YDB erm\u00f6glicht, einschlie\u00dflich virtueller Blockger\u00e4te und persistenter Warteschlangen. Geeignet f\u00fcr unterschiedliche Lastarten, OLTP und OLAP (analytische Abfragen).\n
Unterst\u00fctzung f\u00fcr Mehrbenutzer- (Multitenant) und serverlose Konfigurationen. M\u00f6glichkeit zur Authentifizierung von Kunden. Benutzer k\u00f6nnen ihre eigenen virtuellen Cluster und Datenbanken in einer gemeinsamen Infrastruktur unter Ber\u00fccksichtigung des Ressourcenkonsums basierend auf der Anzahl der Anfragen und der Datengr\u00f6\u00dfe erstellen oder bestimmte Rechenressourcen und Speicherplatz mieten\/reservieren.\n
Die M\u00f6glichkeit, die Lebensdauer von Datens\u00e4tzen f\u00fcr die automatische L\u00f6schung veralteter Daten zu konfigurieren. <\/ul>\n
![\"Yandex](\"\/wp-content\/uploads\/2022\/04\/92ee2e510f01d24a0f0be6b462471cac.jpg\")
<\/center>\n