{"id":56365,"date":"2020-02-11T00:00:00","date_gmt":"2020-02-10T21:00:00","guid":{"rendered":"https:\/\/prohoster.info\/blog\/blog_prohoster\/highload-mihail-tyulenev-mongodb-causal-consistency-ot-teorii-k-praktike"},"modified":"2020-02-18T14:04:37","modified_gmt":"2020-02-18T11:04:37","slug":"highload-mihail-tyulenev-mongodb-causal-consistency-ot-teorii-k-praktike","status":"publish","type":"post","link":"https:\/\/prohoster.info\/et\/blog\/administrirovanie\/highload-mihail-tyulenev-mongodb-causal-consistency-ot-teorii-k-praktike","title":{"rendered":"HighLoad++, Mihhail Tjulenev (MongoDB): Kausalne j\u00e4rjepidevus: teooriast praktikani","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

j\u00e4rgmine HighLoad++ konverents toimub 6. ja 7. aprillil 2020 Peterburis.
\n\u00dcksikasjad ja piletid lingi kaudu<\/a><\/noindex>. HighLoad++ Siberia 2019. Saal \u00abKrasnojarsk\u00bb. 25. juuni, 12:00. Teesid ja esitlus<\/a><\/noindex>.<\/p>\n

\"HighLoad++,
\n
\nKui praktilised n\u00f5udmised ja teooria ei \u00fchti, unustades kaubanduse jaoks olulised aspektid. Selles ettekandes tutvustatakse erinevate l\u00e4henemisviiside valiku ja kombineerimise protsessi Causal consistency komponentide loomisel akadeemiliste uurimuste p\u00f5hjal, arvestades kaubanduse vajadusi. Kuulajad saavad teada olemasolevatest teoreetilistest l\u00e4henemisviisidest, nagu loogilised kellad, s\u00f5ltuvuse j\u00e4lgimine, s\u00fcsteemi turvalisus, kella s\u00fcnkroniseerimine, ja miks MongoDB valis teatud lahendused.<\/a><\/noindex><\/p>\n

Mikhail Tyulenev (edaspidi - MT):<\/b> \u2013 R\u00e4\u00e4gin Causal consistency'st \u2013 funktsioonist, millega t\u00f6\u00f6tasime MongoDB-s. T\u00f6\u00f6tan jaotatud s\u00fcsteemide grupis, me valmistasime selle toodanguks umbes kaks aastat tagasi.<\/p>\n

\"HighLoad++,
\n
\nProtsessis tuli tutvuda suure hulga akadeemilise uurimist\u00f6\u00f6ga, kuna see funktsioon on piisavalt h\u00e4sti uuritud. Selgus, et \u00fckski artikkel ei vasta sellele, mida produktsioonis vaja, andmebaasi arvestades erilisi n\u00f5udeid, mis on t\u00f5en\u00e4oliselt igas produktsioonirakenduses.<\/p>\n

Ma r\u00e4\u00e4gin sellest, kuidas meie, olles akadeemilise uurimist\u00f6\u00f6 tarbija, valmistame sellest midagi, mida saame hiljem esitada oma kasutajatele valmistoiduna, millega on mugav ja ohutu t\u00f6\u00f6tada.<\/p>\n

Kausaalne \u00fchtsus (Causal consistency). M\u00e4\u00e4ratleme m\u00f5isted<\/h3>\n

\nEsiteks tahan ma \u00fcldiselt \u00f6elda, mis on kausaalne \u00fchtsus. On kaks tegelast \u2013 Leonard ja Penny (sarjast \u201eSuure P\u00e4ikese Teooria\u201c):<\/p>\n

\"HighLoad++,
\n
\nKujutage ette, et Penny on Euroopas ja Leonard soovib talle \u00fcllatust korraldada, n\u00e4iteks pidu. Ta ei tule aga midagi paremat p\u00e4he, kui kustutada Penny s\u00f5bralistist, saata k\u00f5igile s\u00f5pradele uuendus feedis: \"Naeratame Penny!\" (ta on Euroopas, magab, ei n\u00e4e seda k\u00f5ike ja ei saa seda haarata, sest ta ei ole seal). L\u00f5puks eemaldab ta selle postituse, kustutab selle \"Feedist\" ja taastab accessi, et ta ei m\u00e4rkaks midagi ja skandaali ei tekiks.
\nSee k\u00f5ik on tore, aga oletame, et s\u00fcsteem on jaotatud ja asjad ei l\u00e4he p\u00e4ris nii. N\u00e4iteks v\u00f5ib juhtuda, et Penny accessi piiramine toimus p\u00e4rast seda, kui postitus ilmus, kui s\u00fcndmused ei ole omavahel otseselt seotud. Tegelikult on see n\u00e4ide, kus on vajalik Kausaalne koosk\u00f5la, et t\u00e4ita \u00e4ri\u00fclesanne (antud juhul).<\/p>\n

Tegelikult on need \u00fcsna mittetriviaalne omadus andmebaasides \u2013 v\u00e4ga v\u00e4hesed toetavad neid. Liigume n\u00fc\u00fcd mudelite juurde.<\/p>\n

Koosk\u00f5la mudelid (Consistency Models)<\/h3>\n

\nMis on konsistentsi mudel andmebaasides? Need on teatud garantiid, mida jaotuss\u00fcsteem annab seoses sellega, milliseid andmeid ja millises j\u00e4rjekorras klient saab.<\/p>\n

P\u00f5him\u00f5tteliselt p\u00f5hinevad k\u00f5ik konsistentsimudelid sellele, kui sarnane jaotuss\u00fcsteem on s\u00fcsteemile, mis t\u00f6\u00f6tab n\u00e4iteks \u00fchel madala taseme seadmel. Ja kui sarnane on s\u00fcsteem, mis t\u00f6\u00f6tab tuhandetel geograafiliselt jaotatud nod\u2019del, s\u00fclearvutile, kus k\u00f5ik need omadused toimivad p\u00f5him\u00f5tteliselt automaatsetena.<\/p>\n

Seet\u00f5ttu rakendatakse konsistentsimudeleid ainult jaotuss\u00fcsteemide puhul. K\u00f5ik s\u00fcsteemid, mis varem eksisteerisid ja t\u00f6\u00f6tasid \u00fchel vertikaalsel skaleerimisel, selliseid probleeme ei kogenud. Seal oli \u00fcks Buffer Cache ja sealt luges k\u00f5ik alati v\u00e4lja.<\/p>\n

Mudel Strong<\/h3>\n

\nEsimene mudel on Strong (v\u00f5i j\u00e4rjepidevuse mudel, nagu seda sageli nimetatakse). See on konsistentsimudel, mis garanteerib, et iga muudatus, kui selle toimumise kohta on saadud kinnitus, muutub n\u00e4htavaks k\u00f5igile s\u00fcsteemi kasutajatele.<\/p>\n

See loob globaalne j\u00e4rjestus k\u00f5igile s\u00fcndmustele andmebaasis. See on v\u00e4ga tugev j\u00e4rjepidevuse omadus ja \u00fcldiselt on see v\u00e4ga kulukas. Siiski on see h\u00e4sti toetatud. See on lihtsalt v\u00e4ga kallis ja aeglane \u2013 seda kasutatakse harva. Seda nimetatakse rise ability.<\/p>\n

On veel \u00fcks, tugevam omadus, mida toetab \u00abSpanner\u00bb \u2013 seda nimetatakse v\u00e4liseks j\u00e4rjepidevuseks. R\u00e4\u00e4gime sellest natuke hiljem.<\/p>\n

Causal<\/h3>\n

\nJ\u00e4rgmine on Causal, just see, mille \u00fcle ma r\u00e4\u00e4kisin. Tugeva ja Causal vahel on veel mitmeid alaliike, millest ma ei hakka r\u00e4\u00e4kima, kuid need k\u00f5ik viivad Causal\u2019i. See on oluline mudel, kuna see on k\u00f5ige tugevam k\u00f5igist mudelitest, k\u00f5ige tugevam j\u00e4rjepidevus v\u00f5rgu v\u00f5i jagunemiste korral.<\/p>\n

Causals \u2013 see t\u00e4hendab olukorda, kus s\u00fcndmused on omavahel seotud p\u00f5hjuslikus seoses. Sageli t\u00f5lgendatakse neid kui oma \u00f5igusi kliendi vaatenurgast. Kui klient on n\u00e4inud m\u00f5ningaid v\u00e4\u00e4rtusi, ei saa ta n\u00e4ha minevikus olnud v\u00e4\u00e4rtusi. Ta hakkab juba n\u00e4gema prefikskohaseid lugemisi. See k\u00f5ik viib ikkagi samasse kohta.
\nCausals nagu koosk\u00f5la mudel \u2013 osaline s\u00fcndmuste j\u00e4rjestamine serveris, kus k\u00f5ik kliendi s\u00fcndmused j\u00e4lgitakse samas j\u00e4rjestuses. Antud juhul \u2013 Leonard ja Penny.<\/p>\n

L\u00f5plik<\/h3>\n

\nKolmas mudel on L\u00f5plik Koosk\u00f5la. See on see, mida toetavad k\u00f5ik jaotatud s\u00fcsteemid, minimaalne mudel, mis m\u00f5istuse poolest \u00fcldse olemas on. See t\u00e4hendab j\u00e4rgmist: kui andmetes toimuvad mingid muutused, siis mingil hetkel muutuvad nad koosk\u00f5laliseks.<\/p>\n

Selle hetke kohta ei \u00f6elda midagi muud, muidu muutuks see V\u00e4liseks Koosk\u00f5laks \u2013 see oleks hoopis teine lugu. Sellegipoolest on see v\u00e4ga populaarne mudel, k\u00f5ige levinum. Vaikimisi kasutavad k\u00f5ik jaotatud s\u00fcsteemide kasutajad just L\u00f5plikku Koosk\u00f5la.<\/p>\n

Tahaksin tuua m\u00f5ned v\u00f5rdlevad n\u00e4ited:<\/p>\n

\"HighLoad++,
\n
\nMida need nooled t\u00e4hendavad?<\/p>\n