मैसेंजर डेटाबेस (भाग 2): "लाभ के लिए" विभाजन

हमने पत्राचार संग्रहीत करने के लिए अपने PostgreSQL डेटाबेस की संरचना को सफलतापूर्वक डिज़ाइन किया है, एक साल बीत चुका है, उपयोगकर्ता सक्रिय रूप से इसे भर रहे हैं, और यह पहले से ही है लाखों रिकॉर्ड, और... कुछ धीमा होने लगा।

• भाग 1: आधार फ़्रेम को डिज़ाइन करना
• भाग 2: "लाभ के लिए" अनुभागीकरण

तथ्य यह है कि जैसे-जैसे तालिका का आकार बढ़ता है, अनुक्रमणिकाओं की “गहराई” भी बढ़ती जाती है - यद्यपि लघुगणकीय रूप से। लेकिन समय के साथ यह सर्वर को वही पढ़ने/लिखने का कार्य करने के लिए मजबूर करता है कई गुना अधिक डेटा पृष्ठों को संसाधित करें, शुरुआत की तुलना में.

यहीं पर यह बचाव के लिए आता है सेक्शनिंग.

मैं यह बताना चाहूंगा कि हम शार्डिंग, अर्थात विभिन्न डेटाबेस या सर्वरों के बीच डेटा वितरित करने की बात नहीं कर रहे हैं। क्योंकि भले ही हम डेटा को विभाजित करें कई सर्वरों पर, आप समय के साथ इंडेक्स के “बढ़ने” की समस्या से छुटकारा नहीं पा सकेंगे। यह स्पष्ट है कि यदि आप हर दिन एक नया सर्वर चालू करने का जोखिम उठा सकते हैं, तो आपकी समस्याएं किसी विशिष्ट डाटाबेस तक सीमित नहीं रहेंगी।

हम "हार्डवेयर में" सेक्शनिंग को लागू करने के लिए विशिष्ट स्क्रिप्ट पर विचार नहीं करेंगे, बल्कि दृष्टिकोण पर ही विचार करेंगे - क्या और कैसे "स्लाइस में काटा जाना चाहिए", और ऐसी इच्छा से क्या होता है।

संकल्पना

आइए हम अपना लक्ष्य फिर से परिभाषित करें: हम यह चाहते हैं कि आज, कल और एक साल बाद भी, किसी भी पढ़ने/लिखने के कार्य के लिए PostgreSQL द्वारा पढ़े गए डेटा की मात्रा लगभग समान रहे।

किसी भी कालानुक्रमिक रूप से संचित डेटा (संदेश, दस्तावेज़, लॉग, अभिलेखागार, ...) विभाजन कुंजी के रूप में प्राकृतिक विकल्प है घटना की तिथि/समय. हमारे मामले में, ऐसी घटना संदेश भेजे जाने का क्षण.

ध्यान रखें कि उपयोगकर्ता लगभग हमेशा केवल "नवीनतम" के साथ काम करें ऐसा डेटा - वे नवीनतम संदेश पढ़ते हैं, नवीनतम लॉग का विश्लेषण करते हैं,... नहीं, बेशक, वे समय में और पीछे स्क्रॉल कर सकते हैं, लेकिन वे ऐसा बहुत कम ही करते हैं।

इन बाधाओं से यह स्पष्ट हो जाता है कि संदेशों के लिए इष्टतम समाधान होगा "दैनिक" अनुभाग - आखिरकार, हमारा उपयोगकर्ता लगभग हमेशा वही पढ़ेगा जो उसे "आज" या "कल" ​​भेजा गया था।

यदि हम दिन में व्यावहारिक रूप से केवल एक ही भाग में लिखते और पढ़ते हैं, तो इससे भी हमें मेमोरी और डिस्क का अधिक कुशल उपयोग — चूंकि सभी अनुभाग अनुक्रमणिकाएं आसानी से RAM में फिट हो जाती हैं, जबकि तालिका में “बड़े और बोल्ड” अनुक्रमणिकाएं नहीं होती हैं।

क्रमशः

सामान्य तौर पर, ऊपर कही गई सभी बातें एक बड़े लाभ की तरह लगती हैं। और यह प्राप्त किया जा सकता है, लेकिन हमें इसके लिए कड़ी मेहनत करनी होगी - क्योंकि किसी एक इकाई को विभाजित करने के निर्णय से संबंधित इकाइयों को "काटने" की आवश्यकता उत्पन्न होती है.

संदेश, उसके गुण और अनुमान

चूंकि हमने संदेशों को तिथियों के अनुसार काटने का निर्णय लिया है, इसलिए उन पर निर्भर संस्थाओं-गुणों (संलग्न फ़ाइलें, प्राप्तकर्ताओं की सूची) को भी विभाजित करना उचित है, तथा संदेश तिथि के अनुसार भी.

चूंकि हमारा एक सामान्य कार्य संदेश रजिस्टर (अपठित, आने वाले, सभी) को देखना है, इसलिए उन्हें संदेश तिथियों के अनुसार अनुभागों में "खींचना" भी तर्कसंगत है।

हम सभी तालिकाओं में विभाजन कुंजी (संदेश तिथि) जोड़ते हैं: प्राप्तकर्ता, फ़ाइल, रजिस्ट्री। आपको इसे संदेश में जोड़ने की आवश्यकता नहीं है, बल्कि मौजूदा DateTime का उपयोग करें।

टॉपिक्स

चूंकि विषय कई संदेशों के लिए एक है, इसलिए इसे एक ही मॉडल में “काटना” अब संभव नहीं है; हमें किसी और चीज़ पर निर्भर रहना होगा. हमारे मामले में यह एकदम सही है पत्राचार में पहले संदेश की तारीख - अर्थात, विषय के निर्माण का क्षण।

सभी तालिकाओं में विभाजन कुंजी (विषय तिथि) जोड़ें: विषय, प्रतिभागी।

लेकिन अब हमारे सामने एक साथ दो समस्याएं हैं:

• मुझे किस अनुभाग में विषय पर संदेश खोजना चाहिए?
• मुझे संदेश का विषय किस अनुभाग में देखना चाहिए?

बेशक, हम सभी अनुभागों में खोज जारी रख सकते हैं, लेकिन यह बहुत दुखद होगा और हमारी सारी जीत को नकार देगा। इसलिए, यह जानने के लिए कि वास्तव में कहां देखना है, आइए अनुभागों के लिए तार्किक लिंक/संकेतक बनाएं:

• हम इसे संदेश में जोड़ देंगे विषय तिथि फ़ील्ड
• आइये इस विषय को आगे बढाएं संदेश तिथियों का सेट यह पत्राचार (यह एक अलग तालिका या तिथियों की एक सरणी हो सकती है)

चूंकि प्रत्येक व्यक्तिगत पत्राचार के लिए संदेश तिथियों की सूची में कुछ संशोधन होंगे (आखिरकार, लगभग सभी संदेश 1-2 आसन्न दिनों के भीतर आते हैं), मैं इस विकल्प पर ध्यान केंद्रित करूंगा।

परिणामस्वरूप, विभाजन को ध्यान में रखते हुए, हमारे डेटाबेस की संरचना निम्नलिखित रूप में बनी:

टेबल्स: आरयू, यदि आप टेबल/फ़ील्ड नामों में सिरिलिक के खिलाफ हैं, तो बेहतर है कि आप न देखें

-- секции по дате сообщения
CREATE TABLE "Сообщение_YYYYMMDD"(
  "Сообщение"
    uuid
      PRIMARY KEY
, "Тема"
    uuid
, "ДатаТемы"
    date
, "Автор"
    uuid
, "ДатаВремя" -- используем как дату
    timestamp
, "Текст"
    text
);

CREATE TABLE "Адресат_YYYYMMDD"(
  "ДатаСообщения"
    date
, "Сообщение"
    uuid
, "Персона"
    uuid
, PRIMARY KEY("Сообщение", "Персона")
);

CREATE TABLE "Файл_YYYYMMDD"(
  "ДатаСообщения"
    date
, "Файл"
    uuid
      PRIMARY KEY
, "Сообщение"
    uuid
, "BLOB"
    uuid
, "Имя"
    text
);

CREATE TABLE "РеестрСообщений_YYYYMMDD"(
  "ДатаСообщения"
    date
, "Владелец"
    uuid
, "ТипРеестра"
    smallint
, "ДатаВремя"
    timestamp
, "Сообщение"
    uuid
, PRIMARY KEY("Владелец", "ТипРеестра", "Сообщение")
);
CREATE INDEX ON "РеестрСообщений_YYYYMMDD"("Владелец", "ТипРеестра", "ДатаВремя" DESC);

-- секции по дате темы
CREATE TABLE "Тема_YYYYMMDD"(
  "ДатаТемы"
    date
, "Тема"
    uuid
      PRIMARY KEY
, "Документ"
    uuid
, "Название"
    text
);

CREATE TABLE "УчастникТемы_YYYYMMDD"(
  "ДатаТемы"
    date
, "Тема"
    uuid
, "Персона"
    uuid
, PRIMARY KEY("Тема", "Персона")
);

CREATE TABLE "ДатыСообщенийТемы_YYYYMMDD"(
  "ДатаТемы"
    date
, "Тема"
    uuid
      PRIMARY KEY
, "Дата"
    date
);

एक पैसा बचाना

खैर, अगर हम इसका उपयोग नहीं करते तो क्या होगा? सेक्शनिंग का क्लासिक संस्करण फ़ील्ड मानों के वितरण (ट्रिगर्स और इनहेरिटेंस या PARTITION BY के माध्यम से) के आधार पर, और एप्लिकेशन स्तर पर "मैन्युअल रूप से", आप देख सकते हैं कि विभाजन कुंजी मान पहले से ही तालिका के नाम में संग्रहीत है।

तो अगर आप ऐसा हैं संग्रहीत डेटा की मात्रा के बारे में बहुत चिंतित हैं, तो आप इन "अतिरिक्त" फ़ील्ड से छुटकारा पा सकते हैं और विशिष्ट तालिकाओं तक पहुंच सकते हैं। सच है, इस मामले में कई अनुभागों से सभी चयनों को एप्लिकेशन साइड में ले जाना होगा।

स्रोत: www.habr.com