{"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\/hr\/blog\/administrirovanie\/highload-mihail-tyulenev-mongodb-causal-consistency-ot-teorii-k-praktike","title":{"rendered":"HighLoad++, Mihail Tyulenyev (MongoDB): Uzro\u010dna konzistentnost: od teorije do prakse","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Sljede\u0107a konferencija HighLoad++ odr\u017eat \u0107e se 6. i 7. travnja 2020. u Sankt Peterburgu.
\nDetalji i karte na linku<\/a><\/noindex>. HighLoad++ Sibira 2019. Dvorana \u201eKrasnoyarsk\u201c. 25. lipnja, 12:00. Sa\u017eeci i prezentacija<\/a><\/noindex>.<\/p>\n

\"HighLoad++,
\n
\nPonekad prakti\u010dni zahtjevi sukobljavaju se s teorijom, gdje nisu uzete u obzir va\u017ene aspekte za komercijalni proizvod. U ovom izvje\u0161\u0107u predstavljen je proces odabira i kombiniranja razli\u010ditih pristupa za izradu komponenti uzrokovne dosljednosti (Causal consistency) na temelju akademskih istra\u017eivanja, uzimaju\u0107i u obzir zahtjeve komercijalnog proizvoda. Slu\u0161atelji \u0107e saznati o postoje\u0107im teorijskim pristupima za logi\u010dke satove, pra\u0107enje ovisnosti, sigurnost sustava, sinkronizaciju satova, i za\u0161to je MongoDB odabrala odre\u0111ena rje\u0161enja.<\/a><\/noindex><\/p>\n

Mihail Tulenev (dalje - MT):<\/b> \u2013 Pri\u010dati \u0107u o uzrokovnoj dosljednosti (Causal consistency) - to je zna\u010dajka na kojoj smo radili u MongoDB-u. Radim u timu za distribuirane sustave, a to smo razvili prije otprilike dvije godine.<\/p>\n

\"HighLoad++,
\n
\nU procesu sam morao upoznati se s velikim brojem akademskih istra\u017eivanja, jer je ta zna\u010dajka dobro prou\u010dena. Ispostavilo se da niti jedan \u010dlanak ne odgovara onome \u0161to je potrebno u produkciji, zbog vrlo specifi\u010dnih zahtjeva koji postoje, vjerojatno, u bilo kojoj produkcijskoj aplikaciji.<\/p>\n

Govorit \u0107u o tome kako mi, kao korisnici akademskih istra\u017eivanja, pripremamo ne\u0161to \u0161to mo\u017eemo zatim predstaviti na\u0161im korisnicima kao gotovu jelo, koje je lako i sigurno koristiti.<\/p>\n

Uzrokovna dosljednost (Causal consistency). Odredimo pojmove<\/h3>\n

\nZa po\u010detak \u017eelim ukratko re\u0107i \u0161to je to uzrokovna dosljednost. Ima dva lika - Leonard i Penny (serija \u201eTeorija velikog praska\u201c):<\/p>\n

\"HighLoad++,
\n
\nPretpostavimo da je Penny u Europi, a Leonard \u017eeli napraviti neku iznena\u0111enje za nju, zabavu. I ne mo\u017ee smisliti ni\u0161ta bolje nego da je izbaci iz prijatelja, po\u0161alje svim prijateljima a\u017euriranje na feed: \u201eHajde da obradujemo Penny!\u201c (ona je u Europi, dok spava, ne vidi sve to i ne mo\u017ee vidjeti jer nije tamo). Na kraju bri\u0161e ovu objavu, uklanja iz \u201eFeed-a\u201c i obnavlja pristup, kako ona ni\u0161ta ne primijeti i da ne do\u0111e do skandala.
\nSve je to divno, ali pretpostavimo da je sustav distribuiran i da su doga\u0111aji krenuli malo druga\u010dije. Mo\u017ee se dogoditi, na primjer, da je ograni\u010denje pristupa Pennyju nastalo nakon \u0161to je post objavljen, ako doga\u0111aji nisu me\u0111usobno uzrokovani. Ovo je primjer kada je potrebna uzro\u010dna konzistentnost kako bi se izvr\u0161ila poslovna funkcija (u ovom slu\u010daju).<\/p>\n

U stvari, to su prili\u010dno netrivijalna svojstva baza podataka \u2013 vrlo malo njih ih podr\u017eava. Pre\u0111imo na modele.<\/p>\n

Modeli konzistentnosti (Consistency Models)<\/h3>\n

\n\u0160to je zapravo model konzistentnosti u bazama podataka? To su odre\u0111ene garantije koje distribuirani sustav daje u vezi s tim koje podatke i u kojem redoslijedu klijent mo\u017ee dobiti.<\/p>\n

U su\u0161tini, svi modeli konzistentnosti svode se na to koliko je distribuirani sustav sli\u010dan sustavu koji radi, na primjer, na jednom nodu na prijenosnom ra\u010dunalu. I koliko je sustav koji radi na tisu\u0107ama geo-raspore\u0111enih nodova sli\u010dan prijenosnom ra\u010dunalu, u kojem su svi ti atributi u osnovi automatski ispunjeni.<\/p>\n

Stoga se modeli konzistentnosti primjenjuju samo na distribuirane sustave. Svi sustavi koji su prethodno postojali i radili na jednom vertikalnom skaliranju nisu imali takve probleme. Tamo je postojao jedan Buffer Cache i sve se uvijek \u010ditalo iz njega.<\/p>\n

Model Jakost (Strong)<\/h3>\n

\nPrvi model \u2013 Jakost (ili linija uzlazne sposobnosti, kako je \u010desto nazivaju). To je model konzistentnosti koji jam\u010di da svaka promjena, \u010dim dobije potvrdu da se dogodila, postaje vidljiva svim korisnicima sustava.<\/p>\n

To stvara globalni redoslijed svih doga\u0111aja u bazi podataka. To je vrlo sna\u017eno svojstvo konzistentnosti i op\u0107enito je vrlo skupo. Ipak, vrlo se dobro podr\u017eava. Samo je jako skupo i sporo \u2013 rijetko se koristi. Ovo se naziva uzlazna sposobnost.<\/p>\n

Tu je jo\u0161 jedno, ja\u010de svojstvo koje se podr\u017eava u \u2018Spanneru\u2019 \u2013 naziva se Vanjska konzistentnost (External Consistency). O tome \u0107emo razgovarati malo kasnije.<\/p>\n

Uzro\u010dna (Causal)<\/h3>\n

\nSljede\u0107e je Causal, upravo ono o \u010demu sam govorio. Izme\u0111u Strong i Causal postoji jo\u0161 nekoliko podrazina o kojima ne\u0107u govoriti, ali se sve svode na Causal. To je va\u017ean model jer je najja\u010di od svih modela, najja\u010da konzistencija u prisutnosti mre\u017ee ili particija.<\/p>\n

Causals su situacija u kojoj su doga\u0111aji povezani uzro\u010dnoposljedi\u010dnom vezom. Vrlo \u010desto ih do\u017eivljavaju kao Read your on rights s gledi\u0161ta klijenta. Ako je klijent promatrao neke vrijednosti, ne mo\u017ee vidjeti vrijednosti koje su bile u pro\u0161losti. Ve\u0107 po\u010dinje vidjeti prefiksna o\u010ditanja. Sve se svodi na isto.
\nCausals kao model konzistencije \u2013 parcijalno ure\u0111en doga\u0111aja na serveru, pri \u010demu se doga\u0111aji sa svih klijenata promatraju u istom redoslijedu. U ovom slu\u010daju \u2013 Leonard i Penny.<\/p>\n

Eventual<\/h3>\n

\nTre\u0107i model \u2013 Eventual Consistency. To je ono \u0161to podr\u017eava apsolutno sve distribuirane sustave, minimalni model koji uop\u0107e ima smisla. To zna\u010di sljede\u0107e: kada se odvijaju neke promjene u podacima, one u nekom trenutku postaju konzistentne.<\/p>\n

U tom trenutku ona ni\u0161ta ne govori, ina\u010de bi se pretvorila u External Consistency \u2013 bila bi potpuno druga pri\u010da. Ipak, to je vrlo popularan model, najra\u0161ireniji. Po defaultu svi korisnici distribuiranih sustava koriste upravo Eventual Consistency.<\/p>\n

\u017delim navesti nekoliko usporednih primjera:<\/p>\n

\"HighLoad++,
\n
\n\u0160to ove strelice zna\u010de?<\/p>\n