ប្រព័ន្ធវិភាគម៉ាស៊ីនមេ

នេះគឺជាផ្នែកទីពីរនៃអត្ថបទជាបន្តបន្ទាប់អំពីប្រព័ន្ធវិភាគ (តំណភ្ជាប់ទៅផ្នែកទី 1).

សព្វ​ថ្ងៃ​នេះ​លែង​មាន​ការ​ងឿង​ឆ្ងល់​ទៀត​ហើយ​ថា ការ​ដំណើរការ​ទិន្នន័យ​ដោយ​ប្រុង​ប្រយ័ត្ន និង​ការ​បក​ស្រាយ​លទ្ធផល​អាច​ជួយ​អាជីវកម្ម​ស្ទើរ​តែ​គ្រប់​ប្រភេទ។ ក្នុងន័យនេះ ប្រព័ន្ធវិភាគកំពុងផ្ទុកទៅដោយប៉ារ៉ាម៉ែត្រកាន់តែច្រើន ហើយចំនួននៃការកេះ និងព្រឹត្តិការណ៍អ្នកប្រើប្រាស់នៅក្នុងកម្មវិធីកំពុងកើនឡើង។
ដោយសារតែនេះ ក្រុមហ៊ុននានាកំពុងផ្តល់ឱ្យអ្នកវិភាគរបស់ពួកគេនូវព័ត៌មានឆៅកាន់តែច្រើន ដើម្បីវិភាគ និងប្រែក្លាយទៅជាការសម្រេចចិត្តដ៏ត្រឹមត្រូវមួយ។ សារៈសំខាន់នៃប្រព័ន្ធវិភាគសម្រាប់ក្រុមហ៊ុនមិនគួរត្រូវបានប៉ាន់ស្មានទេ ហើយប្រព័ន្ធខ្លួនឯងត្រូវតែអាចទុកចិត្តបាន និងមានស្ថេរភាព។

អ្នកវិភាគអតិថិជន

ការវិភាគអតិថិជនគឺជាសេវាកម្មដែលក្រុមហ៊ុនភ្ជាប់ទៅកាន់គេហទំព័រ ឬកម្មវិធីរបស់ខ្លួនតាមរយៈ SDK ផ្លូវការ រួមបញ្ចូលទៅក្នុងមូលដ្ឋានកូដផ្ទាល់ខ្លួនរបស់វា និងជ្រើសរើសការកេះព្រឹត្តិការណ៍។ មានការធ្លាក់ចុះជាក់ស្តែងចំពោះវិធីសាស្រ្តនេះ៖ ទិន្នន័យទាំងអស់ដែលប្រមូលបានប្រហែលជាមិនត្រូវបានដំណើរការដូចដែលអ្នកចង់បានទេ ដោយសារដែនកំណត់នៃសេវាកម្មណាមួយដែលអ្នកជ្រើសរើស។ ឧទាហរណ៍ នៅលើប្រព័ន្ធមួយ វានឹងមិនងាយស្រួលក្នុងការដំណើរការកិច្ចការ MapReduce ទេ ម្យ៉ាងវិញទៀត អ្នកនឹងមិនអាចដំណើរការគំរូរបស់អ្នកបានទេ។ គុណវិបត្តិមួយទៀតនឹងជាវិក័យប័ត្រធម្មតា (គួរឱ្យចាប់អារម្មណ៍) សម្រាប់សេវាកម្ម។
មានដំណោះស្រាយវិភាគអតិថិជនជាច្រើននៅលើទីផ្សារ ប៉ុន្តែមិនយូរមិនឆាប់អ្នកវិភាគត្រូវប្រឈមមុខនឹងការពិតដែលថាមិនមានសេវាសកលណាមួយដែលសមរម្យសម្រាប់រាល់កិច្ចការទាំងអស់ (ខណៈពេលដែលតម្លៃសម្រាប់សេវាកម្មទាំងអស់នេះកើនឡើងគ្រប់ពេលវេលា)។ ក្នុងស្ថានភាពបែបនេះ ក្រុមហ៊ុនតែងតែសម្រេចចិត្តបង្កើតប្រព័ន្ធវិភាគផ្ទាល់ខ្លួនរបស់ពួកគេជាមួយនឹងការកំណត់ និងសមត្ថភាពចាំបាច់ទាំងអស់។

អ្នកវិភាគម៉ាស៊ីនមេ

Server-side analytics គឺជាសេវាកម្មមួយដែលអាចដាក់ឱ្យប្រើប្រាស់នៅក្នុងក្រុមហ៊ុនមួយនៅលើ servers របស់ខ្លួន និង (ជាធម្មតា) ជាមួយនឹងកិច្ចខិតខំប្រឹងប្រែងរបស់ខ្លួន។ នៅក្នុងគំរូនេះ ព្រឹត្តិការណ៍របស់អ្នកប្រើប្រាស់ទាំងអស់ត្រូវបានរក្សាទុកនៅលើម៉ាស៊ីនមេខាងក្នុង ដែលអនុញ្ញាតឱ្យអ្នកអភិវឌ្ឍន៍សាកល្បងមូលដ្ឋានទិន្នន័យផ្ទុកផ្សេងៗគ្នា និងជ្រើសរើសស្ថាបត្យកម្មងាយស្រួលបំផុត។ ហើយទោះបីជាអ្នកនៅតែចង់ប្រើការវិភាគអតិថិជនភាគីទីបីសម្រាប់កិច្ចការមួយចំនួនក៏ដោយ វានឹងនៅតែអាចធ្វើទៅបាន។
ការវិភាគផ្នែកខាងម៉ាស៊ីនមេអាចត្រូវបានដាក់ឱ្យប្រើប្រាស់តាមពីរវិធី។ ទីមួយ៖ ជ្រើសរើសឧបករណ៍ប្រើប្រាស់ប្រភពបើកចំហមួយចំនួន ដាក់ពង្រាយវានៅលើម៉ាស៊ីនរបស់អ្នក និងអភិវឌ្ឍតក្កវិជ្ជាអាជីវកម្ម។

ផត
Минусы

អ្នកអាចប្ដូរតាមបំណងនូវអ្វីដែលអ្នកចង់បាន
នេះច្រើនតែពិបាក ហើយទាមទារអ្នកអភិវឌ្ឍន៍ដាច់ដោយឡែក

ទីពីរ៖ យកសេវាកម្ម SaaS (Amazon, Google, Azure) ជំនួសឱ្យការពង្រាយវាដោយខ្លួនឯង។ យើងនឹងនិយាយអំពី SaaS លម្អិតបន្ថែមទៀតនៅក្នុងផ្នែកទីបី។

ផត
Минусы

វាអាចមានតម្លៃថោកជាងក្នុងបរិមាណមធ្យម ប៉ុន្តែជាមួយនឹងកំណើនដ៏ធំ វានឹងនៅតែថ្លៃពេក
វានឹងមិនអាចគ្រប់គ្រងប៉ារ៉ាម៉ែត្រទាំងអស់បានទេ។

រដ្ឋបាលត្រូវបានផ្ទេរទាំងស្រុងទៅស្មារបស់អ្នកផ្តល់សេវា
វាមិនតែងតែដឹងថាមានអ្វីនៅខាងក្នុងសេវាកម្មទេ (វាប្រហែលជាមិនត្រូវការ)

របៀបប្រមូលការវិភាគម៉ាស៊ីនមេ

ប្រសិនបើយើងចង់ផ្លាស់ទីឆ្ងាយពីការប្រើប្រាស់ការវិភាគអតិថិជន និងបង្កើតរបស់យើងផ្ទាល់ ជាដំបូងយើងត្រូវគិតតាមរយៈស្ថាបត្យកម្មនៃប្រព័ន្ធថ្មី។ ខាងក្រោមនេះខ្ញុំនឹងប្រាប់អ្នកជាជំហាន ៗ នូវអ្វីដែលអ្នកត្រូវពិចារណា ហេតុអ្វីបានជាជំហាននីមួយៗត្រូវការ និងឧបករណ៍អ្វីខ្លះដែលអ្នកអាចប្រើ។

1. ការទទួលទិន្នន័យ

ដូចនៅក្នុងករណីនៃការវិភាគអតិថិជន ជាដំបូងអ្នកវិភាគរបស់ក្រុមហ៊ុនជ្រើសរើសប្រភេទព្រឹត្តិការណ៍ដែលពួកគេចង់សិក្សានាពេលអនាគត ហើយប្រមូលវាទៅក្នុងបញ្ជី។ ជាធម្មតា ព្រឹត្តិការណ៍ទាំងនេះកើតឡើងក្នុងលំដាប់ជាក់លាក់មួយ ដែលហៅថា "គំរូព្រឹត្តិការណ៍"។
បន្ទាប់មក ស្រមៃថាកម្មវិធីទូរស័ព្ទ (គេហទំព័រ) មានអ្នកប្រើប្រាស់ធម្មតា (ឧបករណ៍) និងម៉ាស៊ីនមេជាច្រើន។ ដើម្បីផ្ទេរព្រឹត្តិការណ៍ពីឧបករណ៍ទៅម៉ាស៊ីនមេដោយសុវត្ថិភាព ស្រទាប់មធ្យមគឺចាំបាច់។ អាស្រ័យលើស្ថាបត្យកម្ម អាចមានជួរព្រឹត្តិការណ៍ផ្សេងគ្នាជាច្រើន។
Apache Kafka - នេះ​គឺជា ជួរ pub/រងដែលត្រូវបានប្រើជាជួរសម្រាប់ប្រមូលព្រឹត្តិការណ៍។

នេះបើយោងតាម ប្រកាសនៅលើ Quora ក្នុងឆ្នាំ 2014 អ្នកបង្កើត Apache Kafka បានសម្រេចចិត្តដាក់ឈ្មោះកម្មវិធីនេះតាម Franz Kafka ពីព្រោះ "វាជាប្រព័ន្ធដែលត្រូវបានធ្វើឱ្យប្រសើរឡើងសម្រាប់ការសរសេរ" ហើយដោយសារតែគាត់ស្រឡាញ់ការងាររបស់ Kafka ។ — Wikipedia

ក្នុងឧទាហរណ៍របស់យើង មានអ្នកផលិតទិន្នន័យ និងអ្នកប្រើប្រាស់ទិន្នន័យជាច្រើន (ឧបករណ៍ និងម៉ាស៊ីនមេ) ហើយ Kafka ជួយភ្ជាប់ពួកវាទៅគ្នាទៅវិញទៅមក។ អ្នកប្រើប្រាស់នឹងត្រូវបានពិពណ៌នាលម្អិតបន្ថែមទៀតនៅក្នុងជំហានខាងក្រោម ដែលពួកគេនឹងក្លាយជាមុខវិជ្ជាចម្បង។ ឥឡូវនេះយើងនឹងពិចារណាតែអ្នកផលិតទិន្នន័យ (ព្រឹត្តិការណ៍) ប៉ុណ្ណោះ។
Kafka បង្កប់នូវគោលគំនិតនៃជួរ និងភាគថាស វាជាការប្រសើរក្នុងការអានឱ្យកាន់តែច្បាស់អំពីរឿងនេះនៅកន្លែងផ្សេង (ឧទាហរណ៍ នៅក្នុង ឯកសារ) ដោយមិនចាំបាច់ចូលទៅក្នុងព័ត៌មានលម្អិត ចូរយើងស្រមៃថាកម្មវិធីទូរស័ព្ទមួយត្រូវបានដាក់ឱ្យដំណើរការសម្រាប់ប្រព័ន្ធប្រតិបត្តិការពីរផ្សេងគ្នា។ បន្ទាប់មកកំណែនីមួយៗបង្កើតស្ទ្រីមព្រឹត្តិការណ៍ដាច់ដោយឡែករបស់វា។ អ្នកផលិតផ្ញើព្រឹត្តិការណ៍ទៅ Kafka ពួកគេត្រូវបានកត់ត្រាក្នុងជួរសមរម្យ។

(រូបភាព ពីទីនេះ)

ក្នុងពេលជាមួយគ្នានេះ Kafka អនុញ្ញាតឱ្យអ្នកអានជាផ្នែកៗ និងដំណើរការនូវព្រឹត្តិការណ៍មួយនៅក្នុងបណ្តុំតូចៗ។ Kafka គឺជាឧបករណ៍ដ៏ងាយស្រួលមួយដែលធ្វើមាត្រដ្ឋានបានយ៉ាងល្អជាមួយនឹងតម្រូវការដែលកំពុងកើនឡើង (ឧទាហរណ៍ តាមទីតាំងភូមិសាស្ត្រនៃព្រឹត្តិការណ៍)។
ជាធម្មតាមួយបន្ទះគឺគ្រប់គ្រាន់ ប៉ុន្តែអ្វីៗកាន់តែស្មុគស្មាញនៅពេលធ្វើមាត្រដ្ឋាន (ដូចដែលពួកគេតែងតែធ្វើ)។ ប្រហែលជាគ្មាននរណាម្នាក់ចង់ប្រើផ្នែករាងកាយតែមួយនៅក្នុងផលិតកម្មនោះទេ ព្រោះស្ថាបត្យកម្មត្រូវតែអត់ឱនចំពោះកំហុស។ បន្ថែមពីលើ Kafka មានដំណោះស្រាយដ៏ល្បីមួយទៀតគឺ RabbitMQ ។ យើងមិនបានប្រើវានៅក្នុងការផលិតជាជួរសម្រាប់ការវិភាគព្រឹត្តិការណ៍ទេ (ប្រសិនបើអ្នកមានបទពិសោធន៍បែបនេះ សូមប្រាប់យើងអំពីវានៅក្នុងមតិយោបល់!) ទោះយ៉ាងណាក៏ដោយ យើងបានប្រើ AWS Kinesis ។

មុននឹងបន្តទៅជំហានបន្ទាប់ យើងត្រូវនិយាយអំពីស្រទាប់បន្ថែមមួយទៀតនៃប្រព័ន្ធ - ការផ្ទុកកំណត់ហេតុឆៅ។ នេះមិនមែនជាស្រទាប់ដែលត្រូវការទេ ប៉ុន្តែវានឹងមានប្រយោជន៍ប្រសិនបើមានអ្វីមួយខុស ហើយជួរព្រឹត្តិការណ៍នៅក្នុង Kafka ត្រូវបានកំណត់ឡើងវិញ។ ការរក្សាទុកកំណត់ហេតុឆៅមិនតម្រូវឱ្យមានដំណោះស្រាយដ៏ស្មុគស្មាញ និងមានតម្លៃថ្លៃនោះទេ អ្នកអាចសរសេរវានៅកន្លែងណាមួយតាមលំដាប់ត្រឹមត្រូវ (សូម្បីតែនៅលើថាសរឹង)។

ដំណើរការស្ទ្រីមព្រឹត្តិការណ៍

បន្ទាប់​ពី​យើង​បាន​រៀបចំ​ព្រឹត្តិការណ៍​ទាំង​អស់​ហើយ​ដាក់​វា​ក្នុង​ជួរ​ដែល​សមរម្យ​ហើយ​ យើង​បន្ត​ទៅ​ជំហាន​ដំណើរការ។ នៅទីនេះខ្ញុំនឹងប្រាប់អ្នកអំពីជម្រើសដំណើរការទូទៅបំផុតពីរ។
ជម្រើសដំបូងគឺត្រូវបើក ​​Spark Streaming នៅក្នុងប្រព័ន្ធ Apache ។ ផលិតផល Apache ទាំងអស់រស់នៅលើ HDFS ដែលជាប្រព័ន្ធឯកសារដែលមានសុវត្ថិភាពជាមួយនឹងការចម្លងឯកសារ។ Spark Streaming គឺជាឧបករណ៍ងាយស្រួលប្រើដែលគ្រប់គ្រងការផ្សាយទិន្នន័យ និងធ្វើមាត្រដ្ឋានបានល្អ។ ទោះយ៉ាងណាក៏ដោយ វាអាចពិបាកក្នុងការថែទាំ។
ជម្រើសមួយទៀតគឺបង្កើតកម្មវិធីដោះស្រាយព្រឹត្តិការណ៍ផ្ទាល់ខ្លួនរបស់អ្នក។ ដើម្បីធ្វើដូច្នេះ អ្នកត្រូវការឧទាហរណ៍ ដើម្បីសរសេរកម្មវិធី Python បង្កើតវានៅក្នុង Docker ហើយចុះឈ្មោះជាជួរ Kafka ។ នៅពេលដែលកេះមកដល់ឧបករណ៍ដោះស្រាយ docker ដំណើរការនឹងចាប់ផ្តើម។ ជាមួយនឹងវិធីសាស្រ្តនេះ អ្នកត្រូវរក្សាកម្មវិធីឱ្យដំណើរការគ្រប់ពេល។
ចូរសន្មតថាយើងបានជ្រើសរើសជម្រើសមួយក្នុងចំណោមជម្រើសដែលបានពិពណ៌នាខាងលើហើយបន្តទៅដំណើរការដោយខ្លួនឯង។ អ្នកដំណើរការគួរតែចាប់ផ្តើមដោយពិនិត្យមើលសុពលភាពនៃទិន្នន័យ ត្រងសំរាម និងព្រឹត្តិការណ៍ "ខូច"។ សម្រាប់សុពលភាព យើងជាធម្មតាប្រើ Cerberus. បន្ទាប់ពីនេះ អ្នកអាចធ្វើការគូសផែនទីទិន្នន័យបាន៖ ទិន្នន័យពីប្រភពផ្សេងៗគ្នាត្រូវបានធ្វើឱ្យមានលក្ខណៈធម្មតា និងមានលក្ខណៈស្តង់ដារ ដើម្បីបញ្ចូលទៅក្នុងតារាងរួម។

3. មូលដ្ឋានទិន្នន័យ

ជំហានទីបីគឺរក្សាព្រឹត្តិការណ៍ធម្មតា។ នៅពេលធ្វើការជាមួយប្រព័ន្ធវិភាគដែលត្រៀមរួចជាស្រេច យើងនឹងត្រូវតែចូលប្រើពួកវាឱ្យបានញឹកញាប់ ដូច្នេះវាជាការសំខាន់ក្នុងការជ្រើសរើសមូលដ្ឋានទិន្នន័យដែលងាយស្រួល។
ប្រសិនបើទិន្នន័យសមល្អក្នុងគ្រោងការណ៍ថេរ អ្នកអាចជ្រើសរើស ផ្ទះចុច ឬមូលដ្ឋានទិន្នន័យជួរឈរផ្សេងទៀត។ វិធីនេះការប្រមូលផ្តុំនឹងដំណើរការលឿនណាស់។ គុណវិបត្តិគឺថាគ្រោងការណ៍ត្រូវបានជួសជុលយ៉ាងតឹងរ៉ឹង ដូច្នេះហើយវានឹងមិនអាចបន្ថែមវត្ថុតាមអំពើចិត្តដោយគ្មានការកែប្រែបានទេ (ឧទាហរណ៍ នៅពេលដែលព្រឹត្តិការណ៍មិនស្តង់ដារកើតឡើង)។ ប៉ុន្តែអ្នកអាចរាប់បានយ៉ាងលឿន។
សម្រាប់ទិន្នន័យដែលមិនមានរចនាសម្ព័ន្ធ អ្នកអាចយក NoSQL ជាឧទាហរណ៍ Apache Cassandra ។. វាដំណើរការលើ HDFS ចម្លងបានល្អ អ្នកអាចលើកឧទាហរណ៍ជាច្រើន ហើយអាចអត់ឱនចំពោះកំហុសបាន។
អ្នកក៏អាចលើកអ្វីដែលសាមញ្ញជាងនេះផងដែរ ឧទាហរណ៍៖ MongoDB. វាយឺតណាស់ហើយសម្រាប់បរិមាណតូច។ ប៉ុន្តែបូកគឺថាវាសាមញ្ញណាស់ហើយដូច្នេះសមរម្យសម្រាប់ការចាប់ផ្តើម។

4. ការប្រមូលផ្តុំ

ដោយបានរក្សាទុកព្រឹត្តិការណ៍ទាំងអស់ដោយប្រុងប្រយ័ត្ន យើងចង់ប្រមូលព័ត៌មានសំខាន់ៗទាំងអស់ពីក្រុមដែលបានមកដល់ និងធ្វើបច្ចុប្បន្នភាពមូលដ្ឋានទិន្នន័យ។ ជាសកល យើងចង់ទទួលបានផ្ទាំងគ្រប់គ្រង និងម៉ែត្រដែលពាក់ព័ន្ធ។ ជាឧទាហរណ៍ ប្រមូលកម្រងព័ត៌មានអ្នកប្រើប្រាស់ពីព្រឹត្តិការណ៍នានា និងវាស់វែងឥរិយាបថ។ ព្រឹត្តិការណ៍ត្រូវបានប្រមូលផ្តុំ ប្រមូល និងរក្សាទុកម្តងទៀត (ក្នុងតារាងអ្នកប្រើប្រាស់)។ ក្នុងពេលជាមួយគ្នានេះ អ្នកអាចបង្កើតប្រព័ន្ធមួយ ដើម្បីឱ្យអ្នកក៏អាចភ្ជាប់តម្រងទៅអ្នកសម្របសម្រួល៖ ប្រមូលអ្នកប្រើប្រាស់ពីប្រភេទជាក់លាក់នៃព្រឹត្តិការណ៍មួយ។
បន្ទាប់ពីនោះ ប្រសិនបើនរណាម្នាក់នៅក្នុងក្រុមត្រូវការតែការវិភាគកម្រិតខ្ពស់ប៉ុណ្ណោះ ប្រព័ន្ធវិភាគខាងក្រៅអាចភ្ជាប់បាន។ អ្នកអាចយក Mixpanel ម្តងទៀត។ ប៉ុន្តែដោយសារវាមានតម្លៃថ្លៃណាស់ មិនមែនព្រឹត្តិការណ៍របស់អ្នកប្រើប្រាស់ទាំងអស់ត្រូវបានផ្ញើនៅទីនោះទេ ប៉ុន្តែមានតែអ្វីដែលត្រូវការប៉ុណ្ណោះ។ ដើម្បីធ្វើដូច្នេះបាន យើងត្រូវបង្កើតអ្នកសម្របសម្រួលដែលនឹងផ្ទេរព្រឹត្តិការណ៍ឆៅមួយចំនួន ឬអ្វីមួយដែលយើងខ្លួនឯងបានប្រមូលផ្តុំពីមុនទៅកាន់ប្រព័ន្ធខាងក្រៅ APIs ឬវេទិកាផ្សាយពាណិជ្ជកម្ម។

5. ផ្នែកខាងមុខ

អ្នកត្រូវភ្ជាប់ផ្នែកខាងមុខទៅនឹងប្រព័ន្ធដែលបានបង្កើត។ ឧទាហរណ៍ដ៏ល្អមួយគឺសេវាកម្ម ក្រហមគឺជាមូលដ្ឋានទិន្នន័យ GUI ដែលជួយបង្កើតផ្ទាំងគ្រប់គ្រង។ របៀបដែលអន្តរកម្មដំណើរការ៖

1. អ្នកប្រើប្រាស់បង្កើតសំណួរ SQL ។
2. ជាការឆ្លើយតបគាត់ទទួលបានសញ្ញាមួយ។
3. វាបង្កើត 'ការមើលឃើញថ្មី' សម្រាប់វា និងទទួលបានក្រាហ្វដ៏ស្រស់ស្អាតដែលអ្នកអាចរក្សាទុកសម្រាប់ខ្លួនអ្នក។

ការមើលឃើញនៅក្នុងសេវាកម្មកំពុងធ្វើបច្ចុប្បន្នភាពដោយស្វ័យប្រវត្តិ អ្នកអាចប្ដូរតាមបំណង និងតាមដានការត្រួតពិនិត្យរបស់អ្នក។ Redash គឺមិនគិតថ្លៃទេ ប្រសិនបើរៀបចំដោយខ្លួនឯង ប៉ុន្តែដូចជា SaaS វានឹងត្រូវចំណាយ 50 ដុល្លារក្នុងមួយខែ។

សេចក្តីសន្និដ្ឋាន

បន្ទាប់ពីបញ្ចប់ជំហានទាំងអស់ខាងលើ អ្នកនឹងបង្កើតការវិភាគម៉ាស៊ីនមេរបស់អ្នក។ សូមចំណាំថា វាមិនសាមញ្ញដូចគ្រាន់តែភ្ជាប់ការវិភាគអតិថិជននោះទេ ព្រោះអ្វីៗទាំងអស់ត្រូវកំណត់រចនាសម្ព័ន្ធដោយខ្លួនឯង។ ដូច្នេះមុននឹងបង្កើតប្រព័ន្ធផ្ទាល់ខ្លួនរបស់អ្នក វាមានតម្លៃប្រៀបធៀបតម្រូវការសម្រាប់ប្រព័ន្ធវិភាគដ៏ធ្ងន់ធ្ងរជាមួយនឹងធនធានដែលអ្នកមានឆន្ទៈក្នុងការបែងចែកទៅឱ្យវា។
ប្រសិនបើអ្នកបានធ្វើគណិតវិទ្យា ហើយបានរកឃើញថាការចំណាយខ្ពស់ពេក នៅផ្នែកបន្ទាប់ ខ្ញុំនឹងនិយាយអំពីរបៀបបង្កើតកំណែដែលមានតម្លៃថោកនៃការវិភាគផ្នែកខាងម៉ាស៊ីនមេ។

អរគុណសម្រាប់ការអាន! ខ្ញុំនឹងរីករាយក្នុងការសួរសំណួរនៅក្នុងមតិយោបល់។

ប្រភព: www.habr.com