Google ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್: ಒಳ್ಳೆಯದು, ಕೆಟ್ಟದು, ಕೊಳಕು

ಹಲೋ, ಖಬ್ರೋವ್ಸ್ಕ್ ನಿವಾಸಿಗಳು. ಎಂದಿನಂತೆ, ಹೊಸ ಕೋರ್ಸ್‌ಗಳ ಪ್ರಾರಂಭದ ಮೊದಲು ನಾವು ಆಸಕ್ತಿದಾಯಕ ವಿಷಯಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳುವುದನ್ನು ಮುಂದುವರಿಸುತ್ತೇವೆ. ಇಂದು, ವಿಶೇಷವಾಗಿ ನಿಮಗಾಗಿ, ಕೋರ್ಸ್‌ನ ಪ್ರಾರಂಭದೊಂದಿಗೆ ಹೊಂದಿಕೆಯಾಗುವಂತೆ ನಾವು Google ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಕುರಿತು ಲೇಖನವನ್ನು ಪ್ರಕಟಿಸಿದ್ದೇವೆ "ಡೆವಲಪರ್‌ಗಳಿಗಾಗಿ AWS".

ಮೂಲತಃ ಪ್ರಕಟಿಸಲಾಗಿದೆ ಲೈಟ್ಸ್ಪೀಡ್ ಹೆಚ್ಕ್ಯು ಬ್ಲಾಗ್.

ಪ್ರಪಂಚದಾದ್ಯಂತದ ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರಿಗಳು, ರೆಸ್ಟೋರೆಂಟ್‌ಗಳು ಮತ್ತು ಆನ್‌ಲೈನ್ ಮಾರಾಟಗಾರರಿಗೆ ವಿವಿಧ ಕ್ಲೌಡ್-ಆಧಾರಿತ POS ಪರಿಹಾರಗಳನ್ನು ಒದಗಿಸುವ ಕಂಪನಿಯಾಗಿ, ಲೈಟ್‌ಸ್ಪೀಡ್ ವಿವಿಧ ರೀತಿಯ ವಹಿವಾಟು, ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಮತ್ತು ಹುಡುಕಾಟ ಬಳಕೆಯ ಸಂದರ್ಭಗಳಿಗಾಗಿ ವಿವಿಧ ರೀತಿಯ ಡೇಟಾಬೇಸ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳನ್ನು ಬಳಸುತ್ತದೆ. ಈ ಪ್ರತಿಯೊಂದು ಡೇಟಾಬೇಸ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಳು ತನ್ನದೇ ಆದ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ದೌರ್ಬಲ್ಯಗಳನ್ನು ಹೊಂದಿವೆ.ಆದ್ದರಿಂದ, Google ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಅನ್ನು ಮಾರುಕಟ್ಟೆಗೆ ಪರಿಚಯಿಸಿದಾಗ - ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್‌ಗಳ ಜಗತ್ತಿನಲ್ಲಿ ಕಾಣದಿರುವ ಭರವಸೆಯ ವೈಶಿಷ್ಟ್ಯಗಳು, ಉದಾಹರಣೆಗೆ ವಾಸ್ತವಿಕವಾಗಿ ಅನಿಯಮಿತ ಸಮತಲ ಸ್ಕೇಲೆಬಿಲಿಟಿ ಮತ್ತು 99,999% ಸೇವಾ ಮಟ್ಟದ ಒಪ್ಪಂದ (SLA), — ನಮ್ಮ ಕೈಗಳನ್ನು ಪಡೆಯುವ ಅವಕಾಶವನ್ನು ನಾವು ಕಳೆದುಕೊಳ್ಳಲಿಲ್ಲ!

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್‌ನೊಂದಿಗೆ ನಮ್ಮ ಅನುಭವದ ಸಮಗ್ರ ಅವಲೋಕನವನ್ನು ಒದಗಿಸಲು, ಹಾಗೆಯೇ ನಾವು ಬಳಸಿದ ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡಗಳನ್ನು ನಾವು ಈ ಕೆಳಗಿನ ವಿಷಯಗಳನ್ನು ಒಳಗೊಳ್ಳುತ್ತೇವೆ:

1. ನಮ್ಮ ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡಗಳು
2. ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್
3. ನಮ್ಮ ಮೌಲ್ಯಮಾಪನ
4. ನಮ್ಮ ಸಂಶೋಧನೆಗಳು

1. ನಮ್ಮ ಮೌಲ್ಯಮಾಪನ ಮಾನದಂಡಗಳು

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್‌ನ ವಿಶೇಷತೆಗಳು, ಮಾರುಕಟ್ಟೆಯಲ್ಲಿನ ಇತರ ಪರಿಹಾರಗಳೊಂದಿಗೆ ಅದರ ಹೋಲಿಕೆಗಳು ಮತ್ತು ವ್ಯತ್ಯಾಸಗಳಿಗೆ ಧುಮುಕುವ ಮೊದಲು, ನಮ್ಮ ಮೂಲಸೌಕರ್ಯದಲ್ಲಿ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಅನ್ನು ಎಲ್ಲಿ ನಿಯೋಜಿಸಬೇಕು ಎಂದು ಪರಿಗಣಿಸುವಾಗ ನಾವು ಮನಸ್ಸಿನಲ್ಲಿಟ್ಟ ಮುಖ್ಯ ಬಳಕೆಯ ಸಂದರ್ಭಗಳ ಬಗ್ಗೆ ಮೊದಲು ಮಾತನಾಡೋಣ:

• (ಪ್ರಧಾನ) ಸಾಂಪ್ರದಾಯಿಕ SQL ಡೇಟಾಬೇಸ್ ಪರಿಹಾರಕ್ಕೆ ಬದಲಿಯಾಗಿ
• OLAP ಬೆಂಬಲದೊಂದಿಗೆ OLTP ಪರಿಹಾರವನ್ನು ಹೇಗೆ ಮಾಡುವುದು

ಗಮನಿಸಿ: ಸರಳತೆ ಮತ್ತು ಹೋಲಿಕೆಯ ಸುಲಭತೆಗಾಗಿ, ಈ ಲೇಖನವು GCP ಕ್ಲೌಡ್ SQL ಮತ್ತು Amazon AWS RDS ಪರಿಹಾರ ಕುಟುಂಬಗಳ MySQL ರೂಪಾಂತರಗಳೊಂದಿಗೆ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಅನ್ನು ಹೋಲಿಸುತ್ತದೆ.

ಸಾಂಪ್ರದಾಯಿಕ SQL ಡೇಟಾಬೇಸ್ ಪರಿಹಾರಕ್ಕೆ ಬದಲಿಯಾಗಿ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಅನ್ನು ಬಳಸುವುದು

ಪರಿಸರದಲ್ಲಿ ಸಾಂಪ್ರದಾಯಿಕ ಡೇಟಾಬೇಸ್‌ಗಳು, ಡೇಟಾಬೇಸ್ ಪ್ರಶ್ನೆಯ ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯವು ಸಮೀಪಿಸಿದಾಗ ಅಥವಾ ಪೂರ್ವನಿರ್ಧರಿತ ಅಪ್ಲಿಕೇಶನ್ ಮಿತಿಗಳನ್ನು ಮೀರಿದಾಗ (ಮುಖ್ಯವಾಗಿ ಬಳಕೆದಾರರು ಮತ್ತು/ಅಥವಾ ವಿನಂತಿಗಳ ಸಂಖ್ಯೆಯಲ್ಲಿನ ಹೆಚ್ಚಳದಿಂದಾಗಿ), ಪ್ರತಿಕ್ರಿಯೆ ಸಮಯವನ್ನು ಸ್ವೀಕಾರಾರ್ಹ ಮಟ್ಟಕ್ಕೆ ಕಡಿಮೆ ಮಾಡಲು ಹಲವಾರು ಮಾರ್ಗಗಳಿವೆ. ಆದಾಗ್ಯೂ, ಈ ಪರಿಹಾರಗಳಲ್ಲಿ ಹೆಚ್ಚಿನವು ಹಸ್ತಚಾಲಿತ ಹಸ್ತಕ್ಷೇಪವನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ.

ಉದಾಹರಣೆಗೆ, ವಿವಿಧ ಕಾರ್ಯಕ್ಷಮತೆ-ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ಪ್ಯಾರಾಮೀಟರ್‌ಗಳನ್ನು ನೋಡುವುದು ಮತ್ತು ಅಪ್ಲಿಕೇಶನ್ ಬಳಕೆಯ ಕೇಸ್ ಮಾದರಿಗಳನ್ನು ಉತ್ತಮವಾಗಿ ಹೊಂದಿಸಲು ಅವುಗಳನ್ನು ಟ್ಯೂನ್ ಮಾಡುವುದು ಮೊದಲ ಹಂತವಾಗಿದೆ. ಇದು ಸಾಕಾಗದೇ ಇದ್ದರೆ, ನೀವು ಡೇಟಾಬೇಸ್ ಅನ್ನು ಲಂಬವಾಗಿ ಅಥವಾ ಅಡ್ಡಲಾಗಿ ಅಳೆಯಲು ಆಯ್ಕೆ ಮಾಡಬಹುದು.

ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ಲಂಬವಾಗಿ ಸ್ಕೇಲಿಂಗ್ ಮಾಡುವುದು ಸರ್ವರ್ ನಿದರ್ಶನವನ್ನು ಅಪ್‌ಗ್ರೇಡ್ ಮಾಡುವುದನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ, ಸಾಮಾನ್ಯವಾಗಿ ಹೆಚ್ಚಿನ ಪ್ರೊಸೆಸರ್‌ಗಳು/ಕೋರ್‌ಗಳು, ಹೆಚ್ಚಿನ RAM, ವೇಗದ ಸಂಗ್ರಹಣೆ ಇತ್ಯಾದಿಗಳನ್ನು ಸೇರಿಸುವ ಮೂಲಕ. ಹೆಚ್ಚಿನ ಹಾರ್ಡ್‌ವೇರ್ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಸೇರಿಸುವುದರಿಂದ ಡೇಟಾಬೇಸ್ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ, ಪ್ರಾಥಮಿಕವಾಗಿ ಎರಡನೇ ವಹಿವಾಟಿನಲ್ಲಿ ಅಳೆಯಲಾಗುತ್ತದೆ ಮತ್ತು OLTP ಸಿಸ್ಟಮ್‌ಗಳಿಗೆ ವಹಿವಾಟು ವಿಳಂಬವಾಗುತ್ತದೆ. MySQL ನಂತಹ ಸಂಬಂಧಿತ ಡೇಟಾಬೇಸ್ ವ್ಯವಸ್ಥೆಗಳು (ಬಹು-ಥ್ರೆಡ್ ವಿಧಾನವನ್ನು ಬಳಸುತ್ತವೆ) ಲಂಬವಾಗಿ ಚೆನ್ನಾಗಿ ಅಳತೆ ಮಾಡುತ್ತವೆ.

ಈ ವಿಧಾನಕ್ಕೆ ಹಲವಾರು ಅನಾನುಕೂಲತೆಗಳಿವೆ, ಆದರೆ ಮಾರುಕಟ್ಟೆಯಲ್ಲಿನ ಗರಿಷ್ಠ ಸರ್ವರ್ ಗಾತ್ರವು ಅತ್ಯಂತ ಸ್ಪಷ್ಟವಾಗಿದೆ. ಅತಿದೊಡ್ಡ ಸರ್ವರ್ ನಿದರ್ಶನದ ಮಿತಿಯನ್ನು ತಲುಪಿದ ನಂತರ, ಒಂದೇ ಒಂದು ಆಯ್ಕೆ ಉಳಿದಿದೆ: ಸಮತಲ ಸ್ಕೇಲಿಂಗ್.

ಸಮತಲ ಸ್ಕೇಲಿಂಗ್ ಎನ್ನುವುದು ಒಂದು ಕ್ಲಸ್ಟರ್‌ಗೆ ಹೆಚ್ಚಿನ ಸರ್ವರ್‌ಗಳನ್ನು ಸೇರಿಸುವ ವಿಧಾನವಾಗಿದೆ, ಸರ್ವರ್‌ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಸೇರಿಸಿದಂತೆ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ರೇಖೀಯವಾಗಿ ಹೆಚ್ಚಿಸುತ್ತದೆ. ಬಹುಮತ ಸಾಂಪ್ರದಾಯಿಕ ಡೇಟಾಬೇಸ್ ವ್ಯವಸ್ಥೆಗಳು ಅಡ್ಡಲಾಗಿ ಚೆನ್ನಾಗಿ ಅಳೆಯುವುದಿಲ್ಲ ಅಥವಾ ಅಳೆಯುವುದಿಲ್ಲ. ಉದಾಹರಣೆಗೆ, MySQL ಸ್ಲೇವ್ ರೀಡರ್‌ಗಳನ್ನು ಸೇರಿಸುವ ಮೂಲಕ ಓದುವ ಕಾರ್ಯಾಚರಣೆಗಳಿಗಾಗಿ ಅಡ್ಡಲಾಗಿ ಅಳೆಯಬಹುದು, ಆದರೆ ಬರಹಗಳಿಗೆ ಅಡ್ಡಲಾಗಿ ಅಳೆಯಲು ಸಾಧ್ಯವಿಲ್ಲ.

ಮತ್ತೊಂದೆಡೆ, ಅದರ ಸ್ವಭಾವದಿಂದಾಗಿ, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಕನಿಷ್ಠ ಹಸ್ತಕ್ಷೇಪದೊಂದಿಗೆ ಸುಲಭವಾಗಿ ಅಡ್ಡಲಾಗಿ ಅಳೆಯಬಹುದು.

ಸಂಪೂರ್ಣವಾಗಿ ವೈಶಿಷ್ಟ್ಯಗೊಳಿಸಲಾಗಿದೆ ಸೇವೆಯಾಗಿ DBMS ವಿವಿಧ ಕೋನಗಳಿಂದ ಮೌಲ್ಯಮಾಪನ ಮಾಡಬೇಕು. ಆಧಾರವಾಗಿ, ನಾವು ಕ್ಲೌಡ್‌ನಲ್ಲಿ ಹೆಚ್ಚು ಜನಪ್ರಿಯವಾದ DBMS ಅನ್ನು ತೆಗೆದುಕೊಂಡಿದ್ದೇವೆ - Google, GCP ಕ್ಲೌಡ್ SQL ಮತ್ತು Amazon, AWS RDS ಗಾಗಿ. ನಮ್ಮ ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ ನಾವು ಈ ಕೆಳಗಿನ ವರ್ಗಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿದ್ದೇವೆ:

• ವೈಶಿಷ್ಟ್ಯ ಮ್ಯಾಪಿಂಗ್: ಮಟ್ಟಿಗೆ SQL, DDL, DML; ಸಂಪರ್ಕ ಗ್ರಂಥಾಲಯಗಳು/ಕನೆಕ್ಟರ್‌ಗಳು, ವಹಿವಾಟು ಬೆಂಬಲ, ಇತ್ಯಾದಿ.
• ಅಭಿವೃದ್ಧಿ ಬೆಂಬಲ: ಸುಲಭ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಪರೀಕ್ಷೆ.
• ಆಡಳಿತ ಬೆಂಬಲ: ನಿದರ್ಶನ ನಿರ್ವಹಣೆ - ಉದಾಹರಣೆಗೆ, ಸ್ಕೇಲಿಂಗ್ ಅಪ್/ಡೌನ್ ಮತ್ತು ಅಪ್‌ಗ್ರೇಡ್ ನಿದರ್ಶನಗಳು; SLA, ಬ್ಯಾಕ್ಅಪ್ ಮತ್ತು ಚೇತರಿಕೆ; ಭದ್ರತೆ/ಪ್ರವೇಶ ನಿಯಂತ್ರಣ.

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಅನ್ನು OLAP-ಸಕ್ರಿಯಗೊಳಿಸಿದ OLTP ಪರಿಹಾರವಾಗಿ ಬಳಸುವುದು

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಅನ್ನು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪ್ರಕ್ರಿಯೆಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ ಎಂದು Google ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳಿಕೊಳ್ಳದಿದ್ದರೂ, ಇದು OLAP ಕೆಲಸದ ಹೊರೆಗಳಿಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ Apache Impala & Kudu ಮತ್ತು YugaByte ನಂತಹ ಇತರ ಎಂಜಿನ್‌ಗಳೊಂದಿಗೆ ಕೆಲವು ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹಂಚಿಕೊಳ್ಳುತ್ತದೆ.

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ (ಹೆಚ್ಚು ಅಥವಾ ಕಡಿಮೆ) ಬಳಸಬಹುದಾದ OLAP ವೈಶಿಷ್ಟ್ಯದ ಸೆಟ್‌ನೊಂದಿಗೆ ಸ್ಥಿರವಾದ ಸ್ಕೇಲ್-ಔಟ್ HTAP (ಹೈಬ್ರಿಡ್ ವಹಿವಾಟು/ವಿಶ್ಲೇಷಣೆ ಪ್ರಕ್ರಿಯೆ) ಎಂಜಿನ್ ಅನ್ನು ಒಳಗೊಂಡಿರುವ ಒಂದು ಸಣ್ಣ ಅವಕಾಶವಿದ್ದರೂ, ಅದು ನಮ್ಮ ಗಮನಕ್ಕೆ ಅರ್ಹವಾಗಿದೆ ಎಂದು ನಾವು ಭಾವಿಸುತ್ತೇವೆ.

ಇದನ್ನು ಗಮನದಲ್ಲಿಟ್ಟುಕೊಂಡು, ನಾವು ಈ ಕೆಳಗಿನ ವರ್ಗಗಳನ್ನು ನೋಡಿದ್ದೇವೆ:

• ಡೇಟಾ ಲೋಡಿಂಗ್, ಇಂಡೆಕ್ಸ್‌ಗಳು ಮತ್ತು ವಿಭಜನಾ ಬೆಂಬಲ
• ಪ್ರಶ್ನೆ ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು DML

2. ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್

ಗೂಗಲ್ ಸ್ಪ್ಯಾನರ್ ಎನ್ನುವುದು ಕ್ಲಸ್ಟರ್ಡ್ ರಿಲೇಶನಲ್ ಡೇಟಾಬೇಸ್ ಮ್ಯಾನೇಜ್‌ಮೆಂಟ್ ಸಿಸ್ಟಮ್ (RDBMS) ಆಗಿದ್ದು, ಗೂಗಲ್ ತನ್ನದೇ ಆದ ಹಲವಾರು ಸೇವೆಗಳಿಗೆ ಬಳಸುತ್ತದೆ. Google 2017 ರ ಆರಂಭದಲ್ಲಿ Google ಕ್ಲೌಡ್ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್ ಬಳಕೆದಾರರಿಗೆ ಸಾಮಾನ್ಯವಾಗಿ ಲಭ್ಯವಾಗುವಂತೆ ಮಾಡಿದೆ.

ಕೆಲವು ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಗುಣಲಕ್ಷಣಗಳು ಇಲ್ಲಿವೆ:

• ಹೆಚ್ಚು ಸ್ಥಿರವಾದ ಸ್ಕೇಲೆಬಲ್ RDBMS ಕ್ಲಸ್ಟರ್: ಡೇಟಾ ಸ್ಥಿರತೆಯನ್ನು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಹಾರ್ಡ್‌ವೇರ್ ಸಮಯದ ಸಿಂಕ್ರೊನೈಸೇಶನ್ ಅನ್ನು ಬಳಸುತ್ತದೆ.
• ಕ್ರಾಸ್-ಟೇಬಲ್ ವಹಿವಾಟು ಬೆಂಬಲ: ವಹಿವಾಟುಗಳು ಬಹು ಕೋಷ್ಟಕಗಳನ್ನು ವ್ಯಾಪಿಸಬಹುದು - ಒಂದೇ ಟೇಬಲ್‌ಗೆ ಅಗತ್ಯವಾಗಿ ಸೀಮಿತವಾಗಿಲ್ಲ (ಅಪಾಚೆ ಎಚ್‌ಬೇಸ್ ಅಥವಾ ಅಪಾಚೆ ಕುಡುಗಿಂತ ಭಿನ್ನವಾಗಿ).
• ಪ್ರಾಥಮಿಕ ಕೀ ಆಧಾರಿತ ಕೋಷ್ಟಕಗಳು: ಎಲ್ಲಾ ಕೋಷ್ಟಕಗಳು ಡಿಕ್ಲೇರ್ಡ್ ಪ್ರಾಥಮಿಕ ಕೀ (PC) ಅನ್ನು ಹೊಂದಿರಬೇಕು, ಇದು ಕೋಷ್ಟಕದಲ್ಲಿ ಬಹು ಕಾಲಮ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತದೆ. ಟ್ಯಾಬ್ಯುಲರ್ ಡೇಟಾವನ್ನು ಪಿಸಿ ಕ್ರಮದಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ, ಇದು ಪಿಸಿ ಹುಡುಕಾಟಕ್ಕೆ ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಮತ್ತು ವೇಗವಾಗಿರುತ್ತದೆ. ಇತರ PC-ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳಂತೆ, ಅನುಷ್ಠಾನವನ್ನು ಸಾಧಿಸಲು ಪೂರ್ವ-ವಿನ್ಯಾಸಗೊಳಿಸಿದ ಬಳಕೆಯ ಸಂದರ್ಭಗಳನ್ನು ಮನಸ್ಸಿನಲ್ಲಿಟ್ಟುಕೊಳ್ಳಬೇಕು ಅತ್ಯುತ್ತಮ ಪ್ರದರ್ಶನ.
• ಪಟ್ಟಿಯ ಕೋಷ್ಟಕಗಳು: ಕೋಷ್ಟಕಗಳು ಪರಸ್ಪರ ಭೌತಿಕ ಅವಲಂಬನೆಗಳನ್ನು ಹೊಂದಬಹುದು. ಮಕ್ಕಳ ಕೋಷ್ಟಕದಲ್ಲಿನ ಸಾಲುಗಳನ್ನು ಪೋಷಕ ಕೋಷ್ಟಕದಲ್ಲಿನ ಸಾಲುಗಳಿಗೆ ಹೊಂದಿಸಬಹುದು. ಈ ವಿಧಾನವು ಡೇಟಾ ಮಾಡೆಲಿಂಗ್ ಹಂತದಲ್ಲಿ ಗುರುತಿಸಬಹುದಾದ ಸಂಬಂಧಗಳ ಹುಡುಕಾಟವನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ, ಉದಾಹರಣೆಗೆ ಗ್ರಾಹಕರು ಮತ್ತು ಅವರ ಇನ್‌ವಾಯ್ಸ್‌ಗಳನ್ನು ಸಹ-ಸ್ಥಳಿಸುವುದು.
• ಸೂಚ್ಯಂಕಗಳು: ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ದ್ವಿತೀಯ ಸೂಚ್ಯಂಕಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ. ಸೂಚ್ಯಂಕವು ಸೂಚ್ಯಂಕಿತ ಕಾಲಮ್‌ಗಳು ಮತ್ತು ಎಲ್ಲಾ PC ಕಾಲಮ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಬಯಸಿದಲ್ಲಿ, ಸೂಚ್ಯಂಕವು ಇತರ ಸೂಚ್ಯಂಕವಲ್ಲದ ಕಾಲಮ್‌ಗಳನ್ನು ಸಹ ಒಳಗೊಂಡಿರಬಹುದು. ಪ್ರಶ್ನೆಗಳನ್ನು ವೇಗಗೊಳಿಸಲು ಸೂಚ್ಯಂಕವನ್ನು ಮೂಲ ಕೋಷ್ಟಕದೊಂದಿಗೆ ಇಂಟರ್ಲೀವ್ ಮಾಡಬಹುದು. ಸೂಚ್ಯಂಕಗಳಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾದ ಗರಿಷ್ಠ ಸಂಖ್ಯೆಯ ಹೆಚ್ಚುವರಿ ಕಾಲಮ್‌ಗಳಂತಹ ಹಲವಾರು ನಿರ್ಬಂಧಗಳು ಸೂಚ್ಯಂಕಗಳಿಗೆ ಅನ್ವಯಿಸುತ್ತವೆ. ಅಲ್ಲದೆ, ಸೂಚ್ಯಂಕಗಳ ಮೂಲಕ ಪ್ರಶ್ನೆಗಳು ಇತರ RDBMS ಗಳಲ್ಲಿರುವಂತೆ ನೇರವಾಗಿರುವುದಿಲ್ಲ.

“ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಅಪರೂಪದ ಸಂದರ್ಭಗಳಲ್ಲಿ ಮಾತ್ರ ಸೂಚ್ಯಂಕವನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ ಹೇಳುವುದಾದರೆ, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ದ್ವಿತೀಯ ಸೂಚಿಯನ್ನು ಆಯ್ಕೆ ಮಾಡುವುದಿಲ್ಲ ಸೂಚ್ಯಂಕ ».

• ಸೇವಾ ಮಟ್ಟದ ಒಪ್ಪಂದ (SLA): SLA 99,99% ನೊಂದಿಗೆ ಒಂದು ಪ್ರದೇಶದಲ್ಲಿ ನಿಯೋಜನೆ; 99,999% SLA ನೊಂದಿಗೆ ಬಹು-ಪ್ರಾದೇಶಿಕ ನಿಯೋಜನೆಗಳು. SLA ಸ್ವತಃ ಕೇವಲ ಒಪ್ಪಂದವಾಗಿದೆ ಮತ್ತು ಯಾವುದೇ ರೀತಿಯ ಗ್ಯಾರಂಟಿ ಅಲ್ಲ, Google ನಲ್ಲಿ ಜನರು ಅಂತಹ ಬಲವಾದ ಹಕ್ಕು ಮಾಡಲು ಕೆಲವು ಹಾರ್ಡ್ ಡೇಟಾವನ್ನು ಹೊಂದಿದ್ದಾರೆ ಎಂದು ನಾನು ನಂಬುತ್ತೇನೆ. (ಉಲ್ಲೇಖಕ್ಕಾಗಿ, 99,999% ಎಂದರೆ ತಿಂಗಳಿಗೆ 26,3 ಸೆಕೆಂಡುಗಳ ಸೇವೆ ಅಲಭ್ಯತೆ.)
• ಇನ್ನಷ್ಟು: https://cloud.google.com/spanner/

ಗಮನಿಸಿ: Apache Tephra ಯೋಜನೆಯು Apache HBase ಗೆ ವರ್ಧಿತ ವಹಿವಾಟು ಬೆಂಬಲವನ್ನು ಸೇರಿಸುತ್ತದೆ (ಈಗ Apache Phoenix ನಲ್ಲಿ ಬೀಟಾ ಆಗಿ ಅಳವಡಿಸಲಾಗಿದೆ).

3. ನಮ್ಮ ಮೌಲ್ಯಮಾಪನ

ಆದ್ದರಿಂದ, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್‌ನ ಪ್ರಯೋಜನಗಳ ಕುರಿತು Google ನ ಹಕ್ಕುಗಳನ್ನು ನಾವೆಲ್ಲರೂ ಓದಿದ್ದೇವೆ - ಹೆಚ್ಚಿನ ಸ್ಥಿರತೆ ಮತ್ತು ಹೆಚ್ಚಿನ SLA ಅನ್ನು ನಿರ್ವಹಿಸುವಾಗ ವಾಸ್ತವಿಕವಾಗಿ ಅನಿಯಮಿತ ಸಮತಲ ಸ್ಕೇಲಿಂಗ್. ಈ ಅವಶ್ಯಕತೆಗಳು, ಯಾವುದೇ ಸಂದರ್ಭದಲ್ಲಿ, ಸಾಧಿಸುವುದು ಅತ್ಯಂತ ಕಷ್ಟಕರವಾಗಿದ್ದರೂ, ನಮ್ಮ ಗುರಿ ಅವುಗಳನ್ನು ನಿರಾಕರಿಸುವುದು ಅಲ್ಲ. ಬದಲಿಗೆ, ಹೆಚ್ಚಿನ ಡೇಟಾಬೇಸ್ ಬಳಕೆದಾರರು ಕಾಳಜಿವಹಿಸುವ ಇತರ ವಿಷಯಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸೋಣ: ಸಮಾನತೆ ಮತ್ತು ಉಪಯುಕ್ತತೆ.

ನಾವು Sharded MySQL ಗೆ ಬದಲಿಯಾಗಿ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಅನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇವೆ

Google ಕ್ಲೌಡ್ SQL ಮತ್ತು Amazon AWS RDS, ಕ್ಲೌಡ್ ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ಎರಡು ಅತ್ಯಂತ ಜನಪ್ರಿಯ OLTP DBMS ಗಳು, ಬಹಳ ದೊಡ್ಡ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಹೊಂದಿವೆ. ಆದಾಗ್ಯೂ, ಈ ಡೇಟಾಬೇಸ್‌ಗಳನ್ನು ಒಂದೇ ನೋಡ್‌ನ ಗಾತ್ರವನ್ನು ಮೀರಿ ಅಳೆಯಲು, ನೀವು ಅಪ್ಲಿಕೇಶನ್ ವಿಭಜನೆಯನ್ನು ನಿರ್ವಹಿಸಬೇಕಾಗುತ್ತದೆ. ಈ ವಿಧಾನವು ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಮತ್ತು ಆಡಳಿತ ಎರಡಕ್ಕೂ ಹೆಚ್ಚುವರಿ ಸಂಕೀರ್ಣತೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ. ಒಂದೇ ನಿದರ್ಶನದಲ್ಲಿ ಅನೇಕ ಚೂರುಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಸನ್ನಿವೇಶಕ್ಕೆ ಸ್ಪ್ಯಾನರ್ ಹೇಗೆ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಯಾವ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು (ಯಾವುದಾದರೂ ಇದ್ದರೆ) ತ್ಯಾಗ ಮಾಡಬೇಕಾಗಬಹುದು ಎಂಬುದನ್ನು ನಾವು ನೋಡಿದ್ದೇವೆ.

SQL, DML ಮತ್ತು DDL ಬೆಂಬಲ, ಹಾಗೆಯೇ ಕನೆಕ್ಟರ್ ಮತ್ತು ಲೈಬ್ರರಿಗಳು?

ಮೊದಲಿಗೆ, ಯಾವುದೇ ಡೇಟಾಬೇಸ್ನೊಂದಿಗೆ ಪ್ರಾರಂಭಿಸುವಾಗ, ನೀವು ಡೇಟಾ ಮಾದರಿಯನ್ನು ರಚಿಸಬೇಕಾಗಿದೆ. ನಿಮ್ಮ ಮೆಚ್ಚಿನ SQL ಟೂಲ್‌ಗೆ JDBC ಸ್ಪ್ಯಾನರ್ ಅನ್ನು ನೀವು ಸಂಪರ್ಕಿಸಬಹುದು ಎಂದು ನೀವು ಭಾವಿಸಿದರೆ, ಅದರೊಂದಿಗೆ ನಿಮ್ಮ ಡೇಟಾವನ್ನು ನೀವು ಪ್ರಶ್ನಿಸಬಹುದು ಎಂದು ನೀವು ಕಂಡುಕೊಳ್ಳುತ್ತೀರಿ, ಆದರೆ ಟೇಬಲ್ ರಚಿಸಲು ಅಥವಾ ಮಾರ್ಪಡಿಸಲು (DDL) ಅಥವಾ ಯಾವುದೇ ಇನ್ಸರ್ಟ್/ಅಪ್‌ಡೇಟ್/ಅಳಿಸುವುದಕ್ಕೆ ನೀವು ಅದನ್ನು ಬಳಸಲಾಗುವುದಿಲ್ಲ ಕಾರ್ಯಾಚರಣೆಗಳು (DML). Google ನ ಅಧಿಕೃತ JDBC ಇವುಗಳಲ್ಲಿ ಯಾವುದನ್ನೂ ಬೆಂಬಲಿಸುವುದಿಲ್ಲ.

"ಚಾಲಕರು ಪ್ರಸ್ತುತ DML ಅಥವಾ DDL ಹೇಳಿಕೆಗಳನ್ನು ಬೆಂಬಲಿಸುವುದಿಲ್ಲ."
ಸ್ಪ್ಯಾನರ್ ಡಾಕ್ಯುಮೆಂಟೇಶನ್

GCP ಕನ್ಸೋಲ್‌ನೊಂದಿಗೆ ಪರಿಸ್ಥಿತಿಯು ಉತ್ತಮವಾಗಿಲ್ಲ - ನೀವು SELECT ಪ್ರಶ್ನೆಗಳನ್ನು ಮಾತ್ರ ಕಳುಹಿಸಬಹುದು. ಅದೃಷ್ಟವಶಾತ್ ಸಮುದಾಯದಿಂದ DML ಮತ್ತು DDL ಗೆ ಬೆಂಬಲದೊಂದಿಗೆ JDBC ಡ್ರೈವರ್ ಇದೆ, ವಹಿವಾಟುಗಳು ಸೇರಿದಂತೆ github.com/olavloite/spanner-jdbc. ಈ ಚಾಲಕವು ಅತ್ಯಂತ ಉಪಯುಕ್ತವಾಗಿದ್ದರೂ, ಗೂಗಲ್‌ನ ಸ್ವಂತ JDBC ಡ್ರೈವರ್‌ನ ಕೊರತೆಯು ಆಶ್ಚರ್ಯಕರವಾಗಿದೆ. ಅದೃಷ್ಟವಶಾತ್, ಕ್ಲೈಂಟ್ ಲೈಬ್ರರಿಗಳಿಗೆ Google ಸಾಕಷ್ಟು ವಿಶಾಲವಾದ ಬೆಂಬಲವನ್ನು ನೀಡುತ್ತದೆ (gRPC ಆಧರಿಸಿ): C#, Go, Java, node.js, PHP, Python, ಮತ್ತು Ruby.

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಕಸ್ಟಮ್ API ಗಳ ಬಹುತೇಕ ಕಡ್ಡಾಯ ಬಳಕೆಯು (JDBC ಯಲ್ಲಿ DDL ಮತ್ತು DML ಕೊರತೆಯಿಂದಾಗಿ) ಸಂಪರ್ಕ ಪೂಲ್‌ಗಳು ಅಥವಾ ಡೇಟಾಬೇಸ್ ಬೈಂಡಿಂಗ್ ಫ್ರೇಮ್‌ವರ್ಕ್‌ಗಳಂತಹ ಸಂಬಂಧಿತ ಕೋಡ್ ಪ್ರದೇಶಗಳಿಗೆ ಕೆಲವು ಮಿತಿಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ (ಉದಾ. ಸ್ಪ್ರಿಂಗ್ MVC). ವಿಶಿಷ್ಟವಾಗಿ, JDBC ಅನ್ನು ಬಳಸುವಾಗ, ನಿಮ್ಮ ಮೆಚ್ಚಿನ ಸಂಪರ್ಕ ಪೂಲ್ ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಲು ನೀವು ಸ್ವತಂತ್ರರಾಗಿರುತ್ತೀರಿ (ಉದಾ. HikariCP, DBCP, C3PO, ಇತ್ಯಾದಿ.) ಅದನ್ನು ಪರೀಕ್ಷಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಕಸ್ಟಮ್ ಸ್ಪ್ಯಾನರ್ API ಗಳ ಸಂದರ್ಭದಲ್ಲಿ, ನಾವು ನಾವೇ ರಚಿಸಿದ ಫ್ರೇಮ್‌ವರ್ಕ್‌ಗಳು/ಬೈಂಡಿಂಗ್ ಪೂಲ್‌ಗಳು/ಸೆಷನ್‌ಗಳನ್ನು ಅವಲಂಬಿಸಬೇಕಾಗುತ್ತದೆ.

ಪ್ರಾಥಮಿಕ ಕೀ (PC) ಕೇಂದ್ರಿತ ವಿನ್ಯಾಸವು ಪಿಸಿ ಮೂಲಕ ಡೇಟಾವನ್ನು ಪ್ರವೇಶಿಸುವಾಗ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಅನ್ನು ಅತ್ಯಂತ ವೇಗವಾಗಿ ಮಾಡಲು ಅನುಮತಿಸುತ್ತದೆ, ಆದರೆ ಕೆಲವು ಪ್ರಶ್ನೆ ಸಮಸ್ಯೆಗಳನ್ನು ಸಹ ಪರಿಚಯಿಸುತ್ತದೆ.

• ನೀವು ಪ್ರಾಥಮಿಕ ಕೀ ಮೌಲ್ಯವನ್ನು ನವೀಕರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ; ನೀವು ಮೊದಲು ಮೂಲ PC ಯಿಂದ ನಮೂದನ್ನು ಅಳಿಸಬೇಕು ಮತ್ತು ಅದನ್ನು ಹೊಸ ಮೌಲ್ಯದೊಂದಿಗೆ ಮರುಸೇರಿಸಬೇಕು. (ಇದು ಇತರ PC ಆಧಾರಿತ ಡೇಟಾಬೇಸ್/ಸ್ಟೋರೇಜ್ ಎಂಜಿನ್‌ಗಳಿಗೆ ಹೋಲುತ್ತದೆ.)
• ಯಾವುದೇ ಅಪ್‌ಡೇಟ್ ಮತ್ತು ಡಿಲೀಟ್ ಸ್ಟೇಟ್‌ಮೆಂಟ್‌ಗಳು ಅಲ್ಲಿ PC ಅನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಬೇಕು, ಆದ್ದರಿಂದ ಖಾಲಿ ಇರುವಂತಿಲ್ಲ ಎಲ್ಲಾ ಹೇಳಿಕೆಗಳನ್ನು ಅಳಿಸಿ - ಯಾವಾಗಲೂ ಸಬ್‌ಕ್ವೆರಿ ಇರಬೇಕು, ಉದಾಹರಣೆಗೆ: xxx ಎಲ್ಲಿ ಐಡಿ ಅನ್ನು ನವೀಕರಿಸಿ (ಟೇಬಲ್ 1 ರಿಂದ ಐಡಿ ಆಯ್ಕೆಮಾಡಿ)
• ಸ್ವಯಂ-ಇನ್ಕ್ರಿಮೆಂಟ್ ಆಯ್ಕೆಯ ಕೊರತೆ ಅಥವಾ PC ಕ್ಷೇತ್ರಕ್ಕೆ ಅನುಕ್ರಮವನ್ನು ಹೊಂದಿಸುವ ಯಾವುದಾದರೂ. ಇದು ಕೆಲಸ ಮಾಡಲು, ಅಪ್ಲಿಕೇಶನ್ ಬದಿಯಲ್ಲಿ ಅನುಗುಣವಾದ ಮೌಲ್ಯವನ್ನು ರಚಿಸಬೇಕು.

ದ್ವಿತೀಯ ಸೂಚ್ಯಂಕಗಳು?

Google Cloud Spanner ಸೆಕೆಂಡರಿ ಇಂಡೆಕ್ಸ್‌ಗಳಿಗೆ ಅಂತರ್ನಿರ್ಮಿತ ಬೆಂಬಲವನ್ನು ಹೊಂದಿದೆ. ಇದು ಇತರ ತಂತ್ರಜ್ಞಾನಗಳಲ್ಲಿ ಯಾವಾಗಲೂ ಇಲ್ಲದಿರುವ ಉತ್ತಮ ವೈಶಿಷ್ಟ್ಯವಾಗಿದೆ. ಅಪಾಚೆ ಕುಡು ಪ್ರಸ್ತುತ ದ್ವಿತೀಯ ಸೂಚ್ಯಂಕಗಳನ್ನು ಬೆಂಬಲಿಸುವುದಿಲ್ಲ, ಮತ್ತು ಅಪಾಚೆ ಎಚ್‌ಬೇಸ್ ಸೂಚ್ಯಂಕಗಳನ್ನು ನೇರವಾಗಿ ಬೆಂಬಲಿಸುವುದಿಲ್ಲ, ಆದರೆ ಅಪಾಚೆ ಫೀನಿಕ್ಸ್ ಮೂಲಕ ಅವುಗಳನ್ನು ಸೇರಿಸಬಹುದು.

ಕುಡು ಮತ್ತು ಎಚ್‌ಬೇಸ್‌ನಲ್ಲಿನ ಸೂಚ್ಯಂಕಗಳನ್ನು ಪ್ರಾಥಮಿಕ ಕೀಗಳ ವಿಭಿನ್ನ ಸಂಯೋಜನೆಯೊಂದಿಗೆ ಪ್ರತ್ಯೇಕ ಕೋಷ್ಟಕವಾಗಿ ರೂಪಿಸಬಹುದು, ಆದರೆ ಮೂಲ ಕೋಷ್ಟಕ ಮತ್ತು ಸಂಬಂಧಿತ ಸೂಚ್ಯಂಕ ಕೋಷ್ಟಕಗಳಲ್ಲಿ ನಿರ್ವಹಿಸಲಾದ ಕಾರ್ಯಾಚರಣೆಗಳ ಪರಮಾಣುವನ್ನು ಅಪ್ಲಿಕೇಶನ್ ಮಟ್ಟದಲ್ಲಿ ಮಾಡಬೇಕು ಮತ್ತು ಸರಿಯಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಲು ಕ್ಷುಲ್ಲಕವಲ್ಲ.

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ವಿಮರ್ಶೆಯಲ್ಲಿ ಹೇಳಿದಂತೆ, ಅದರ ಸೂಚಿಕೆಗಳು MySQL ನ ಸೂಚಿಕೆಗಳಿಂದ ಭಿನ್ನವಾಗಿರಬಹುದು. ಆದ್ದರಿಂದ, ಸರಿಯಾದ ಸೂಚ್ಯಂಕವನ್ನು ಅಗತ್ಯವಿರುವಲ್ಲಿ ಬಳಸಲಾಗಿದೆಯೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಲು ಪ್ರಶ್ನೆಗಳನ್ನು ಮತ್ತು ಪ್ರೊಫೈಲಿಂಗ್ ಅನ್ನು ನಿರ್ಮಿಸುವಾಗ ವಿಶೇಷ ಕಾಳಜಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಬೇಕು.

ಪ್ರಾತಿನಿಧ್ಯ?

ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಅತ್ಯಂತ ಜನಪ್ರಿಯ ಮತ್ತು ಉಪಯುಕ್ತ ವಸ್ತುವೆಂದರೆ ವೀಕ್ಷಣೆಗಳು. ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಬಳಕೆಯ ಸಂದರ್ಭಗಳಲ್ಲಿ ಅವು ಉಪಯುಕ್ತವಾಗಬಹುದು; ನನ್ನ ಎರಡು ಮೆಚ್ಚಿನವುಗಳು ತಾರ್ಕಿಕ ಅಮೂರ್ತ ಪದರ ಮತ್ತು ಭದ್ರತಾ ಪದರ. ದುರದೃಷ್ಟವಶಾತ್, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ವೀಕ್ಷಣೆಗಳನ್ನು ಬೆಂಬಲಿಸುವುದಿಲ್ಲ. ಆದಾಗ್ಯೂ, ಇದು ನಮ್ಮನ್ನು ಭಾಗಶಃ ಮಿತಿಗೊಳಿಸುತ್ತದೆ ಏಕೆಂದರೆ ಕಾಲಮ್ ಮಟ್ಟದಲ್ಲಿ ಪ್ರವೇಶ ಅನುಮತಿಗಳಿಗೆ ಯಾವುದೇ ಗ್ರ್ಯಾನ್ಯುಲಾರಿಟಿ ಇಲ್ಲದಿರುವುದರಿಂದ ವೀಕ್ಷಣೆಗಳು ಕಾರ್ಯಸಾಧ್ಯವಾದ ಪರಿಹಾರವಾಗಿದೆ.

ಕೋಟಾಗಳು ಮತ್ತು ನಿರ್ಬಂಧಗಳನ್ನು ವಿವರಿಸುವ ವಿಭಾಗಕ್ಕಾಗಿ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ದಸ್ತಾವೇಜನ್ನು ನೋಡಿ (ಸ್ಪ್ಯಾನರ್/ಕೋಟಾಗಳು), ನಿರ್ದಿಷ್ಟವಾಗಿ ಕೆಲವು ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗೆ ಸಮಸ್ಯಾತ್ಮಕವಾಗಬಹುದು: ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಔಟ್ ಆಫ್ ದಿ ಬಾಕ್ಸ್ ಪ್ರತಿ ನಿದರ್ಶನಕ್ಕೆ ಗರಿಷ್ಠ 100 ಡೇಟಾಬೇಸ್‌ಗಳ ಮಿತಿಯನ್ನು ಹೊಂದಿದೆ. ನಿಸ್ಸಂಶಯವಾಗಿ, ಇದು 100 ಡೇಟಾಬೇಸ್‌ಗಳಿಗೆ ಅಳೆಯಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಡೇಟಾಬೇಸ್‌ಗೆ ಪ್ರಮುಖ ಅಡಚಣೆಯಾಗಿದೆ. ಅದೃಷ್ಟವಶಾತ್, ನಮ್ಮ Google ತಾಂತ್ರಿಕ ಪ್ರತಿನಿಧಿಯೊಂದಿಗೆ ಮಾತನಾಡಿದ ನಂತರ, Google ಬೆಂಬಲದ ಮೂಲಕ ಈ ಮಿತಿಯನ್ನು ಯಾವುದೇ ಮೌಲ್ಯಕ್ಕೆ ಹೆಚ್ಚಿಸಬಹುದು ಎಂದು ನಾವು ಕಂಡುಕೊಂಡಿದ್ದೇವೆ.

ಅಭಿವೃದ್ಧಿ ಬೆಂಬಲ?

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ತನ್ನ API ನೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ಸಾಕಷ್ಟು ಯೋಗ್ಯವಾದ ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷಾ ಬೆಂಬಲವನ್ನು ನೀಡುತ್ತದೆ. ಅಧಿಕೃತವಾಗಿ ಬೆಂಬಲಿತ ಗ್ರಂಥಾಲಯಗಳು C#, Go, Java, node.js, PHP, Python ಮತ್ತು Ruby ಪ್ರದೇಶಗಳಲ್ಲಿವೆ. ದಸ್ತಾವೇಜನ್ನು ಸಾಕಷ್ಟು ವಿವರವಾಗಿ ವಿವರಿಸಲಾಗಿದೆ, ಆದರೆ ಇತರ ಸುಧಾರಿತ ತಂತ್ರಜ್ಞಾನಗಳಂತೆ, ಅತ್ಯಂತ ಜನಪ್ರಿಯ ಡೇಟಾಬೇಸ್ ತಂತ್ರಜ್ಞಾನಗಳಿಗೆ ಹೋಲಿಸಿದರೆ ಸಮುದಾಯವು ತುಂಬಾ ಚಿಕ್ಕದಾಗಿದೆ, ಇದು ಕಡಿಮೆ ಸಾಮಾನ್ಯ ಬಳಕೆಯ ಪ್ರಕರಣಗಳು ಅಥವಾ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಹೆಚ್ಚು ಸಮಯವನ್ನು ಕಳೆಯಲು ಕಾರಣವಾಗಬಹುದು.

ಹಾಗಾದರೆ ಸ್ಥಳೀಯ ಅಭಿವೃದ್ಧಿಯನ್ನು ಬೆಂಬಲಿಸುವ ಬಗ್ಗೆ ಏನು?

ಆವರಣದಲ್ಲಿ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ನಿದರ್ಶನವನ್ನು ರಚಿಸಲು ನಾವು ಯಾವುದೇ ಮಾರ್ಗವನ್ನು ಕಂಡುಕೊಂಡಿಲ್ಲ. ನಮಗೆ ಹತ್ತಿರವಾದ ವಿಷಯವೆಂದರೆ ಡಾಕರ್ ಚಿತ್ರ. ಜಿರಳೆ ಡಿಬಿ, ಇದು ತಾತ್ವಿಕವಾಗಿ ಹೋಲುತ್ತದೆ, ಆದರೆ ಆಚರಣೆಯಲ್ಲಿ ತುಂಬಾ ವಿಭಿನ್ನವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, CockroachDB PostgreSQL JDBC ಅನ್ನು ಬಳಸಬಹುದು. ಅಭಿವೃದ್ಧಿ ಪರಿಸರವು ಉತ್ಪಾದನಾ ಪರಿಸರಕ್ಕೆ ಸಾಧ್ಯವಾದಷ್ಟು ಹತ್ತಿರವಾಗಿರುವುದರಿಂದ, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಸೂಕ್ತವಲ್ಲ ಏಕೆಂದರೆ ಅದು ಪೂರ್ಣ ಸ್ಪ್ಯಾನರ್ ನಿದರ್ಶನವನ್ನು ಅವಲಂಬಿಸಬೇಕಾಗಿದೆ. ವೆಚ್ಚವನ್ನು ಉಳಿಸಲು, ನೀವು ಏಕ-ಪ್ರದೇಶದ ನಿದರ್ಶನವನ್ನು ಆಯ್ಕೆ ಮಾಡಬಹುದು.

ಆಡಳಿತ ಬೆಂಬಲ?

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ನಿದರ್ಶನವನ್ನು ರಚಿಸುವುದು ತುಂಬಾ ಸರಳವಾಗಿದೆ. ಬಹು-ಪ್ರದೇಶ ಅಥವಾ ಏಕ-ಪ್ರದೇಶದ ನಿದರ್ಶನವನ್ನು ರಚಿಸುವುದರ ನಡುವೆ ನೀವು ಆಯ್ಕೆ ಮಾಡಬೇಕಾಗುತ್ತದೆ, ಪ್ರದೇಶ(ಗಳು) ಮತ್ತು ನೋಡ್‌ಗಳ ಸಂಖ್ಯೆಯನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ. ಒಂದು ನಿಮಿಷಕ್ಕಿಂತ ಕಡಿಮೆ ಅವಧಿಯಲ್ಲಿ, ನಿಮ್ಮ ನಿದರ್ಶನವು ಚಾಲನೆಯಲ್ಲಿದೆ.

Google ಕನ್ಸೋಲ್‌ನಲ್ಲಿನ ಸ್ಪ್ಯಾನರ್ ಪುಟದಿಂದ ಹಲವಾರು ಮೂಲಭೂತ ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ನೇರವಾಗಿ ಪ್ರವೇಶಿಸಬಹುದು. Stackdriver ಮೂಲಕ ಹೆಚ್ಚು ವಿವರವಾದ ವೀಕ್ಷಣೆಗಳು ಲಭ್ಯವಿವೆ, ಅಲ್ಲಿ ನೀವು ಮೆಟ್ರಿಕ್ ಮಿತಿಗಳನ್ನು ಮತ್ತು ಎಚ್ಚರಿಕೆಯ ನೀತಿಗಳನ್ನು ಸಹ ಹೊಂದಿಸಬಹುದು.

ಸಂಪನ್ಮೂಲಗಳಿಗೆ ಪ್ರವೇಶ?

MySQL ಬಳಕೆದಾರರ ಅನುಮತಿಗಳು/ಪಾತ್ರಗಳಿಗಾಗಿ ವ್ಯಾಪಕವಾದ ಮತ್ತು ಹರಳಿನ ಸೆಟ್ಟಿಂಗ್‌ಗಳನ್ನು ನೀಡುತ್ತದೆ. ನಿರ್ದಿಷ್ಟ ಕೋಷ್ಟಕಕ್ಕೆ ಅಥವಾ ಅದರ ಕಾಲಮ್‌ಗಳ ಉಪವಿಭಾಗಕ್ಕೆ ನೀವು ಸುಲಭವಾಗಿ ಪ್ರವೇಶವನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಬಹುದು. ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ Google ನ ಐಡೆಂಟಿಟಿ & ಆಕ್ಸೆಸ್ ಮ್ಯಾನೇಜ್‌ಮೆಂಟ್ (IAM) ಉಪಕರಣವನ್ನು ಬಳಸುತ್ತದೆ, ಇದು ನೀತಿಗಳು ಮತ್ತು ಅನುಮತಿಗಳನ್ನು ಉನ್ನತ ಮಟ್ಟದಲ್ಲಿ ಹೊಂದಿಸಲು ಮಾತ್ರ ನಿಮಗೆ ಅನುಮತಿಸುತ್ತದೆ. ಹೆಚ್ಚು ಗ್ರ್ಯಾನ್ಯುಲರ್ ಆಯ್ಕೆಯು ಡೇಟಾಬೇಸ್-ಮಟ್ಟದ ರೆಸಲ್ಯೂಶನ್ ಆಗಿದೆ, ಇದು ಹೆಚ್ಚಿನ ಉತ್ಪಾದನಾ ಬಳಕೆಯ ಪ್ರಕರಣಗಳಿಗೆ ಹೊಂದಿಕೆಯಾಗುವುದಿಲ್ಲ. ಸ್ಪ್ಯಾನರ್ ಸಂಪನ್ಮೂಲಗಳ ಅನಧಿಕೃತ ಬಳಕೆಯನ್ನು ತಡೆಯಲು ನಿಮ್ಮ ಕೋಡ್, ಮೂಲಸೌಕರ್ಯ ಅಥವಾ ಎರಡಕ್ಕೂ ಹೆಚ್ಚುವರಿ ಭದ್ರತಾ ಕ್ರಮಗಳನ್ನು ಸೇರಿಸಲು ಈ ಮಿತಿಯು ನಿಮ್ಮನ್ನು ಒತ್ತಾಯಿಸುತ್ತದೆ.

ಬ್ಯಾಕಪ್‌ಗಳು?

ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್‌ನಲ್ಲಿ ಯಾವುದೇ ಬ್ಯಾಕಪ್‌ಗಳಿಲ್ಲ. Google ನ ಹೆಚ್ಚಿನ SLA ಅವಶ್ಯಕತೆಗಳು ಹಾರ್ಡ್‌ವೇರ್ ಅಥವಾ ಡೇಟಾಬೇಸ್ ವೈಫಲ್ಯಗಳು, ಮಾನವ ದೋಷಗಳು, ಅಪ್ಲಿಕೇಶನ್ ದೋಷಗಳು ಇತ್ಯಾದಿಗಳಿಂದ ನೀವು ಯಾವುದೇ ಡೇಟಾವನ್ನು ಕಳೆದುಕೊಳ್ಳುವುದಿಲ್ಲ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಬಹುದು. ನಮಗೆಲ್ಲರಿಗೂ ತಿಳಿದಿರುವ ನಿಯಮ: ಹೆಚ್ಚಿನ ಲಭ್ಯತೆಯು ಧ್ವನಿ ಬ್ಯಾಕಪ್ ತಂತ್ರಕ್ಕೆ ಬದಲಿಯಾಗಿಲ್ಲ. ಪ್ರಸ್ತುತ, ಡೇಟಾಬೇಸ್‌ನಿಂದ ಪ್ರತ್ಯೇಕ ಶೇಖರಣಾ ಪರಿಸರಕ್ಕೆ ಪ್ರೋಗ್ರಾಮ್ಯಾಟಿಕ್ ಆಗಿ ಸ್ಟ್ರೀಮ್ ಮಾಡುವುದು ಡೇಟಾವನ್ನು ಬ್ಯಾಕಪ್ ಮಾಡುವ ಏಕೈಕ ಮಾರ್ಗವಾಗಿದೆ.

ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಪ್ರಶ್ನಿಸುವುದೇ?

ಡೇಟಾವನ್ನು ಲೋಡ್ ಮಾಡಲು ಮತ್ತು ಪ್ರಶ್ನೆಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ನಾವು Yahoo! ಅನ್ನು ಬಳಸಿದ್ದೇವೆ. ಕ್ಲೌಡ್ ಸರ್ವಿಂಗ್ ಬೆಂಚ್‌ಮಾರ್ಕ್. ಕೆಳಗಿನ ಕೋಷ್ಟಕವು YCSB ವರ್ಕ್‌ಲೋಡ್ B ಅನ್ನು 95% ಓದುವಿಕೆಯಿಂದ 5% ಬರೆಯುವ ಅನುಪಾತದೊಂದಿಗೆ ತೋರಿಸುತ್ತದೆ.

* ಲೋಡ್ ಪರೀಕ್ಷೆಯನ್ನು n1-ಸ್ಟ್ಯಾಂಡರ್ಡ್-32 ಕಂಪ್ಯೂಟ್ ಎಂಜಿನ್ (CE) (32 vCPU, 120 GB ಮೆಮೊರಿ) ನಲ್ಲಿ ನಡೆಸಲಾಯಿತು, ಮತ್ತು ಪರೀಕ್ಷಾ ನಿದರ್ಶನವು ಪರೀಕ್ಷೆಗಳಲ್ಲಿ ಎಂದಿಗೂ ಅಡಚಣೆಯಾಗಿರಲಿಲ್ಲ.
** ಒಂದೇ YCSB ನಿದರ್ಶನದಲ್ಲಿ ಗರಿಷ್ಠ ಸಂಖ್ಯೆಯ ಥ್ರೆಡ್‌ಗಳು 400. ಒಟ್ಟು 2400 ಥ್ರೆಡ್‌ಗಳನ್ನು ಪಡೆಯಲು YCSB ಪರೀಕ್ಷೆಗಳ ಒಟ್ಟು ಆರು ಸಮಾನಾಂತರ ನಿದರ್ಶನಗಳನ್ನು ರನ್ ಮಾಡಬೇಕಾಗಿತ್ತು.

ಬೆಂಚ್ಮಾರ್ಕ್ ಫಲಿತಾಂಶಗಳನ್ನು ನೋಡುವಾಗ, ನಿರ್ದಿಷ್ಟವಾಗಿ CPU ಲೋಡ್ ಮತ್ತು TPS ಸಂಯೋಜನೆಯು, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಮಾಪಕಗಳು ಚೆನ್ನಾಗಿವೆ ಎಂದು ನಾವು ಸ್ಪಷ್ಟವಾಗಿ ನೋಡಬಹುದು. ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಥ್ರೆಡ್‌ಗಳಿಂದ ರಚಿಸಲಾದ ಭಾರೀ ಹೊರೆಯು ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಕ್ಲಸ್ಟರ್‌ನಲ್ಲಿನ ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ನೋಡ್‌ಗಳಿಂದ ಸರಿದೂಗಿಸಲ್ಪಡುತ್ತದೆ. 2400 ಥ್ರೆಡ್‌ಗಳೊಂದಿಗೆ ಚಾಲನೆಯಲ್ಲಿರುವಾಗ, ಲೇಟೆನ್ಸಿ ಸಾಕಷ್ಟು ಹೆಚ್ಚಿರುವಾಗ, ಹೆಚ್ಚು ನಿಖರವಾದ ಸಂಖ್ಯೆಗಳನ್ನು ಪಡೆಯಲು ಕಂಪ್ಯೂಟ್ ಎಂಜಿನ್‌ನ 6 ಸಣ್ಣ ನಿದರ್ಶನಗಳೊಂದಿಗೆ ಮರು-ಪರೀಕ್ಷೆ ಅಗತ್ಯವಾಗಬಹುದು. ಪ್ರತಿ ನಿದರ್ಶನವು 6 ಸಮಾನಾಂತರ ಪರೀಕ್ಷೆಗಳೊಂದಿಗೆ ಒಂದು ದೊಡ್ಡ CE ನಿದರ್ಶನದ ಬದಲಿಗೆ ಒಂದು YCSB ಪರೀಕ್ಷೆಯನ್ನು ನಡೆಸುತ್ತದೆ. ಈ ರೀತಿಯಾಗಿ, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ವಿನಂತಿಯ ಸುಪ್ತತೆ ಮತ್ತು ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ನಡುವಿನ ನೆಟ್‌ವರ್ಕ್ ಸಂಪರ್ಕದಿಂದ ಸೇರಿಸಲಾದ ಲೇಟೆನ್ಸಿ ಮತ್ತು ಪರೀಕ್ಷೆಯನ್ನು ಚಾಲನೆಯಲ್ಲಿರುವ ಸಿಇ ನಿದರ್ಶನದ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಮಾಡುವುದು ಸುಲಭವಾಗುತ್ತದೆ.

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ OLAP ಆಗಿ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ?

ವಿಭಜನೆ ಮಾಡುವುದೇ?

ದತ್ತಾಂಶವನ್ನು ಭೌತಿಕವಾಗಿ ಮತ್ತು/ಅಥವಾ ತಾರ್ಕಿಕವಾಗಿ ಸ್ವತಂತ್ರ ವಿಭಾಗಗಳಾಗಿ ವಿಭಜಿಸುವುದು, ವಿಭಾಗಗಳು ಎಂದು ಕರೆಯಲ್ಪಡುತ್ತದೆ, ಇದು ಹೆಚ್ಚಿನ OLAP ಎಂಜಿನ್‌ಗಳಲ್ಲಿ ಕಂಡುಬರುವ ಅತ್ಯಂತ ಜನಪ್ರಿಯ ಪರಿಕಲ್ಪನೆಯಾಗಿದೆ. ವಿಭಾಗಗಳು ಪ್ರಶ್ನೆ ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಡೇಟಾಬೇಸ್ ನಿರ್ವಹಣೆಯನ್ನು ಗಮನಾರ್ಹವಾಗಿ ಸುಧಾರಿಸಬಹುದು. ವಿಭಜನೆಗೆ ಆಳವಾಗಿ ಹೋಗುವುದು ಪ್ರತ್ಯೇಕ ಲೇಖನ(ಗಳು) ಆಗಿರುತ್ತದೆ, ಆದ್ದರಿಂದ ನಾವು ವಿಭಜನೆ ಮತ್ತು ಉಪ-ವಿಭಜನಾ ಯೋಜನೆಯನ್ನು ಹೊಂದುವ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಉಲ್ಲೇಖಿಸೋಣ. ದತ್ತಾಂಶವನ್ನು ವಿಭಾಗಗಳಾಗಿ ಮತ್ತು ಇನ್ನೂ ಹೆಚ್ಚಿನ ಉಪವಿಭಾಗಗಳಾಗಿ ವಿಭಜಿಸುವ ಸಾಮರ್ಥ್ಯವು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪ್ರಶ್ನೆ ಕಾರ್ಯಕ್ಷಮತೆಗೆ ಪ್ರಮುಖವಾಗಿದೆ.

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ವಿಭಾಗಗಳನ್ನು ಬೆಂಬಲಿಸುವುದಿಲ್ಲ. ಇದು ಡೇಟಾವನ್ನು ಆಂತರಿಕವಾಗಿ ಕರೆಯಲ್ಪಡುವಂತೆ ವಿಭಜಿಸುತ್ತದೆ ವಿಭಜನೆ-ರು ಪ್ರಾಥಮಿಕ ಕೀ ವ್ಯಾಪ್ತಿಯನ್ನು ಆಧರಿಸಿದೆ. ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಕ್ಲಸ್ಟರ್‌ನಲ್ಲಿ ಲೋಡ್ ಅನ್ನು ಸಮತೋಲನಗೊಳಿಸಲು ವಿಭಜನೆಯನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ನಿರ್ವಹಿಸಲಾಗುತ್ತದೆ. ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್‌ನ ಅತ್ಯಂತ ಉಪಯುಕ್ತ ವೈಶಿಷ್ಟ್ಯವೆಂದರೆ ಪೋಷಕ ಕೋಷ್ಟಕದ ಮೂಲ ಲೋಡ್ ಅನ್ನು ವಿಭಜಿಸುವುದು (ಮತ್ತೊಂದರೊಂದಿಗೆ ಪರಸ್ಪರ ಸಂಬಂಧ ಹೊಂದಿರದ ಟೇಬಲ್). ಸ್ಪ್ಯಾನರ್ ಅದು ಹೊಂದಿದೆಯೇ ಎಂಬುದನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಪತ್ತೆ ಮಾಡುತ್ತದೆ ವಿಭಜನೆ ಇತರರಲ್ಲಿ ಡೇಟಾಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಓದುವ ಡೇಟಾ ವಿಭಜನೆ-ಆಹ್, ಮತ್ತು ಮತ್ತಷ್ಟು ಪ್ರತ್ಯೇಕತೆಯ ಬಗ್ಗೆ ನಿರ್ಧರಿಸಬಹುದು. ಈ ರೀತಿಯಾಗಿ, ಹೆಚ್ಚಿನ ನೋಡ್‌ಗಳನ್ನು ವಿನಂತಿಯಲ್ಲಿ ತೊಡಗಿಸಿಕೊಳ್ಳಬಹುದು, ಇದು ಥ್ರೋಪುಟ್ ಅನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಹೆಚ್ಚಿಸುತ್ತದೆ.

ಡೇಟಾ ಲೋಡ್ ಆಗುತ್ತಿದೆಯೇ?

ಬೃಹತ್ ಡೇಟಾಕ್ಕಾಗಿ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ವಿಧಾನವು ಸಾಮಾನ್ಯ ಲೋಡಿಂಗ್‌ನಂತೆಯೇ ಇರುತ್ತದೆ. ಗರಿಷ್ಠ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸಾಧಿಸಲು, ನೀವು ಕೆಲವು ಮಾರ್ಗಸೂಚಿಗಳನ್ನು ಅನುಸರಿಸಬೇಕು, ಅವುಗಳೆಂದರೆ:

• ನಿಮ್ಮ ಡೇಟಾವನ್ನು ಪ್ರಾಥಮಿಕ ಕೀಲಿಯಿಂದ ವಿಂಗಡಿಸಿ.
• ಅವುಗಳನ್ನು 10 ರಿಂದ ಭಾಗಿಸಿ*ನೋಡ್ಗಳ ಸಂಖ್ಯೆ ಪ್ರತ್ಯೇಕ ವಿಭಾಗಗಳು.
• ಸಮಾನಾಂತರವಾಗಿ ಡೇಟಾವನ್ನು ಲೋಡ್ ಮಾಡುವ ಕೆಲಸದ ಕಾರ್ಯಗಳ ಗುಂಪನ್ನು ರಚಿಸಿ.

ಈ ಡೇಟಾ ಲೋಡಿಂಗ್ ಎಲ್ಲಾ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ನೋಡ್‌ಗಳನ್ನು ಬಳಸುತ್ತದೆ.

10M ಸಾಲುಗಳ ಡೇಟಾಸೆಟ್ ಅನ್ನು ರಚಿಸಲು ನಾವು YCSB ವರ್ಕ್‌ಲೋಡ್ A ಅನ್ನು ಬಳಸಿದ್ದೇವೆ.

* ಲೋಡ್ ಪರೀಕ್ಷೆಯನ್ನು n1-ಸ್ಟ್ಯಾಂಡರ್ಡ್-32 ಕಂಪ್ಯೂಟ್ ಎಂಜಿನ್‌ನಲ್ಲಿ (32 vCPU, 120 GB ಮೆಮೊರಿ) ನಡೆಸಲಾಯಿತು, ಮತ್ತು ಪರೀಕ್ಷಾ ನಿದರ್ಶನವು ಪರೀಕ್ಷೆಗಳಲ್ಲಿ ಎಂದಿಗೂ ಅಡಚಣೆಯಾಗಿರಲಿಲ್ಲ.
** ಯಾವುದೇ ಉತ್ಪಾದನಾ ಕೆಲಸದ ಹೊರೆಗೆ ಏಕ ನೋಡ್ ಸೆಟಪ್ ಅನ್ನು ಶಿಫಾರಸು ಮಾಡುವುದಿಲ್ಲ.

ಮೇಲೆ ಹೇಳಿದಂತೆ, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಅವುಗಳ ಲೋಡ್ ಅನ್ನು ಆಧರಿಸಿ ವಿಭಜನೆಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ ಹಲವಾರು ಸತತ ಪರೀಕ್ಷಾ ಪುನರಾವರ್ತನೆಗಳ ನಂತರ ಫಲಿತಾಂಶಗಳು ಸುಧಾರಿಸುತ್ತವೆ. ಇಲ್ಲಿ ಪ್ರಸ್ತುತಪಡಿಸಲಾದ ಫಲಿತಾಂಶಗಳು ನಾವು ಪಡೆದ ಉತ್ತಮ ಫಲಿತಾಂಶಗಳಾಗಿವೆ. ಮೇಲಿನ ಸಂಖ್ಯೆಗಳನ್ನು ನೋಡುವಾಗ, ಕ್ಲಸ್ಟರ್‌ನಲ್ಲಿನ ನೋಡ್‌ಗಳ ಸಂಖ್ಯೆ ಹೆಚ್ಚಾದಂತೆ ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಮಾಪಕಗಳು (ಚೆನ್ನಾಗಿ) ಹೇಗೆ ಎಂಬುದನ್ನು ನಾವು ನೋಡಬಹುದು. ಎದ್ದುಕಾಣುವ ಸಂಖ್ಯೆಗಳು ಅತ್ಯಂತ ಕಡಿಮೆ ಸರಾಸರಿ ಲೇಟೆನ್ಸಿಗಳಾಗಿವೆ, ಇದು ಮೇಲಿನ ವಿಭಾಗದಲ್ಲಿ ವಿವರಿಸಿದಂತೆ ಮಿಶ್ರ ಕೆಲಸದ ಹೊರೆಗಳಿಗೆ (95% ಓದಲು ಮತ್ತು 5% ಬರೆಯಲು) ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ವ್ಯತಿರಿಕ್ತವಾಗಿದೆ.

ಸ್ಕೇಲಿಂಗ್?

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ನೋಡ್‌ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಹೆಚ್ಚಿಸುವುದು ಮತ್ತು ಕಡಿಮೆ ಮಾಡುವುದು ಒಂದು ಕ್ಲಿಕ್ ಕಾರ್ಯವಾಗಿದೆ. ನೀವು ಡೇಟಾವನ್ನು ತ್ವರಿತವಾಗಿ ಲೋಡ್ ಮಾಡಲು ಬಯಸಿದರೆ, ನಿಮ್ಮ ನಿದರ್ಶನವನ್ನು ಗರಿಷ್ಠಕ್ಕೆ ಹೆಚ್ಚಿಸಲು ನೀವು ಪರಿಗಣಿಸಬಹುದು (ನಮ್ಮ ಸಂದರ್ಭದಲ್ಲಿ ಇದು US-EST ಪ್ರದೇಶದಲ್ಲಿ 25 ನೋಡ್‌ಗಳಷ್ಟಿತ್ತು) ಮತ್ತು ನಂತರ ಎಲ್ಲಾ ಡೇಟಾವು ಒಮ್ಮೆ ನಿಮ್ಮ ಸಾಮಾನ್ಯ ಲೋಡ್‌ಗೆ ಅರ್ಹವಾದ ನೋಡ್‌ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಿ ಡೇಟಾಬೇಸ್, 2TB/ನೋಡ್ ಮಿತಿಯನ್ನು ಉಲ್ಲೇಖಿಸುತ್ತದೆ.

ಹೆಚ್ಚು ಚಿಕ್ಕದಾದ ಡೇಟಾಬೇಸ್‌ನೊಂದಿಗೆ ಈ ಮಿತಿಯನ್ನು ನಾವು ನೆನಪಿಸಿದ್ದೇವೆ. ಹಲವಾರು ರನ್ ಲೋಡ್ ಪರೀಕ್ಷೆಗಳ ನಂತರ, ನಮ್ಮ ಡೇಟಾಬೇಸ್ ಸುಮಾರು 155 GB ಗಾತ್ರದಲ್ಲಿದೆ ಮತ್ತು 1 ನೋಡ್ ನಿದರ್ಶನಕ್ಕೆ ಸ್ಕೇಲ್ ಮಾಡಿದಾಗ, ನಾವು ಈ ಕೆಳಗಿನ ದೋಷವನ್ನು ಸ್ವೀಕರಿಸಿದ್ದೇವೆ:

ನಾವು 25 ರಿಂದ 2 ನಿದರ್ಶನಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಲು ನಿರ್ವಹಿಸುತ್ತಿದ್ದೇವೆ, ಆದರೆ ನಾವು ಎರಡು ನೋಡ್‌ಗಳಲ್ಲಿ ಸಿಲುಕಿಕೊಂಡಿದ್ದೇವೆ.

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಕ್ಲಸ್ಟರ್‌ನಲ್ಲಿ ನೋಡ್‌ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಹೆಚ್ಚಿಸುವುದು ಮತ್ತು ಕಡಿಮೆ ಮಾಡುವುದನ್ನು REST API ಬಳಸಿಕೊಂಡು ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸಬಹುದು. ಬಿಡುವಿಲ್ಲದ ಕೆಲಸದ ಸಮಯದಲ್ಲಿ ಹೆಚ್ಚಿದ ಸಿಸ್ಟಮ್ ಲೋಡ್ ಅನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಇದು ವಿಶೇಷವಾಗಿ ಉಪಯುಕ್ತವಾಗಿದೆ.

OLAP ಪ್ರಶ್ನೆಗಳ ಕಾರ್ಯಕ್ಷಮತೆ?

ನಾವು ಮೂಲತಃ ಈ ಭಾಗದಲ್ಲಿ ಸ್ಪ್ಯಾನರ್‌ನ ನಮ್ಮ ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ ಗಮನಾರ್ಹ ಸಮಯವನ್ನು ಕಳೆಯಲು ಯೋಜಿಸಿದ್ದೇವೆ. ಹಲವಾರು SELECT COUNT ಗಳ ನಂತರ, ಪರೀಕ್ಷೆಯು ಚಿಕ್ಕದಾಗಿದೆ ಮತ್ತು OLAP ಗೆ ಸ್ಪ್ಯಾನರ್ ಸೂಕ್ತ ಎಂಜಿನ್ ಆಗುವುದಿಲ್ಲ ಎಂದು ನಾವು ತಕ್ಷಣ ಅರಿತುಕೊಂಡೆವು. ಕ್ಲಸ್ಟರ್‌ನಲ್ಲಿನ ನೋಡ್‌ಗಳ ಸಂಖ್ಯೆಯನ್ನು ಲೆಕ್ಕಿಸದೆಯೇ, 10M ಸಾಲು ಕೋಷ್ಟಕದಲ್ಲಿನ ಸಾಲುಗಳ ಸಂಖ್ಯೆಯನ್ನು ಸರಳವಾಗಿ ಆಯ್ಕೆಮಾಡಲು 55 ಮತ್ತು 60 ಸೆಕೆಂಡುಗಳ ನಡುವೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಮಧ್ಯಂತರ ಫಲಿತಾಂಶಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು ಹೆಚ್ಚಿನ ಮೆಮೊರಿ ಅಗತ್ಯವಿರುವ ಯಾವುದೇ ಪ್ರಶ್ನೆಯು OOM ದೋಷದೊಂದಿಗೆ ವಿಫಲವಾಗಿದೆ.

SELECT COUNT(DISTINCT(field0)) FROM usertable; — (10M distinct values)-> SpoolingHashAggregateIterator ran out of memory during new row.

TPC-H ಪ್ರಶ್ನೆಗಳಿಗಾಗಿ ಕೆಲವು ಸಂಖ್ಯೆಗಳನ್ನು ಟಾಡ್ ಲಿಪ್ಕಾನ್ ಅವರ ಲೇಖನದಲ್ಲಿ ಕಾಣಬಹುದು Nosql-kudu-spanner-slides.html, ಸ್ಲೈಡ್‌ಗಳು 42 ಮತ್ತು 43. ಈ ಸಂಖ್ಯೆಗಳು ನಮ್ಮದೇ ಫಲಿತಾಂಶಗಳೊಂದಿಗೆ ಸ್ಥಿರವಾಗಿವೆ (ದುರದೃಷ್ಟವಶಾತ್).

4. ನಮ್ಮ ತೀರ್ಮಾನಗಳು

ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್‌ನ ವೈಶಿಷ್ಟ್ಯಗಳ ಪ್ರಸ್ತುತ ಸ್ಥಿತಿಯನ್ನು ಗಮನಿಸಿದರೆ, ಇದು ನಿಮ್ಮ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ OLTP ಪರಿಹಾರಕ್ಕೆ ಸರಳವಾದ ಬದಲಿಯಾಗಿದೆ ಎಂದು ಕಲ್ಪಿಸಿಕೊಳ್ಳುವುದು ಕಷ್ಟ, ವಿಶೇಷವಾಗಿ ನಿಮ್ಮ ಅಗತ್ಯಗಳು ಅದನ್ನು ಮೀರಿಸಿದಾಗ. ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್‌ನ ನ್ಯೂನತೆಗಳ ಸುತ್ತ ಪರಿಹಾರವನ್ನು ನಿರ್ಮಿಸಲು ಗಮನಾರ್ಹ ಸಮಯವನ್ನು ವ್ಯಯಿಸಬೇಕಾಗುತ್ತದೆ.

ನಾವು ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಅನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಪ್ರಾರಂಭಿಸಿದಾಗ, ಅದರ ನಿರ್ವಹಣಾ ವೈಶಿಷ್ಟ್ಯಗಳು ಇತರ Google SQL ಪರಿಹಾರಗಳೊಂದಿಗೆ ಸಮನಾಗಿರುತ್ತದೆ ಅಥವಾ ಕನಿಷ್ಠ ದೂರದಲ್ಲಿರಬೇಕು ಎಂದು ನಾವು ನಿರೀಕ್ಷಿಸಿದ್ದೇವೆ. ಆದರೆ ಬ್ಯಾಕ್‌ಅಪ್‌ಗಳ ಸಂಪೂರ್ಣ ಕೊರತೆ ಮತ್ತು ಸಂಪನ್ಮೂಲಗಳ ಪ್ರವೇಶದ ಮೇಲೆ ಬಹಳ ಸೀಮಿತ ನಿಯಂತ್ರಣದಿಂದ ನಮಗೆ ಆಶ್ಚರ್ಯವಾಯಿತು. ಯಾವುದೇ ವೀಕ್ಷಣೆಗಳನ್ನು ನಮೂದಿಸಬಾರದು, ಸ್ಥಳೀಯ ಅಭಿವೃದ್ಧಿ ಪರಿಸರವಿಲ್ಲ, ಬೆಂಬಲವಿಲ್ಲದ ಅನುಕ್ರಮಗಳು, DML ಮತ್ತು DDL ಬೆಂಬಲವಿಲ್ಲದ JDBC, ಇತ್ಯಾದಿ.

ಹಾಗಾಗಿ ವಹಿವಾಟಿನ ಡೇಟಾಬೇಸ್ ಅನ್ನು ಅಳೆಯಲು ಅಗತ್ಯವಿರುವ ಯಾರಾದರೂ ಎಲ್ಲಿಗೆ ಹೋಗುತ್ತಾರೆ? ಎಲ್ಲಾ ಬಳಕೆಯ ಸಂದರ್ಭಗಳಿಗೆ ಸರಿಹೊಂದುವ ಒಂದೇ ಪರಿಹಾರವು ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ಕಂಡುಬರುತ್ತಿಲ್ಲ. ಅನೇಕ ಮುಚ್ಚಿದ ಮತ್ತು ಮುಕ್ತ ಮೂಲ ಪರಿಹಾರಗಳಿವೆ (ಅವುಗಳಲ್ಲಿ ಕೆಲವನ್ನು ಈ ಲೇಖನದಲ್ಲಿ ಉಲ್ಲೇಖಿಸಲಾಗಿದೆ), ಪ್ರತಿಯೊಂದೂ ತನ್ನದೇ ಆದ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ದೌರ್ಬಲ್ಯಗಳನ್ನು ಹೊಂದಿದೆ, ಆದರೆ ಅವುಗಳಲ್ಲಿ ಯಾವುದೂ 99,999% SLA ಮತ್ತು ಹೆಚ್ಚಿನ ಸ್ಥಿರತೆಯೊಂದಿಗೆ SaaS ಅನ್ನು ನೀಡುವುದಿಲ್ಲ. ಹೆಚ್ಚಿನ SLA ನಿಮ್ಮ ಮುಖ್ಯ ಗುರಿಯಾಗಿದ್ದರೆ ಮತ್ತು ಕಸ್ಟಮ್ ಬಹು-ಕ್ಲೌಡ್ ಪರಿಹಾರವನ್ನು ನಿರ್ಮಿಸಲು ನೀವು ಒಲವು ತೋರದಿದ್ದರೆ, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ನೀವು ಹುಡುಕುತ್ತಿರುವ ಪರಿಹಾರವಾಗಿರಬಹುದು. ಆದರೆ ನೀವು ಅದರ ಎಲ್ಲಾ ಮಿತಿಗಳನ್ನು ತಿಳಿದಿರಬೇಕು.

ನ್ಯಾಯೋಚಿತವಾಗಿ ಹೇಳುವುದಾದರೆ, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ ಅನ್ನು 2017 ರ ವಸಂತಕಾಲದಲ್ಲಿ ಸಾರ್ವಜನಿಕರಿಗೆ ಮಾತ್ರ ಬಿಡುಗಡೆ ಮಾಡಲಾಗಿದೆ, ಆದ್ದರಿಂದ ಅದರ ಪ್ರಸ್ತುತ ಕೆಲವು ನ್ಯೂನತೆಗಳು ಅಂತಿಮವಾಗಿ ಹೋಗಬಹುದು ಎಂದು ನಿರೀಕ್ಷಿಸುವುದು ಸಮಂಜಸವಾಗಿದೆ (ಆಶಾದಾಯಕವಾಗಿ), ಮತ್ತು ಅವರು ಹಾಗೆ ಮಾಡಿದಾಗ, ಅದು ಗೇಮ್ ಚೇಂಜರ್ ಆಗಿರಬಹುದು. ಎಲ್ಲಾ ನಂತರ, ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್ Google ಗೆ ಕೇವಲ ಒಂದು ಸೈಡ್ ಪ್ರಾಜೆಕ್ಟ್ ಅಲ್ಲ. Google ಇದನ್ನು ಇತರ Google ಉತ್ಪನ್ನಗಳಿಗೆ ಆಧಾರವಾಗಿ ಬಳಸುತ್ತದೆ. ಮತ್ತು ಗೂಗಲ್ ಇತ್ತೀಚೆಗೆ ಗೂಗಲ್ ಕ್ಲೌಡ್ ಸ್ಟೋರೇಜ್‌ನಲ್ಲಿನ ಮೆಗಾಸ್ಟೋರ್ ಅನ್ನು ಕ್ಲೌಡ್ ಸ್ಪ್ಯಾನರ್‌ನೊಂದಿಗೆ ಬದಲಾಯಿಸಿದಾಗ, ಜಾಗತಿಕ ಮಟ್ಟದಲ್ಲಿ ವಸ್ತುಗಳ ಪಟ್ಟಿಗಳಿಗೆ ಗೂಗಲ್ ಕ್ಲೌಡ್ ಸ್ಟೋರೇಜ್ ಹೆಚ್ಚು ಸ್ಥಿರವಾಗಲು ಅವಕಾಶ ಮಾಡಿಕೊಟ್ಟಿತು (ಇದು ಇನ್ನೂ ಅಲ್ಲ ಅಮೆಜಾನ್'ಸ್ S3).

ಆದ್ದರಿಂದ, ಇನ್ನೂ ಭರವಸೆ ಇದೆ ... ನಾವು ಭಾವಿಸುತ್ತೇವೆ.

ಅಷ್ಟೇ. ಲೇಖನದ ಲೇಖಕರಂತೆ, ನಾವು ಸಹ ಆಶಿಸುವುದನ್ನು ಮುಂದುವರಿಸುತ್ತೇವೆ, ಆದರೆ ಇದರ ಬಗ್ಗೆ ನೀವು ಏನು ಯೋಚಿಸುತ್ತೀರಿ? ಕಾಮೆಂಟ್‌ಗಳಲ್ಲಿ ಬರೆಯಿರಿ

ನಮ್ಮ ಭೇಟಿಗೆ ನಾವು ಎಲ್ಲರನ್ನು ಆಹ್ವಾನಿಸುತ್ತೇವೆ ಉಚಿತ ವೆಬ್ನಾರ್ ಅದರೊಳಗೆ ನಾವು ನಿಮಗೆ ಕೋರ್ಸ್ ಬಗ್ಗೆ ವಿವರವಾಗಿ ಹೇಳುತ್ತೇವೆ "ಡೆವಲಪರ್‌ಗಳಿಗಾಗಿ AWS" OTUS ನಿಂದ.

ಮೂಲ: www.habr.com