ELK, ಬಿಗ್ ಕ್ವೆರಿ ಮತ್ತು ಟೈಮ್‌ಸ್ಕೇಲ್‌ಡಿಬಿಗೆ ಬದಲಿಯಾಗಿ ಕ್ಲಿಕ್‌ಹೌಸ್ ಅನ್ನು ಬಳಸುವುದು

ಕ್ಲಿಕ್ಹೌಸ್ ಯಾಂಡೆಕ್ಸ್ ರಚಿಸಿದ ಆನ್‌ಲೈನ್ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪ್ರಶ್ನೆ ಪ್ರಕ್ರಿಯೆಗೆ (OLAP) ಮುಕ್ತ-ಮೂಲ ಸ್ತಂಭಾಕಾರದ ಡೇಟಾಬೇಸ್ ನಿರ್ವಹಣಾ ವ್ಯವಸ್ಥೆಯಾಗಿದೆ. Yandex, CloudFlare, VK.com, Badoo ಮತ್ತು ಪ್ರಪಂಚದಾದ್ಯಂತದ ಇತರ ಸೇವೆಗಳು ನಿಜವಾಗಿಯೂ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲು ಬಳಸುತ್ತವೆ (ಸೆಕೆಂಡಿಗೆ ಸಾವಿರಾರು ಸಾಲುಗಳ ಅಳವಡಿಕೆ ಅಥವಾ ಡಿಸ್ಕ್ನಲ್ಲಿ ಸಂಗ್ರಹವಾಗಿರುವ ಡೇಟಾದ ಪೆಟಾಬೈಟ್ಗಳು).

ಸಾಮಾನ್ಯ, "ಸ್ಟ್ರಿಂಗ್" DBMS ನಲ್ಲಿ, MySQL, Postgres, MS SQL ಸರ್ವರ್ ಇವುಗಳ ಉದಾಹರಣೆಗಳು, ಈ ಕ್ರಮದಲ್ಲಿ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲಾಗಿದೆ:

ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಒಂದು ಸಾಲಿಗೆ ಸಂಬಂಧಿಸಿದ ಮೌಲ್ಯಗಳನ್ನು ಭೌತಿಕವಾಗಿ ಅಕ್ಕಪಕ್ಕದಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. ಸ್ತಂಭಾಕಾರದ DBMS ನಲ್ಲಿ, ವಿಭಿನ್ನ ಕಾಲಮ್‌ಗಳಿಂದ ಮೌಲ್ಯಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಒಂದು ಕಾಲಮ್‌ನ ಡೇಟಾವನ್ನು ಒಟ್ಟಿಗೆ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ:

ಸ್ತಂಭಾಕಾರದ DBMS ಗಳ ಉದಾಹರಣೆಗಳೆಂದರೆ Vertica, Paraccel (Actian Matrix, Amazon Redshift), Sybase IQ, Exasol, Infobright, InfiniDB, MonetDB (VectorWise, Actian Vector), LucidDB, SAP HANA, Google Dremel, Google PowerDrill, Druid., kdb.

ಕಂಪನಿಯು ಮೇಲ್ ಫಾರ್ವರ್ಡರ್ ಆಗಿದೆ ಕ್ವಿಂಟ್ರಿ ನಾನು 2018 ರಲ್ಲಿ ಕ್ಲಿಕ್‌ಹೌಸ್ ಅನ್ನು ವರದಿ ಮಾಡಲು ಪ್ರಾರಂಭಿಸಿದೆ ಮತ್ತು ಅದರ ಸರಳತೆ, ಸ್ಕೇಲೆಬಿಲಿಟಿ, SQL ಬೆಂಬಲ ಮತ್ತು ವೇಗದಿಂದ ತುಂಬಾ ಪ್ರಭಾವಿತನಾಗಿದ್ದೆ. ಈ DBMS ನ ವೇಗವು ಮ್ಯಾಜಿಕ್‌ನ ಗಡಿಯಾಗಿದೆ.

ಸಮಾಧಾನ

ಕ್ಲಿಕ್‌ಹೌಸ್ ಒಂದೇ ಆಜ್ಞೆಯೊಂದಿಗೆ ಉಬುಂಟುನಲ್ಲಿ ಸ್ಥಾಪಿಸುತ್ತದೆ. ನಿಮಗೆ SQL ತಿಳಿದಿದ್ದರೆ, ನಿಮ್ಮ ಅಗತ್ಯಗಳಿಗಾಗಿ ನೀವು ತಕ್ಷಣ ಕ್ಲಿಕ್‌ಹೌಸ್ ಅನ್ನು ಬಳಸಲು ಪ್ರಾರಂಭಿಸಬಹುದು. ಆದಾಗ್ಯೂ, ನೀವು MySQL ನಲ್ಲಿ "ಟೇಬಲ್ ರಚಿಸುವುದನ್ನು ತೋರಿಸಬಹುದು" ಮತ್ತು ಕ್ಲಿಕ್‌ಹೌಸ್‌ನಲ್ಲಿ SQL ಅನ್ನು ಕಾಪಿ-ಪೇಸ್ಟ್ ಮಾಡಬಹುದು ಎಂದು ಇದರ ಅರ್ಥವಲ್ಲ.

MySQL ಗೆ ಹೋಲಿಸಿದರೆ, ಈ DBMS ನಲ್ಲಿ ಟೇಬಲ್ ಸ್ಕೀಮಾ ವ್ಯಾಖ್ಯಾನಗಳಲ್ಲಿ ಪ್ರಮುಖ ಡೇಟಾ ಪ್ರಕಾರ ವ್ಯತ್ಯಾಸಗಳಿವೆ, ಆದ್ದರಿಂದ ಟೇಬಲ್ ಸ್ಕೀಮಾ ವ್ಯಾಖ್ಯಾನಗಳನ್ನು ಬದಲಾಯಿಸಲು ಮತ್ತು ಆರಾಮದಾಯಕವಾಗಲು ಟೇಬಲ್ ಎಂಜಿನ್‌ಗಳನ್ನು ಕಲಿಯಲು ನಿಮಗೆ ಇನ್ನೂ ಸ್ವಲ್ಪ ಸಮಯ ಬೇಕಾಗುತ್ತದೆ.

ಯಾವುದೇ ಹೆಚ್ಚುವರಿ ಸಾಫ್ಟ್‌ವೇರ್ ಇಲ್ಲದೆ ಕ್ಲಿಕ್‌ಹೌಸ್ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ, ಆದರೆ ನೀವು ಪ್ರತಿಕೃತಿಯನ್ನು ಬಳಸಲು ಬಯಸಿದರೆ ನೀವು ZooKeeper ಅನ್ನು ಸ್ಥಾಪಿಸಬೇಕಾಗುತ್ತದೆ. ಪ್ರಶ್ನೆ ಕಾರ್ಯಕ್ಷಮತೆಯ ವಿಶ್ಲೇಷಣೆಯು ಅತ್ಯುತ್ತಮ ಫಲಿತಾಂಶಗಳನ್ನು ತೋರಿಸುತ್ತದೆ - ಸಿಸ್ಟಮ್ ಕೋಷ್ಟಕಗಳು ಎಲ್ಲಾ ಮಾಹಿತಿಯನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ ಮತ್ತು ಹಳೆಯ ಮತ್ತು ನೀರಸ SQL ಅನ್ನು ಬಳಸಿಕೊಂಡು ಎಲ್ಲಾ ಡೇಟಾವನ್ನು ಪಡೆಯಬಹುದು.

ಉತ್ಪಾದಕತೆ

• ಮಾನದಂಡ ಕಾನ್ಫಿಗರೇಶನ್ ಸರ್ವರ್‌ನಲ್ಲಿ ಕ್ಲಿಕ್‌ಹೌಸ್ ವರ್ಸಸ್ ವರ್ಟಿಕಾ ಮತ್ತು MySQL ಹೋಲಿಕೆಗಳು: ಎರಡು ಸಾಕೆಟ್‌ಗಳು Intel® Xeon® CPU E5-2650 v2 @ 2.60GHz; 128 GiB RAM; md RAID-5 8 6TB SATA HDD, ext4.
• ಮಾನದಂಡ Amazon RedShift ಕ್ಲೌಡ್ ಸಂಗ್ರಹಣೆಯೊಂದಿಗೆ ಕ್ಲಿಕ್‌ಹೌಸ್‌ನ ಹೋಲಿಕೆ.
• ಬ್ಲಾಗ್ ಆಯ್ದ ಭಾಗಗಳು ಕ್ಲಿಕ್‌ಹೌಸ್ ಕಾರ್ಯಕ್ಷಮತೆಯ ಬಗ್ಗೆ ಕ್ಲೌಡ್‌ಫ್ಲೇರ್:

ಕ್ಲಿಕ್‌ಹೌಸ್ ಡೇಟಾಬೇಸ್ ತುಂಬಾ ಸರಳವಾದ ವಿನ್ಯಾಸವನ್ನು ಹೊಂದಿದೆ - ಕ್ಲಸ್ಟರ್‌ನಲ್ಲಿರುವ ಎಲ್ಲಾ ನೋಡ್‌ಗಳು ಒಂದೇ ರೀತಿಯ ಕಾರ್ಯವನ್ನು ಹೊಂದಿವೆ ಮತ್ತು ಸಮನ್ವಯಕ್ಕಾಗಿ ZooKeeper ಅನ್ನು ಮಾತ್ರ ಬಳಸುತ್ತವೆ. ನಾವು ಹಲವಾರು ನೋಡ್‌ಗಳ ಸಣ್ಣ ಕ್ಲಸ್ಟರ್ ಅನ್ನು ನಿರ್ಮಿಸಿದ್ದೇವೆ ಮತ್ತು ಪರೀಕ್ಷೆಯನ್ನು ನಡೆಸಿದ್ದೇವೆ, ಈ ಸಮಯದಲ್ಲಿ ಸಿಸ್ಟಮ್ ಸಾಕಷ್ಟು ಪ್ರಭಾವಶಾಲಿ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಹೊಂದಿದೆ ಎಂದು ನಾವು ಕಂಡುಕೊಂಡಿದ್ದೇವೆ, ಇದು ವಿಶ್ಲೇಷಣಾತ್ಮಕ DBMS ಬೆಂಚ್‌ಮಾರ್ಕ್‌ಗಳಲ್ಲಿ ಹಕ್ಕು ಸಾಧಿಸಿದ ಪ್ರಯೋಜನಗಳಿಗೆ ಅನುರೂಪವಾಗಿದೆ. ಕ್ಲಿಕ್‌ಹೌಸ್‌ನ ಹಿಂದಿನ ಪರಿಕಲ್ಪನೆಯನ್ನು ಹತ್ತಿರದಿಂದ ನೋಡಲು ನಾವು ನಿರ್ಧರಿಸಿದ್ದೇವೆ. ಪರಿಕರಗಳ ಕೊರತೆ ಮತ್ತು ಕ್ಲಿಕ್‌ಹೌಸ್‌ನ ಸಣ್ಣ ಸಮುದಾಯ ಸಂಶೋಧನೆಗೆ ಮೊದಲ ಅಡಚಣೆಯಾಗಿದೆ, ಆದ್ದರಿಂದ ಇದು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನಾವು ಈ DBMS ವಿನ್ಯಾಸವನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇವೆ.

ಕ್ಲಿಕ್‌ಹೌಸ್ ಕಾಫ್ಕಾದಿಂದ ನೇರವಾಗಿ ಡೇಟಾವನ್ನು ಸ್ವೀಕರಿಸುವುದನ್ನು ಬೆಂಬಲಿಸುವುದಿಲ್ಲ, ಏಕೆಂದರೆ ಇದು ಕೇವಲ ಡೇಟಾಬೇಸ್ ಆಗಿದೆ, ಆದ್ದರಿಂದ ನಾವು ನಮ್ಮದೇ ಆದ ಅಡಾಪ್ಟರ್ ಸೇವೆಯನ್ನು Go ನಲ್ಲಿ ಬರೆದಿದ್ದೇವೆ. ಇದು ಕಾಫ್ಕಾದಿಂದ Cap'n Proto ಎನ್‌ಕೋಡ್ ಮಾಡಿದ ಸಂದೇಶಗಳನ್ನು ಓದುತ್ತದೆ, ಅವುಗಳನ್ನು TSV ಗೆ ಪರಿವರ್ತಿಸಿತು ಮತ್ತು HTTP ಇಂಟರ್ಫೇಸ್ ಮೂಲಕ ಬ್ಯಾಚ್‌ಗಳಲ್ಲಿ ಕ್ಲಿಕ್‌ಹೌಸ್‌ಗೆ ಸೇರಿಸಿತು. ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸುಧಾರಿಸಲು ನಮ್ಮದೇ ಆದ ಕ್ಲಿಕ್‌ಹೌಸ್ ಇಂಟರ್‌ಫೇಸ್‌ನೊಂದಿಗೆ ಗೋ ಲೈಬ್ರರಿಯನ್ನು ಬಳಸಲು ನಾವು ನಂತರ ಈ ಸೇವೆಯನ್ನು ಪುನಃ ಬರೆದಿದ್ದೇವೆ. ಸ್ವೀಕರಿಸುವ ಪ್ಯಾಕೆಟ್‌ಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವಾಗ, ನಾವು ಒಂದು ಪ್ರಮುಖ ವಿಷಯವನ್ನು ಕಂಡುಕೊಂಡಿದ್ದೇವೆ - ಕ್ಲಿಕ್‌ಹೌಸ್‌ಗಾಗಿ ಈ ಕಾರ್ಯಕ್ಷಮತೆಯು ಪ್ಯಾಕೆಟ್‌ನ ಗಾತ್ರವನ್ನು ಬಲವಾಗಿ ಅವಲಂಬಿಸಿರುತ್ತದೆ, ಅಂದರೆ, ಅದೇ ಸಮಯದಲ್ಲಿ ಸೇರಿಸಲಾದ ಸಾಲುಗಳ ಸಂಖ್ಯೆ. ಇದು ಏಕೆ ಸಂಭವಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ಕ್ಲಿಕ್‌ಹೌಸ್ ಡೇಟಾವನ್ನು ಹೇಗೆ ಸಂಗ್ರಹಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ನಾವು ಅಧ್ಯಯನ ಮಾಡುತ್ತೇವೆ.

ದತ್ತಾಂಶವನ್ನು ಸಂಗ್ರಹಿಸಲು ಕ್ಲಿಕ್‌ಹೌಸ್ ಬಳಸುವ ಮುಖ್ಯ ಎಂಜಿನ್ ಅಥವಾ ಟೇಬಲ್ ಎಂಜಿನ್‌ಗಳ ಕುಟುಂಬವು ಮರ್ಜ್‌ಟ್ರೀ ಆಗಿದೆ. ಈ ಎಂಜಿನ್ ಕಲ್ಪನಾತ್ಮಕವಾಗಿ Google BigTable ಅಥವಾ Apache Cassandra ನಲ್ಲಿ ಬಳಸಲಾದ LSM ಅಲ್ಗಾರಿದಮ್‌ಗೆ ಹೋಲುತ್ತದೆ, ಆದರೆ ಮಧ್ಯಂತರ ಮೆಮೊರಿ ಕೋಷ್ಟಕವನ್ನು ನಿರ್ಮಿಸುವುದನ್ನು ತಪ್ಪಿಸುತ್ತದೆ ಮತ್ತು ಡೇಟಾವನ್ನು ನೇರವಾಗಿ ಡಿಸ್ಕ್‌ಗೆ ಬರೆಯುತ್ತದೆ. ಇದು ಅತ್ಯುತ್ತಮವಾದ ಬರವಣಿಗೆ ಥ್ರೋಪುಟ್ ಅನ್ನು ನೀಡುತ್ತದೆ, ಏಕೆಂದರೆ ಪ್ರತಿ ಸೇರಿಸಲಾದ ಪ್ಯಾಕೆಟ್ ಅನ್ನು "ಪ್ರಾಥಮಿಕ ಕೀ" ಪ್ರಾಥಮಿಕ ಕೀಲಿಯಿಂದ ಮಾತ್ರ ವಿಂಗಡಿಸಲಾಗುತ್ತದೆ, ಸಂಕುಚಿತಗೊಳಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ವಿಭಾಗವನ್ನು ರೂಪಿಸಲು ಡಿಸ್ಕ್ಗೆ ಬರೆಯಲಾಗುತ್ತದೆ.

ಮೆಮೊರಿ ಟೇಬಲ್ ಅಥವಾ ಡೇಟಾದ "ತಾಜಾತನ" ದ ಯಾವುದೇ ಪರಿಕಲ್ಪನೆಯ ಅನುಪಸ್ಥಿತಿಯು ಅವುಗಳನ್ನು ಮಾತ್ರ ಸೇರಿಸಬಹುದು ಎಂದರ್ಥ, ಸಿಸ್ಟಮ್ ಬದಲಾಯಿಸುವುದನ್ನು ಅಥವಾ ಅಳಿಸುವುದನ್ನು ಬೆಂಬಲಿಸುವುದಿಲ್ಲ. ಇಂದಿನಿಂದ, ಡೇಟಾವನ್ನು ಅಳಿಸುವ ಏಕೈಕ ಮಾರ್ಗವೆಂದರೆ ಕ್ಯಾಲೆಂಡರ್ ತಿಂಗಳ ಮೂಲಕ ಅದನ್ನು ಅಳಿಸುವುದು, ಏಕೆಂದರೆ ವಿಭಾಗಗಳು ಎಂದಿಗೂ ತಿಂಗಳ ಗಡಿಯನ್ನು ದಾಟುವುದಿಲ್ಲ. ಕ್ಲಿಕ್‌ಹೌಸ್ ತಂಡವು ಈ ವೈಶಿಷ್ಟ್ಯವನ್ನು ಕಸ್ಟಮೈಸ್ ಮಾಡಲು ಸಕ್ರಿಯವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ. ಮತ್ತೊಂದೆಡೆ, ಇದು ಬರವಣಿಗೆ ಮತ್ತು ವಿಲೀನಗೊಳಿಸುವ ವಿಭಾಗಗಳನ್ನು ವಿವಾದ-ಮುಕ್ತಗೊಳಿಸುತ್ತದೆ, ಆದ್ದರಿಂದ I/O ಅಥವಾ ಕೋರ್‌ಗಳು ಸ್ಯಾಚುರೇಟ್ ಆಗುವವರೆಗೆ ಸಮಾನಾಂತರ ಒಳಸೇರಿಸುವಿಕೆಯ ಸಂಖ್ಯೆಯೊಂದಿಗೆ ರೇಖೀಯವಾಗಿ ಥ್ರೋಪುಟ್ ಮಾಪಕಗಳನ್ನು ಸ್ವೀಕರಿಸಿ.
ಆದಾಗ್ಯೂ, ಈ ಸನ್ನಿವೇಶವು ಸಣ್ಣ ಪ್ಯಾಕೆಟ್‌ಗಳಿಗೆ ವ್ಯವಸ್ಥೆಯು ಸೂಕ್ತವಲ್ಲ ಎಂದರ್ಥ, ಆದ್ದರಿಂದ ಕಾಫ್ಕಾ ಸೇವೆಗಳು ಮತ್ತು ಇನ್ಸರ್ಟರ್‌ಗಳನ್ನು ಬಫರಿಂಗ್‌ಗಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಮತ್ತಷ್ಟು, ಹಿನ್ನಲೆಯಲ್ಲಿ ಕ್ಲಿಕ್‌ಹೌಸ್ ವಿಭಾಗಗಳನ್ನು ನಿರಂತರವಾಗಿ ವಿಲೀನಗೊಳಿಸುವುದನ್ನು ಮುಂದುವರಿಸುತ್ತದೆ, ಇದರಿಂದಾಗಿ ಅನೇಕ ಸಣ್ಣ ಮಾಹಿತಿಗಳನ್ನು ಸಂಯೋಜಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಹೆಚ್ಚು ಬಾರಿ ದಾಖಲಿಸಲಾಗುತ್ತದೆ, ಹೀಗಾಗಿ ರೆಕಾರ್ಡಿಂಗ್‌ನ ತೀವ್ರತೆಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಹಲವಾರು ಸಂಬಂಧವಿಲ್ಲದ ಭಾಗಗಳು ವಿಲೀನವು ಮುಂದುವರಿಯುವವರೆಗೆ ಒಳಸೇರಿಸುವಿಕೆಯ ಆಕ್ರಮಣಕಾರಿ ಥ್ರೊಟ್ಲಿಂಗ್‌ಗೆ ಕಾರಣವಾಗುತ್ತದೆ. ಟೇಬಲ್‌ಗೆ ಪ್ರತಿ ಸೆಕೆಂಡಿಗೆ ಸೀಮಿತ ಸಂಖ್ಯೆಯ ಇನ್‌ಸರ್ಟ್‌ಗಳನ್ನು ಸ್ವೀಕರಿಸುವುದು ನೈಜ-ಸಮಯದ ಡೇಟಾ ಸೇವನೆ ಮತ್ತು ಸೇವನೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯ ನಡುವಿನ ಉತ್ತಮ ರಾಜಿ ಎಂದು ನಾವು ಕಂಡುಕೊಂಡಿದ್ದೇವೆ.

ಟೇಬಲ್ ಓದುವ ಕಾರ್ಯಕ್ಷಮತೆಯ ಕೀಲಿಯು ಡಿಸ್ಕ್ನಲ್ಲಿನ ಡೇಟಾದ ಇಂಡೆಕ್ಸಿಂಗ್ ಮತ್ತು ಸ್ಥಳವಾಗಿದೆ. ಸಂಸ್ಕರಣೆಯು ಎಷ್ಟು ವೇಗವಾಗಿದ್ದರೂ, ಎಂಜಿನ್ ಡಿಸ್ಕ್‌ನಿಂದ ಟೆರಾಬೈಟ್‌ಗಳಷ್ಟು ಡೇಟಾವನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡಲು ಮತ್ತು ಅದರ ಒಂದು ಭಾಗವನ್ನು ಮಾತ್ರ ಬಳಸಬೇಕಾದಾಗ, ಅದು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಕ್ಲಿಕ್‌ಹೌಸ್ ಒಂದು ಕಾಲಮ್ ಸ್ಟೋರ್ ಆಗಿದೆ, ಆದ್ದರಿಂದ ಪ್ರತಿ ವಿಭಾಗವು ಪ್ರತಿ ಸಾಲಿಗೆ ವಿಂಗಡಿಸಲಾದ ಮೌಲ್ಯಗಳೊಂದಿಗೆ ಪ್ರತಿ ಕಾಲಮ್‌ಗೆ (ಕಾಲಮ್) ಫೈಲ್ ಅನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಹೀಗಾಗಿ, ಪ್ರಶ್ನೆಯಲ್ಲಿ ಇಲ್ಲದಿರುವ ಸಂಪೂರ್ಣ ಕಾಲಮ್‌ಗಳನ್ನು ಮೊದಲು ಬಿಟ್ಟುಬಿಡಬಹುದು ಮತ್ತು ನಂತರ ವೆಕ್ಟರೈಸ್ಡ್ ಎಕ್ಸಿಕ್ಯೂಶನ್‌ನೊಂದಿಗೆ ಸಮಾನಾಂತರವಾಗಿ ಬಹು ಕೋಶಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬಹುದು. ಪೂರ್ಣ ಸ್ಕ್ಯಾನ್ ಅನ್ನು ತಪ್ಪಿಸಲು, ಪ್ರತಿ ವಿಭಾಗವು ಸಣ್ಣ ಸೂಚ್ಯಂಕ ಫೈಲ್ ಅನ್ನು ಹೊಂದಿರುತ್ತದೆ.

ಎಲ್ಲಾ ಕಾಲಮ್‌ಗಳನ್ನು "ಪ್ರಾಥಮಿಕ ಕೀ" ಯಿಂದ ವಿಂಗಡಿಸಲಾಗಿದೆ, ಸೂಚ್ಯಂಕ ಫೈಲ್ ಪ್ರತಿ N ನೇ ಸಾಲಿನ ಲೇಬಲ್‌ಗಳನ್ನು (ಸೆರೆಹಿಡಿಯಲಾದ ಸಾಲುಗಳು) ಮಾತ್ರ ಒಳಗೊಂಡಿರುತ್ತದೆ, ಇದು ದೊಡ್ಡ ಕೋಷ್ಟಕಗಳಲ್ಲಿ ಸಹ ಅವುಗಳನ್ನು ಮೆಮೊರಿಯಲ್ಲಿ ಇರಿಸಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ನೀವು ಡೀಫಾಲ್ಟ್ ಸೆಟ್ಟಿಂಗ್‌ಗಳನ್ನು "ಪ್ರತಿ 8192 ನೇ ಸಾಲನ್ನು ಗುರುತಿಸಲು" ಹೊಂದಿಸಬಹುದು, ನಂತರ 1 ಟ್ರಿಲಿಯನ್‌ನೊಂದಿಗೆ ಟೇಬಲ್‌ನ "ಅಲ್ಪ" ಇಂಡೆಕ್ಸಿಂಗ್. ಮೆಮೊರಿಗೆ ಸುಲಭವಾಗಿ ಹೊಂದಿಕೊಳ್ಳುವ ಸಾಲುಗಳು 122 ಅಕ್ಷರಗಳನ್ನು ಮಾತ್ರ ತೆಗೆದುಕೊಳ್ಳುತ್ತವೆ.

ಸಿಸ್ಟಮ್ ಅಭಿವೃದ್ಧಿ

ಕ್ಲಿಕ್‌ಹೌಸ್‌ನ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಸುಧಾರಣೆಯನ್ನು ಕಂಡುಹಿಡಿಯಬಹುದು ಗಿಥಬ್ ರೆಪೊ ಮತ್ತು "ಬೆಳೆಯುವ" ಪ್ರಕ್ರಿಯೆಯು ಪ್ರಭಾವಶಾಲಿ ವೇಗದಲ್ಲಿ ನಡೆಯುತ್ತಿದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ.

ಜನಪ್ರಿಯತೆ

ಕ್ಲಿಕ್‌ಹೌಸ್‌ನ ಜನಪ್ರಿಯತೆಯು ವಿಶೇಷವಾಗಿ ರಷ್ಯನ್-ಮಾತನಾಡುವ ಸಮುದಾಯದಲ್ಲಿ ಘಾತೀಯವಾಗಿ ಬೆಳೆಯುತ್ತಿದೆ ಎಂದು ತೋರುತ್ತದೆ. ಕಳೆದ ವರ್ಷದ ಹೈ ಲೋಡ್ 2018 ಸಮ್ಮೇಳನವು (ಮಾಸ್ಕೋ, ನವೆಂಬರ್ 8-9, 2018) vk.com ಮತ್ತು Badoo ನಂತಹ ರಾಕ್ಷಸರು ಕ್ಲಿಕ್‌ಹೌಸ್ ಅನ್ನು ಬಳಸುತ್ತಾರೆ ಎಂದು ತೋರಿಸಿದೆ, ಇದು ಹತ್ತಾರು ಸರ್ವರ್‌ಗಳಿಂದ ಏಕಕಾಲದಲ್ಲಿ ಡೇಟಾವನ್ನು (ಉದಾಹರಣೆಗೆ, ಲಾಗ್‌ಗಳು) ಸೇರಿಸುತ್ತದೆ. 40 ನಿಮಿಷಗಳ ವೀಡಿಯೊದಲ್ಲಿ ಇದನ್ನು ಹೇಗೆ ಮಾಡಲಾಗಿದೆ ಎಂಬುದರ ಕುರಿತು VKontakte ತಂಡದ ಯೂರಿ ನಸ್ರೆಟ್ಡಿನೋವ್ ಮಾತನಾಡುತ್ತಾರೆ. ವಸ್ತುಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ಅನುಕೂಲಕ್ಕಾಗಿ ನಾವು ಶೀಘ್ರದಲ್ಲೇ ಹಬ್ರ್‌ನಲ್ಲಿ ಪ್ರತಿಲೇಖನವನ್ನು ಪೋಸ್ಟ್ ಮಾಡುತ್ತೇವೆ.

ಅಪ್ಲಿಕೇಶನ್ಗಳು

ಸ್ವಲ್ಪ ಸಮಯವನ್ನು ಸಂಶೋಧಿಸಿದ ನಂತರ, MySQL, PostgreSQL, ELK, Google Big Query, Amazon RedShift, TimescaleDB, Hadoop, MapReduce, Pinot ಮತ್ತು ಇತರ ಸಾಂಪ್ರದಾಯಿಕ ಮತ್ತು ಜನಪ್ರಿಯ ಪರಿಹಾರಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಬದಲಿಸಲು ಕ್ಲಿಕ್‌ಹೌಸ್ ಉಪಯುಕ್ತ ಅಥವಾ ಸಮರ್ಥವಾಗಿರುವ ಪ್ರದೇಶಗಳಿವೆ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ. ಡ್ರುಯಿಡ್. ಮೇಲಿನ DBMS ಅನ್ನು ಅಪ್‌ಗ್ರೇಡ್ ಮಾಡಲು ಅಥವಾ ಸಂಪೂರ್ಣವಾಗಿ ಬದಲಾಯಿಸಲು ಕ್ಲಿಕ್‌ಹೌಸ್ ಬಳಸುವ ವಿವರಗಳು ಈ ಕೆಳಗಿನಂತಿವೆ.

MySQL ಮತ್ತು PostgreSQL ಅನ್ನು ವಿಸ್ತರಿಸಲಾಗುತ್ತಿದೆ

ತೀರಾ ಇತ್ತೀಚೆಗೆ, ನಾವು MySQL ಅನ್ನು ಸುದ್ದಿಪತ್ರ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ಗಾಗಿ ಕ್ಲಿಕ್‌ಹೌಸ್‌ನೊಂದಿಗೆ ಭಾಗಶಃ ಬದಲಾಯಿಸಿದ್ದೇವೆ ಮಾಟಿಕ್ ಸುದ್ದಿಪತ್ರ. ಸಮಸ್ಯೆಯೆಂದರೆ MySQL ತಪ್ಪು ಕಲ್ಪನೆಯ ವಿನ್ಯಾಸದಿಂದಾಗಿ ಕಳುಹಿಸಿದ ಪ್ರತಿಯೊಂದು ಇಮೇಲ್ ಮತ್ತು ಆ ಇಮೇಲ್‌ನಲ್ಲಿರುವ ಪ್ರತಿಯೊಂದು ಲಿಂಕ್ ಅನ್ನು ಬೇಸ್ 64 ಹ್ಯಾಶ್‌ನೊಂದಿಗೆ ಲಾಗ್ ಮಾಡಿದೆ, ಇದು ಬೃಹತ್ MySQL ಟೇಬಲ್ ಅನ್ನು ರಚಿಸುತ್ತದೆ (email_stats). ಸೇವೆಯ ಚಂದಾದಾರರಿಗೆ ಕೇವಲ 10 ಮಿಲಿಯನ್ ಇಮೇಲ್‌ಗಳನ್ನು ಕಳುಹಿಸಿದ ನಂತರ, ಈ ಟೇಬಲ್ 150 GB ಫೈಲ್ ಜಾಗವನ್ನು ಆಕ್ರಮಿಸಿಕೊಂಡಿದೆ ಮತ್ತು MySQL ಸರಳ ಪ್ರಶ್ನೆಗಳಲ್ಲಿ "ಸ್ಟುಪಿಡ್" ಮಾಡಲು ಪ್ರಾರಂಭಿಸಿತು. ಫೈಲ್ ಸ್ಪೇಸ್ ಸಮಸ್ಯೆಯನ್ನು ಸರಿಪಡಿಸಲು, ನಾವು InnoDB ಟೇಬಲ್ ಕಂಪ್ರೆಷನ್ ಅನ್ನು ಯಶಸ್ವಿಯಾಗಿ ಬಳಸಿದ್ದೇವೆ, ಅದು ಅದನ್ನು 4 ರಷ್ಟು ಕಡಿಮೆ ಮಾಡಿದೆ. ಆದಾಗ್ಯೂ, ಇತಿಹಾಸವನ್ನು ಓದುವ ಸಲುವಾಗಿ MySQL ನಲ್ಲಿ 20-30 ಮಿಲಿಯನ್‌ಗಿಂತಲೂ ಹೆಚ್ಚು ಇಮೇಲ್‌ಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು ಇನ್ನೂ ಅರ್ಥವಿಲ್ಲ, ಏಕೆಂದರೆ ಕೆಲವು ಕಾರಣಗಳಿಂದ ಸ್ವಾಪ್ ಮತ್ತು ಭಾರೀ I/O ನಲ್ಲಿ ಪೂರ್ಣ ಸ್ಕ್ಯಾನ್ ಫಲಿತಾಂಶಗಳನ್ನು ಮಾಡಬೇಕಾದ ಯಾವುದೇ ಸರಳ ಪ್ರಶ್ನೆ ಓವರ್ಹೆಡ್, ಅದರ ಬಗ್ಗೆ ನಾವು ನಿಯಮಿತವಾಗಿ Zabbix ಎಚ್ಚರಿಕೆಗಳನ್ನು ಸ್ವೀಕರಿಸಿದ್ದೇವೆ.

ಕ್ಲಿಕ್‌ಹೌಸ್ ಎರಡು ಕಂಪ್ರೆಷನ್ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸುತ್ತದೆ ಅದು ಸುಮಾರು ಡೇಟಾದ ಪ್ರಮಾಣವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ 3-4 ಬಾರಿ, ಆದರೆ ಈ ನಿರ್ದಿಷ್ಟ ಸಂದರ್ಭದಲ್ಲಿ, ಡೇಟಾ ವಿಶೇಷವಾಗಿ "ಸಂಕುಚಿತ" ಆಗಿತ್ತು.

ELK ಬದಲಿ

ನನ್ನ ಸ್ವಂತ ಅನುಭವದ ಆಧಾರದ ಮೇಲೆ, ELK ಸ್ಟಾಕ್ (ElasticSearch, Logstash ಮತ್ತು Kibana, ಈ ನಿರ್ದಿಷ್ಟ ಸಂದರ್ಭದಲ್ಲಿ ElasticSearch) ಲಾಗ್‌ಗಳನ್ನು ಶೇಖರಿಸಿಡಲು ಬೇಕಾಗಿರುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಚಲಾಯಿಸಲು ಅಗತ್ಯವಿದೆ. ನೀವು ಉತ್ತಮ ಪೂರ್ಣ-ಪಠ್ಯ ಲಾಗ್ ಹುಡುಕಾಟವನ್ನು ಬಯಸಿದರೆ ElasticSearch ಉತ್ತಮ ಎಂಜಿನ್ ಆಗಿದೆ (ಮತ್ತು ನಿಮಗೆ ಇದು ನಿಜವಾಗಿಯೂ ಅಗತ್ಯವಿಲ್ಲ ಎಂದು ನಾನು ಭಾವಿಸುತ್ತೇನೆ), ಆದರೆ ಇದು ವಾಸ್ತವಿಕ ಪ್ರಮಾಣಿತ ಲಾಗಿಂಗ್ ಎಂಜಿನ್ ಆಗಿ ಏಕೆ ಮಾರ್ಪಟ್ಟಿದೆ ಎಂದು ನಾನು ಆಶ್ಚರ್ಯ ಪಡುತ್ತೇನೆ. ಲಾಗ್‌ಸ್ಟ್ಯಾಶ್‌ನೊಂದಿಗೆ ಸಂಯೋಜಿಸಲ್ಪಟ್ಟ ಅದರ ಸೇವನೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯು ನಮಗೆ ಸಾಕಷ್ಟು ಕಡಿಮೆ ಕೆಲಸದ ಹೊರೆಗಳಲ್ಲಿಯೂ ಸಮಸ್ಯೆಗಳನ್ನು ನೀಡಿತು ಮತ್ತು ಹೆಚ್ಚು ಹೆಚ್ಚು RAM ಮತ್ತು ಡಿಸ್ಕ್ ಸ್ಥಳವನ್ನು ಸೇರಿಸುವ ಅಗತ್ಯವಿದೆ. ಡೇಟಾಬೇಸ್ ಆಗಿ, ಕ್ಲಿಕ್‌ಹೌಸ್ ಈ ಕೆಳಗಿನ ಕಾರಣಗಳಿಗಾಗಿ ElasticSearch ಗಿಂತ ಉತ್ತಮವಾಗಿದೆ:

• SQL ಉಪಭಾಷೆ ಬೆಂಬಲ;
• ಸಂಗ್ರಹಿಸಿದ ಡೇಟಾದ ಸಂಕೋಚನದ ಅತ್ಯುತ್ತಮ ಪದವಿ;
• ಪೂರ್ಣ ಪಠ್ಯ ಹುಡುಕಾಟದ ಬದಲಿಗೆ Regex ಹುಡುಕಾಟಕ್ಕೆ ಬೆಂಬಲ;
• ಸುಧಾರಿತ ಪ್ರಶ್ನೆ ವೇಳಾಪಟ್ಟಿ ಮತ್ತು ಉತ್ತಮ ಒಟ್ಟಾರೆ ಕಾರ್ಯಕ್ಷಮತೆ.

ಪ್ರಸ್ತುತ, ಕ್ಲಿಕ್‌ಹೌಸ್ ಅನ್ನು ELK ನೊಂದಿಗೆ ಹೋಲಿಸಿದಾಗ ಉಂಟಾಗುವ ದೊಡ್ಡ ಸಮಸ್ಯೆಯೆಂದರೆ ಲಾಗ್‌ಗಳನ್ನು ಅಪ್‌ಲೋಡ್ ಮಾಡಲು ಪರಿಹಾರಗಳ ಕೊರತೆ, ಹಾಗೆಯೇ ಈ ವಿಷಯದ ಕುರಿತು ದಸ್ತಾವೇಜನ್ನು ಮತ್ತು ಟ್ಯುಟೋರಿಯಲ್‌ಗಳ ಕೊರತೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಪ್ರತಿ ಬಳಕೆದಾರರು ಡಿಜಿಟಲ್ ಸಾಗರ ಕೈಪಿಡಿಯನ್ನು ಬಳಸಿಕೊಂಡು ELK ಅನ್ನು ಹೊಂದಿಸಬಹುದು, ಇದು ಅಂತಹ ತಂತ್ರಜ್ಞಾನಗಳ ತ್ವರಿತ ಅನುಷ್ಠಾನಕ್ಕೆ ಬಹಳ ಮುಖ್ಯವಾಗಿದೆ. ಇಲ್ಲಿ ಡೇಟಾಬೇಸ್ ಎಂಜಿನ್ ಇದೆ, ಆದರೆ ಕ್ಲಿಕ್‌ಹೌಸ್‌ಗಾಗಿ ಇನ್ನೂ ಯಾವುದೇ ಫೈಲ್‌ಬೀಟ್ ಇಲ್ಲ. ಹೌದು, ಅಲ್ಲಿದೆ ನಿರರ್ಗಳವಾಗಿ ಮತ್ತು ಲಾಗ್ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ವ್ಯವಸ್ಥೆ ಲಾಗ್ ಹೌಸ್, ಒಂದು ಉಪಕರಣವಿದೆ ಬಾಲವನ್ನು ಕ್ಲಿಕ್ ಮಾಡಿ ಕ್ಲಿಕ್‌ಹೌಸ್‌ಗೆ ಲಾಗ್ ಫೈಲ್ ಡೇಟಾವನ್ನು ನಮೂದಿಸಲು, ಆದರೆ ಇದೆಲ್ಲವೂ ಹೆಚ್ಚು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಕ್ಲಿಕ್‌ಹೌಸ್ ಅದರ ಸರಳತೆಯಿಂದಾಗಿ ಇನ್ನೂ ದಾರಿ ಮಾಡಿಕೊಡುತ್ತದೆ, ಆದ್ದರಿಂದ ಆರಂಭಿಕರು ಸಹ ಅದನ್ನು ಸುಲಭವಾಗಿ ಸ್ಥಾಪಿಸಬಹುದು ಮತ್ತು ಕೇವಲ 10 ನಿಮಿಷಗಳಲ್ಲಿ ಸಂಪೂರ್ಣ ಕ್ರಿಯಾತ್ಮಕ ಬಳಕೆಯನ್ನು ಪ್ರಾರಂಭಿಸಬಹುದು.

ಕನಿಷ್ಠ ಪರಿಹಾರಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡಿ, ನಾನು ಕಾಫ್ಕಾವನ್ನು ಬಳಸುವುದನ್ನು ತಪ್ಪಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವಾಗ ಕ್ಲಿಕ್‌ಹೌಸ್‌ನೊಂದಿಗೆ ಫ್ಲೂಯೆಂಟ್‌ಬಿಟ್ ಅನ್ನು ಬಳಸಲು ಪ್ರಯತ್ನಿಸಿದೆ, ಇದು ಕಡಿಮೆ ಮೆಮೊರಿ ಲಾಗ್ ಅಪ್‌ಲೋಡ್ ಸಾಧನವಾಗಿದೆ. ಆದಾಗ್ಯೂ, ಸಣ್ಣ ಅಸಾಮರಸ್ಯಗಳನ್ನು ಪರಿಹರಿಸಬೇಕಾಗಿದೆ, ಉದಾಹರಣೆಗೆ ದಿನಾಂಕ ಸ್ವರೂಪದ ಸಮಸ್ಯೆಗಳುಫ್ಲುಯೆಂಟ್‌ಬಿಟ್‌ನಿಂದ ಕ್ಲಿಕ್‌ಹೌಸ್‌ಗೆ ಡೇಟಾವನ್ನು ಪರಿವರ್ತಿಸುವ ಪ್ರಾಕ್ಸಿ ಲೇಯರ್ ಇಲ್ಲದೆಯೇ ಇದನ್ನು ಮಾಡಬಹುದು.

ಕಿಬಾನಾಗೆ ಪರ್ಯಾಯವಾಗಿ, ನೀವು ಕ್ಲಿಕ್‌ಹೌಸ್ ಅನ್ನು ಬ್ಯಾಕೆಂಡ್ ಆಗಿ ಬಳಸಬಹುದು ಗ್ರಾಫಾನಾ. ನಾನು ಅರ್ಥಮಾಡಿಕೊಂಡಂತೆ, ಇದು ಹೆಚ್ಚಿನ ಸಂಖ್ಯೆಯ ಡೇಟಾ ಪಾಯಿಂಟ್‌ಗಳನ್ನು ಸಲ್ಲಿಸುವಾಗ ಕಾರ್ಯಕ್ಷಮತೆಯ ಸಮಸ್ಯೆಗಳನ್ನು ಉಂಟುಮಾಡಬಹುದು, ವಿಶೇಷವಾಗಿ ಗ್ರಾಫಾನಾದ ಹಳೆಯ ಆವೃತ್ತಿಗಳೊಂದಿಗೆ. Qwintry ನಲ್ಲಿ, ನಾವು ಇದನ್ನು ಇನ್ನೂ ಪ್ರಯತ್ನಿಸಿಲ್ಲ, ಆದರೆ ಇದರ ಬಗ್ಗೆ ದೂರುಗಳು ಕಾಲಕಾಲಕ್ಕೆ ಟೆಲಿಗ್ರಾಮ್‌ನಲ್ಲಿ ಕ್ಲಿಕ್‌ಹೌಸ್ ಬೆಂಬಲ ಚಾನಲ್‌ನಲ್ಲಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತವೆ.

ಗೂಗಲ್ ಬಿಗ್ ಕ್ವೆರಿ ಮತ್ತು ಅಮೆಜಾನ್ ರೆಡ್‌ಶಿಫ್ಟ್‌ನ ಬದಲಿ (ದೊಡ್ಡ ಕಂಪನಿಗಳಿಗೆ ಪರಿಹಾರ)

BigQuery ಗಾಗಿ ಸೂಕ್ತವಾದ ಬಳಕೆಯ ಸಂದರ್ಭವೆಂದರೆ 1TB JSON ಡೇಟಾವನ್ನು ಲೋಡ್ ಮಾಡುವುದು ಮತ್ತು ಅದರ ಮೇಲೆ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪ್ರಶ್ನೆಗಳನ್ನು ರನ್ ಮಾಡುವುದು. ಬಿಗ್ ಕ್ವೆರಿ ಉತ್ತಮ ಉತ್ಪನ್ನವಾಗಿದ್ದು, ಅದರ ಸ್ಕೇಲೆಬಿಲಿಟಿಯನ್ನು ಅತಿಯಾಗಿ ಅಂದಾಜು ಮಾಡುವುದು ಕಷ್ಟ. ಆಂತರಿಕ ಕ್ಲಸ್ಟರ್‌ನಲ್ಲಿ ಕ್ಲಿಕ್‌ಹೌಸ್ ಚಾಲನೆಯಲ್ಲಿರುವುದಕ್ಕಿಂತ ಇದು ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾದ ಸಾಫ್ಟ್‌ವೇರ್ ಆಗಿದೆ, ಆದರೆ ಕ್ಲೈಂಟ್‌ನ ದೃಷ್ಟಿಕೋನದಿಂದ, ಇದು ಕ್ಲಿಕ್‌ಹೌಸ್‌ನೊಂದಿಗೆ ಸಾಕಷ್ಟು ಸಾಮಾನ್ಯವಾಗಿದೆ. ಒಮ್ಮೆ ನೀವು ಪ್ರತಿ ಆಯ್ಕೆಗೆ ಪಾವತಿಸಲು ಪ್ರಾರಂಭಿಸಿದ ನಂತರ BigQuery ತ್ವರಿತವಾಗಿ "ಬೆಲೆಯನ್ನು" ಮಾಡಬಹುದು, ಆದ್ದರಿಂದ ಇದು ಅದರ ಎಲ್ಲಾ ಸಾಧಕ-ಬಾಧಕಗಳೊಂದಿಗೆ ನಿಜವಾದ SaaS ಪರಿಹಾರವಾಗಿದೆ.

ನೀವು ಸಾಕಷ್ಟು ಕಂಪ್ಯೂಟೇಶನಲ್ ಆಗಿ ದುಬಾರಿ ಪ್ರಶ್ನೆಗಳನ್ನು ಚಲಾಯಿಸಿದಾಗ ClickHouse ಅತ್ಯುತ್ತಮ ಆಯ್ಕೆಯಾಗಿದೆ. ನೀವು ಪ್ರತಿದಿನ ಹೆಚ್ಚು SELECT ಪ್ರಶ್ನೆಗಳನ್ನು ಓಡಿಸುತ್ತೀರಿ, ಬಿಗ್ ಕ್ವೆರಿಯನ್ನು ಕ್ಲಿಕ್‌ಹೌಸ್‌ನೊಂದಿಗೆ ಬದಲಾಯಿಸಲು ಇದು ಹೆಚ್ಚು ಪಾಯಿಂಟ್ ಮಾಡುತ್ತದೆ, ಏಕೆಂದರೆ ಅಂತಹ ಬದಲಿಯು ಹಲವಾರು ಟೆರಾಬೈಟ್‌ಗಳ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಿದಾಗ ನಿಮಗೆ ಸಾವಿರಾರು ಡಾಲರ್‌ಗಳನ್ನು ಉಳಿಸುತ್ತದೆ. ಸಂಗ್ರಹಿಸಲಾದ ಡೇಟಾಗೆ ಇದು ಅನ್ವಯಿಸುವುದಿಲ್ಲ, ಇದು ಬಿಗ್ ಕ್ವೆರಿಯಲ್ಲಿ ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಸಾಕಷ್ಟು ಅಗ್ಗವಾಗಿದೆ.

ಆಲ್ಟಿನಿಟಿಯ ಸಹ-ಸಂಸ್ಥಾಪಕ ಅಲೆಕ್ಸಾಂಡರ್ ಜೈಟ್ಸೆವ್ ಅವರ ಲೇಖನದಲ್ಲಿ "ಕ್ಲಿಕ್‌ಹೌಸ್‌ಗೆ ಸರಿಸಲಾಗುತ್ತಿದೆ" ಅಂತಹ DBMS ವಲಸೆಯ ಪ್ರಯೋಜನಗಳನ್ನು ವಿವರಿಸುತ್ತದೆ.

ಟೈಮ್‌ಸ್ಕೇಲ್ ಡಿಬಿ ಬದಲಿ

TimescaleDB ಒಂದು PostgreSQL ವಿಸ್ತರಣೆಯಾಗಿದ್ದು, ಇದು ನಿಯಮಿತ ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಸಮಯಸರಣಿಗಳೊಂದಿಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದನ್ನು ಉತ್ತಮಗೊಳಿಸುತ್ತದೆ (https://docs.timescale.com/v1.0/introduction, https://habr.com/ru/company/zabbix/blog/458530/).

ಕ್ಲಿಕ್‌ಹೌಸ್ ಸಮಯ ಸರಣಿಯ ಸ್ಥಾಪಿತ ಸ್ಥಳದಲ್ಲಿ ಗಂಭೀರ ಪ್ರತಿಸ್ಪರ್ಧಿಯಾಗಿಲ್ಲದಿದ್ದರೂ, ಸ್ತಂಭಾಕಾರದ ರಚನೆ ಮತ್ತು ವೆಕ್ಟರ್ ಕ್ವೆರಿ ಎಕ್ಸಿಕ್ಯೂಶನ್‌ಗೆ ಸಂಬಂಧಿಸಿದಂತೆ, ಇದು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಪ್ರಶ್ನೆಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ಹೆಚ್ಚಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ TimescaleDB ಗಿಂತ ಹೆಚ್ಚು ವೇಗವಾಗಿರುತ್ತದೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಕ್ಲಿಕ್‌ಹೌಸ್ ಪ್ಯಾಕೆಟ್ ಡೇಟಾವನ್ನು ಸ್ವೀಕರಿಸುವ ಕಾರ್ಯಕ್ಷಮತೆ ಸುಮಾರು 3 ಪಟ್ಟು ಹೆಚ್ಚಾಗಿದೆ, ಹೆಚ್ಚುವರಿಯಾಗಿ, ಇದು 20 ಪಟ್ಟು ಕಡಿಮೆ ಡಿಸ್ಕ್ ಜಾಗವನ್ನು ಬಳಸುತ್ತದೆ, ಇದು ದೊಡ್ಡ ಪ್ರಮಾಣದ ಐತಿಹಾಸಿಕ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ನಿಜವಾಗಿಯೂ ಮುಖ್ಯವಾಗಿದೆ: 
https://www.altinity.com/blog/ClickHouse-for-time-series.

ಕ್ಲಿಕ್‌ಹೌಸ್‌ಗಿಂತ ಭಿನ್ನವಾಗಿ, ಟೈಮ್‌ಸ್ಕೇಲ್‌ಡಿಬಿಯಲ್ಲಿ ಕೆಲವು ಡಿಸ್ಕ್ ಜಾಗವನ್ನು ಉಳಿಸುವ ಏಕೈಕ ಮಾರ್ಗವೆಂದರೆ ZFS ಅಥವಾ ಅಂತಹುದೇ ಫೈಲ್ ಸಿಸ್ಟಮ್‌ಗಳನ್ನು ಬಳಸುವುದು.

ClickHouse ಗೆ ಮುಂಬರುವ ನವೀಕರಣಗಳು ಡೆಲ್ಟಾ ಕಂಪ್ರೆಷನ್ ಅನ್ನು ಪರಿಚಯಿಸುವ ಸಾಧ್ಯತೆಯಿದೆ, ಇದು ಸಮಯ ಸರಣಿ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಮತ್ತು ಸಂಗ್ರಹಿಸಲು ಇನ್ನಷ್ಟು ಸೂಕ್ತವಾಗಿಸುತ್ತದೆ. ಈ ಕೆಳಗಿನ ಸಂದರ್ಭಗಳಲ್ಲಿ ಬೇರ್ ಕ್ಲಿಕ್‌ಹೌಸ್‌ಗಿಂತ TimescaleDB ಉತ್ತಮ ಆಯ್ಕೆಯಾಗಿರಬಹುದು:

• ಅತಿ ಕಡಿಮೆ RAM (<3 GB) ಜೊತೆಗೆ ಸಣ್ಣ ಅನುಸ್ಥಾಪನೆಗಳು;
• ನೀವು ದೊಡ್ಡ ತುಣುಕುಗಳಾಗಿ ಬಫರ್ ಮಾಡಲು ಬಯಸದ ದೊಡ್ಡ ಸಂಖ್ಯೆಯ ಸಣ್ಣ ಒಳಸೇರಿಸುವಿಕೆಗಳು;
• ಉತ್ತಮ ಸ್ಥಿರತೆ, ಏಕರೂಪತೆ ಮತ್ತು ACID ಅಗತ್ಯತೆಗಳು;
• PostGIS ಬೆಂಬಲ;
• ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ PostgreSQL ಕೋಷ್ಟಕಗಳೊಂದಿಗೆ ವಿಲೀನಗೊಳಿಸಿ, ಏಕೆಂದರೆ ಟೈಮ್‌ಸ್ಕೇಲ್ DB ಮೂಲಭೂತವಾಗಿ PostgreSQL ಆಗಿದೆ.

Hadoop ಮತ್ತು MapReduce ವ್ಯವಸ್ಥೆಗಳೊಂದಿಗೆ ಸ್ಪರ್ಧೆ

Hadoop ಮತ್ತು ಇತರ MapReduce ಉತ್ಪನ್ನಗಳು ಬಹಳಷ್ಟು ಸಂಕೀರ್ಣ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ನಿರ್ವಹಿಸಬಲ್ಲವು, ಆದರೆ ಅವುಗಳು ಹೆಚ್ಚಿನ ಸುಪ್ತಾವಸ್ಥೆಯಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ.ಕ್ಲಿಕ್‌ಹೌಸ್ ಟೆರಾಬೈಟ್‌ಗಳಷ್ಟು ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುವ ಮೂಲಕ ಮತ್ತು ಬಹುತೇಕ ತಕ್ಷಣವೇ ಫಲಿತಾಂಶಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಮೂಲಕ ಈ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುತ್ತದೆ. ಹೀಗಾಗಿ, ಕ್ಲಿಕ್‌ಹೌಸ್ ವೇಗವಾದ, ಸಂವಾದಾತ್ಮಕ ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಸಂಶೋಧನೆಯನ್ನು ನಿರ್ವಹಿಸಲು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿದೆ, ಇದು ಡೇಟಾ ವಿಜ್ಞಾನಿಗಳಿಗೆ ಆಸಕ್ತಿಯಾಗಿರಬೇಕು.

ಪಿನೋಟ್ ಮತ್ತು ಡ್ರೂಯಿಡ್ ಜೊತೆ ಸ್ಪರ್ಧೆ

ಕ್ಲಿಕ್‌ಹೌಸ್‌ನ ಹತ್ತಿರದ ಪ್ರತಿಸ್ಪರ್ಧಿಗಳು ಸ್ತಂಭಾಕಾರದ, ರೇಖೀಯವಾಗಿ ಸ್ಕೇಲೆಬಲ್ ಓಪನ್ ಸೋರ್ಸ್ ಉತ್ಪನ್ನಗಳಾದ Pinot ಮತ್ತು Druid. ಈ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಹೋಲಿಸುವ ಅತ್ಯುತ್ತಮ ಕೆಲಸವನ್ನು ಲೇಖನದಲ್ಲಿ ಪ್ರಕಟಿಸಲಾಗಿದೆ ರೊಮಾನಾ ಲೆವೆಂಟೋವಾ ಫೆಬ್ರವರಿ 1, 2018

ಈ ಲೇಖನವನ್ನು ನವೀಕರಿಸಬೇಕಾಗಿದೆ - ಇತ್ತೀಚಿನ ಆವೃತ್ತಿಗಳಿಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಇದು ಸಂಪೂರ್ಣವಾಗಿ ನಿಜವಲ್ಲದ ನವೀಕರಣ ಮತ್ತು ಅಳಿಸುವಿಕೆ ಕಾರ್ಯಾಚರಣೆಗಳನ್ನು ಕ್ಲಿಕ್‌ಹೌಸ್ ಬೆಂಬಲಿಸುವುದಿಲ್ಲ ಎಂದು ಹೇಳುತ್ತದೆ.

ಈ DBMS ಗಳೊಂದಿಗೆ ನಮಗೆ ಹೆಚ್ಚಿನ ಅನುಭವವಿಲ್ಲ, ಆದರೆ ಡ್ರೂಯಿಡ್ ಮತ್ತು ಪಿನೋಟ್ ಅನ್ನು ಚಲಾಯಿಸಲು ಅಗತ್ಯವಿರುವ ಆಧಾರವಾಗಿರುವ ಮೂಲಸೌಕರ್ಯಗಳ ಸಂಕೀರ್ಣತೆಯನ್ನು ನಾನು ಇಷ್ಟಪಡುವುದಿಲ್ಲ - ಇದು ಎಲ್ಲಾ ಕಡೆಯಿಂದ ಜಾವಾದಿಂದ ಸುತ್ತುವರಿದ "ಚಲಿಸುವ ಭಾಗಗಳ" ಸಂಪೂರ್ಣ ಗುಂಪಾಗಿದೆ.

ಡ್ರೂಯಿಡ್ ಮತ್ತು ಪಿನೋಟ್ ಅಪಾಚೆ ಇನ್‌ಕ್ಯುಬೇಟರ್ ಪ್ರಾಜೆಕ್ಟ್‌ಗಳಾಗಿವೆ, ಇವುಗಳನ್ನು ಅಪಾಚೆ ಅವರ ಗಿಟ್‌ಹಬ್ ಪ್ರಾಜೆಕ್ಟ್ ಪುಟಗಳಲ್ಲಿ ವಿವರವಾಗಿ ಒಳಗೊಂಡಿದೆ. ಪಿನೋಟ್ ಅಕ್ಟೋಬರ್ 2018 ರಲ್ಲಿ ಇನ್ಕ್ಯುಬೇಟರ್ನಲ್ಲಿ ಕಾಣಿಸಿಕೊಂಡರು ಮತ್ತು ಡ್ರೂಯಿಡ್ 8 ತಿಂಗಳ ಹಿಂದೆ ಜನಿಸಿದರು - ಫೆಬ್ರವರಿಯಲ್ಲಿ.

AFS ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದರ ಕುರಿತು ಮಾಹಿತಿಯ ಕೊರತೆಯು ನನಗೆ ಕೆಲವು ಮತ್ತು ಬಹುಶಃ ಮೂರ್ಖತನದ ಪ್ರಶ್ನೆಗಳನ್ನು ಹುಟ್ಟುಹಾಕುತ್ತದೆ. ಅಪಾಚೆ ಫೌಂಡೇಶನ್ ಡ್ರೂಯಿಡ್ ಕಡೆಗೆ ಹೆಚ್ಚು ಒಲವು ತೋರುತ್ತಿದೆ ಎಂದು ಪಿನೋಟ್ ಲೇಖಕರು ಗಮನಿಸಿದ್ದಾರೆಯೇ ಮತ್ತು ಪ್ರತಿಸ್ಪರ್ಧಿಯ ಬಗ್ಗೆ ಅಂತಹ ವರ್ತನೆಯು ಅಸೂಯೆಯ ಭಾವನೆಯನ್ನು ಉಂಟುಮಾಡಿದೆಯೇ? ಹಿಂದಿನದನ್ನು ಬೆಂಬಲಿಸುವ ಪ್ರಾಯೋಜಕರು ಇದ್ದಕ್ಕಿದ್ದಂತೆ ಎರಡನೆಯದರಲ್ಲಿ ಆಸಕ್ತಿ ಹೊಂದಿದರೆ ಡ್ರೂಯಿಡ್‌ನ ಅಭಿವೃದ್ಧಿ ನಿಧಾನವಾಗುತ್ತದೆ ಮತ್ತು ಪಿನೋಟ್‌ನ ಅಭಿವೃದ್ಧಿಯು ವೇಗಗೊಳ್ಳುತ್ತದೆ?

ಕ್ಲಿಕ್‌ಹೌಸ್‌ನ ಅನಾನುಕೂಲಗಳು

ಅಪ್ರಬುದ್ಧತೆ: ನಿಸ್ಸಂಶಯವಾಗಿ, ಇದು ಇನ್ನೂ ನೀರಸ ತಂತ್ರಜ್ಞಾನವಾಗಿದೆ, ಆದರೆ ಯಾವುದೇ ಸಂದರ್ಭದಲ್ಲಿ, ಇತರ ಸ್ತಂಭಾಕಾರದ DBMS ನಲ್ಲಿ ಈ ರೀತಿಯ ಏನೂ ಕಂಡುಬರುವುದಿಲ್ಲ.

ಸಣ್ಣ ಒಳಸೇರಿಸುವಿಕೆಗಳು ಹೆಚ್ಚಿನ ವೇಗದಲ್ಲಿ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವುದಿಲ್ಲ: ಒಳಸೇರಿಸುವಿಕೆಯನ್ನು ದೊಡ್ಡ ಭಾಗಗಳಾಗಿ ವಿಭಜಿಸಬೇಕು ಏಕೆಂದರೆ ಸಣ್ಣ ಒಳಸೇರಿಸುವಿಕೆಯ ಕಾರ್ಯಕ್ಷಮತೆಯು ಪ್ರತಿ ಸಾಲಿನಲ್ಲಿರುವ ಕಾಲಮ್‌ಗಳ ಸಂಖ್ಯೆಗೆ ಅನುಗುಣವಾಗಿ ಕುಸಿಯುತ್ತದೆ. ಕ್ಲಿಕ್‌ಹೌಸ್ ಡಿಸ್ಕ್‌ನಲ್ಲಿ ಡೇಟಾವನ್ನು ಹೇಗೆ ಸಂಗ್ರಹಿಸುತ್ತದೆ - ಪ್ರತಿ ಕಾಲಮ್ ಎಂದರೆ 1 ಫೈಲ್ ಅಥವಾ ಅದಕ್ಕಿಂತ ಹೆಚ್ಚು, ಆದ್ದರಿಂದ 1 ಕಾಲಮ್‌ಗಳನ್ನು ಹೊಂದಿರುವ 100 ಸಾಲನ್ನು ಸೇರಿಸಲು, ನೀವು ಕನಿಷ್ಟ 100 ಫೈಲ್‌ಗಳನ್ನು ತೆರೆಯಬೇಕು ಮತ್ತು ಬರೆಯಬೇಕು. ಇದಕ್ಕಾಗಿಯೇ ಇನ್ಸರ್ಟ್ ಬಫರಿಂಗ್‌ಗೆ ಮಧ್ಯವರ್ತಿ ಅಗತ್ಯವಿರುತ್ತದೆ (ಕ್ಲೈಂಟ್ ಸ್ವತಃ ಬಫರಿಂಗ್ ಅನ್ನು ಒದಗಿಸದ ಹೊರತು) - ಸಾಮಾನ್ಯವಾಗಿ ಕಾಫ್ಕಾ ಅಥವಾ ಕೆಲವು ರೀತಿಯ ಕ್ಯೂಯಿಂಗ್ ಸಿಸ್ಟಮ್. ನಂತರ MergeTree ಕೋಷ್ಟಕಗಳಿಗೆ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ನಕಲಿಸಲು ನೀವು ಬಫರ್ ಟೇಬಲ್ ಎಂಜಿನ್ ಅನ್ನು ಸಹ ಬಳಸಬಹುದು.

ಟೇಬಲ್ ಸೇರ್ಪಡೆಗಳು ಸರ್ವರ್ RAM ನಿಂದ ಸೀಮಿತವಾಗಿವೆ, ಆದರೆ ಕನಿಷ್ಠ ಅವು ಇವೆ! ಉದಾಹರಣೆಗೆ, ಡ್ರೂಯಿಡ್ ಮತ್ತು ಪಿನೋಟ್ ಅಂತಹ ಸಂಪರ್ಕಗಳನ್ನು ಹೊಂದಿಲ್ಲ, ಏಕೆಂದರೆ ನೋಡ್‌ಗಳ ನಡುವೆ ಡೇಟಾದ ದೊಡ್ಡ ಭಾಗಗಳನ್ನು ಚಲಿಸುವಿಕೆಯನ್ನು ಬೆಂಬಲಿಸದ ವಿತರಿಸಿದ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ನೇರವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಲು ಕಷ್ಟವಾಗುತ್ತದೆ.

ಸಂಶೋಧನೆಗಳು

ಮುಂಬರುವ ವರ್ಷಗಳಲ್ಲಿ, Qwintry ನಲ್ಲಿ ClickHouse ಅನ್ನು ವ್ಯಾಪಕವಾಗಿ ಬಳಸಲು ನಾವು ಯೋಜಿಸುತ್ತೇವೆ, ಏಕೆಂದರೆ ಈ DBMS ಕಾರ್ಯಕ್ಷಮತೆಯ ಅತ್ಯುತ್ತಮ ಸಮತೋಲನ, ಕಡಿಮೆ ಓವರ್ಹೆಡ್, ಸ್ಕೇಲೆಬಿಲಿಟಿ ಮತ್ತು ಸರಳತೆಯನ್ನು ಒದಗಿಸುತ್ತದೆ. ಕ್ಲಿಕ್‌ಹೌಸ್ ಸಮುದಾಯವು ಅದನ್ನು ಸಣ್ಣ ಮತ್ತು ಮಧ್ಯಮ ಸ್ಥಾಪನೆಗಳಲ್ಲಿ ಬಳಸಲು ಹೆಚ್ಚಿನ ಮಾರ್ಗಗಳೊಂದಿಗೆ ಬಂದಾಗ ಅದು ತ್ವರಿತವಾಗಿ ಹರಡುತ್ತದೆ ಎಂದು ನನಗೆ ಖಚಿತವಾಗಿದೆ.

ಕೆಲವು ಜಾಹೀರಾತುಗಳು 🙂

ನಮ್ಮೊಂದಿಗೆ ಇರುವುದಕ್ಕೆ ಧನ್ಯವಾದಗಳು. ನೀವು ನಮ್ಮ ಲೇಖನಗಳನ್ನು ಇಷ್ಟಪಡುತ್ತೀರಾ? ಹೆಚ್ಚು ಆಸಕ್ತಿದಾಯಕ ವಿಷಯವನ್ನು ನೋಡಲು ಬಯಸುವಿರಾ? ಆರ್ಡರ್ ಮಾಡುವ ಮೂಲಕ ಅಥವಾ ಸ್ನೇಹಿತರಿಗೆ ಶಿಫಾರಸು ಮಾಡುವ ಮೂಲಕ ನಮ್ಮನ್ನು ಬೆಂಬಲಿಸಿ, $4.99 ರಿಂದ ಡೆವಲಪರ್‌ಗಳಿಗಾಗಿ ಕ್ಲೌಡ್ VPS, ಪ್ರವೇಶ ಮಟ್ಟದ ಸರ್ವರ್‌ಗಳ ಅನನ್ಯ ಅನಲಾಗ್, ಇದನ್ನು ನಿಮಗಾಗಿ ನಾವು ಕಂಡುಹಿಡಿದಿದ್ದೇವೆ: $5 ರಿಂದ VPS (KVM) E2697-3 v6 (10 ಕೋರ್‌ಗಳು) 4GB DDR480 1GB SSD 19Gbps ಬಗ್ಗೆ ಸಂಪೂರ್ಣ ಸತ್ಯ ಅಥವಾ ಸರ್ವರ್ ಅನ್ನು ಹೇಗೆ ಹಂಚಿಕೊಳ್ಳುವುದು? (RAID1 ಮತ್ತು RAID10, 24 ಕೋರ್‌ಗಳವರೆಗೆ ಮತ್ತು 40GB DDR4 ವರೆಗೆ ಲಭ್ಯವಿದೆ).

ಆಮ್‌ಸ್ಟರ್‌ಡ್ಯಾಮ್‌ನಲ್ಲಿರುವ Equinix Tier IV ಡೇಟಾ ಸೆಂಟರ್‌ನಲ್ಲಿ Dell R730xd 2x ಅಗ್ಗವಾಗಿದೆಯೇ? ಇಲ್ಲಿ ಮಾತ್ರ $2 ರಿಂದ 2 x Intel TetraDeca-Ceon 5x E2697-3v2.6 14GHz 64C 4GB DDR4 960x1GB SSD 100Gbps 199 TV ನೆದರ್ಲ್ಯಾಂಡ್ಸ್ನಲ್ಲಿ! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 ರಿಂದ! ಬಗ್ಗೆ ಓದು ಮೂಲಸೌಕರ್ಯ ನಿಗಮವನ್ನು ಹೇಗೆ ನಿರ್ಮಿಸುವುದು ಒಂದು ಪೆನ್ನಿಗೆ 730 ಯುರೋಗಳಷ್ಟು ಮೌಲ್ಯದ Dell R5xd E2650-4 v9000 ಸರ್ವರ್‌ಗಳ ಬಳಕೆಯೊಂದಿಗೆ ವರ್ಗ?

ಮೂಲ: www.habr.com