വെബ് സേവനങ്ങൾക്കുള്ള ഇൻ-മെമ്മറി ആർക്കിടെക്ചർ: സാങ്കേതിക അടിസ്ഥാനങ്ങളും തത്വങ്ങളും

ഇൻ-മെമ്മറി എന്നത് ആപ്ലിക്കേഷന്റെ റാമിൽ സംഭരിക്കുകയും ബാക്കപ്പിനായി ഡിസ്ക് ഉപയോഗിക്കുകയും ചെയ്യുമ്പോൾ ഡാറ്റ സംഭരിക്കുന്നതിനുള്ള ഒരു കൂട്ടം ആശയങ്ങളാണ്. ക്ലാസിക്കൽ സമീപനങ്ങളിൽ, ഡാറ്റ ഡിസ്കിലും മെമ്മറി കാഷെയിലും സംഭരിക്കുന്നു. ഉദാഹരണത്തിന്, ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതിനുള്ള ബാക്കെൻഡുള്ള ഒരു വെബ് ആപ്ലിക്കേഷൻ അത് സ്റ്റോറേജിലേക്ക് അഭ്യർത്ഥിക്കുന്നു: അത് അത് സ്വീകരിക്കുകയും രൂപാന്തരപ്പെടുത്തുകയും നെറ്റ്‌വർക്കിലൂടെ ധാരാളം ഡാറ്റ കൈമാറുകയും ചെയ്യുന്നു. ഇൻ-മെമ്മറിയിൽ, കണക്കുകൂട്ടലുകൾ ഡാറ്റയിലേക്ക് അയയ്‌ക്കുന്നു - സ്‌റ്റോറേജിലേക്ക്, അവിടെ അവ പ്രോസസ്സ് ചെയ്യപ്പെടുകയും നെറ്റ്‌വർക്കിൽ ലോഡ് കുറവാണ്.

അതിന്റെ ആർക്കിടെക്ചറിന് നന്ദി, ഇൻ-മെമ്മറി ഡാറ്റ ആക്‌സസ് നിരവധി തവണ വേഗത്തിലാക്കുന്നു, ചിലപ്പോൾ മാഗ്നിറ്റ്യൂഡ് ഓർഡറുകൾ പോലും വേഗത്തിലാക്കുന്നു. ഉദാഹരണത്തിന്, ബാങ്ക് അനലിസ്റ്റുകൾ കഴിഞ്ഞ വർഷം ഡൈനാമിക്സിൽ നൽകിയ വായ്പകളെക്കുറിച്ചുള്ള ഒരു റിപ്പോർട്ട് അനലിറ്റിക്കൽ ആപ്ലിക്കേഷനിൽ കാണാൻ ആഗ്രഹിക്കുന്നു. ഒരു ക്ലാസിക് DBMS-ൽ ഈ പ്രക്രിയയ്ക്ക് മിനിറ്റുകൾ എടുക്കും, എന്നാൽ ഇൻ-മെമ്മറിയിൽ ഇത് ഉടൻ തന്നെ ദൃശ്യമാകും. സമീപനം നിങ്ങളെ കൂടുതൽ വിവരങ്ങൾ കാഷെ ചെയ്യാൻ അനുവദിക്കുകയും അത് "കൈയിൽ" റാമിൽ സംഭരിക്കുകയും ചെയ്യുന്നതിനാലാണിത്. ആപ്ലിക്കേഷന് ഹാർഡ് ഡ്രൈവിൽ നിന്ന് ഡാറ്റ അഭ്യർത്ഥിക്കേണ്ടതില്ല, ഇതിന്റെ ലഭ്യത നെറ്റ്‌വർക്ക്, ഡിസ്ക് വേഗത എന്നിവയാൽ പരിമിതപ്പെടുത്തിയിരിക്കുന്നു.

ഇൻ-മെമ്മറിയിൽ മറ്റ് എന്തെല്ലാം സാധ്യതകൾ ലഭ്യമാണ്, ഇത് ഏത് തരത്തിലുള്ള സമീപനമാണ്? വ്ലാഡിമിർ പ്ലിഗിൻ - ഗ്രിഡ്‌ഗെയിനിലെ എഞ്ചിനീയർ. ഇൻ-മെമ്മറിയിൽ പ്രവർത്തിക്കാത്തതും ശ്രമിക്കാൻ ആഗ്രഹിക്കുന്ന അല്ലെങ്കിൽ സോഫ്റ്റ്‌വെയർ വികസനത്തിലും ആർക്കിടെക്ചർ ഡിസൈനിലുമുള്ള ആധുനിക ട്രെൻഡുകളിൽ താൽപ്പര്യമുള്ള വെബ് ആപ്ലിക്കേഷൻ ബാക്കെൻഡ് ഡെവലപ്പർമാർക്ക് ഈ അവലോകന മെറ്റീരിയൽ ഉപയോഗപ്രദമാകും.

അഭിപായപ്പെടുക. #GetIT കോൺഫിലെ വ്ലാഡിമിറിന്റെ റിപ്പോർട്ടിന്റെ ട്രാൻസ്ക്രിപ്റ്റിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് ലേഖനം. സെൽഫ് ഐസൊലേഷൻ അവതരിപ്പിക്കുന്നതിന് മുമ്പ്, മോസ്കോയിലും സെന്റ് പീറ്റേഴ്സ്ബർഗിലും ഡെവലപ്പർമാർക്കായി ഞങ്ങൾ പതിവായി മീറ്റിംഗുകളും കോൺഫറൻസുകളും നടത്തിയിരുന്നു: ട്രെൻഡുകൾ, നിലവിലെ വികസന പ്രശ്നങ്ങൾ, പ്രശ്നങ്ങൾ, അവയുടെ പരിഹാരങ്ങൾ എന്നിവ ഞങ്ങൾ ചർച്ച ചെയ്തു. ഇപ്പോൾ ഒരു കോൺഫറൻസ് നടത്തുന്നത് സാധ്യമല്ല, എന്നാൽ മുൻകാലങ്ങളിൽ നിന്ന് ഉപയോഗപ്രദമായ വസ്തുക്കൾ പങ്കിടാൻ സമയമായി.

ആരാണ് ഇൻ-മെമ്മറി ഉപയോഗിക്കുന്നത്, എങ്ങനെ

വേഗത്തിലുള്ള ഉപയോക്തൃ ഇടപെടൽ അല്ലെങ്കിൽ വലിയ അളവിലുള്ള ഡാറ്റയുടെ പ്രോസസ്സിംഗ് ആവശ്യമുള്ളിടത്താണ് ഇൻ-മെമ്മറി മിക്കപ്പോഴും ഉപയോഗിക്കുന്നത്.

• ബാങ്കുകൾ ഇൻ-മെമ്മറി ഉപയോഗിക്കുക, ഉദാഹരണത്തിന്, ക്ലയന്റുകൾ ആപ്ലിക്കേഷനുകൾ ഉപയോഗിക്കുമ്പോഴുള്ള കാലതാമസം കുറയ്ക്കുന്നതിനോ അല്ലെങ്കിൽ ഒരു ലോൺ നൽകുന്നതിന് മുമ്പ് ക്ലയന്റിനെ വിശകലനം ചെയ്യുന്നതിനോ.
• ഫിൻടെക് ഡാറ്റ പ്രോസസ്സിംഗും വിശകലനവും ഔട്ട്‌സോഴ്‌സ് ചെയ്യുന്ന ബാങ്കുകൾക്കായുള്ള സേവനങ്ങളുടെയും ആപ്ലിക്കേഷനുകളുടെയും പ്രകടനം മെച്ചപ്പെടുത്തുന്നതിന് ഇൻ-മെമ്മറി ഉപയോഗിക്കുന്നു. 
• ഇൻഷുറൻസ് കമ്പനികൾ: അപകടസാധ്യതകൾ കണക്കാക്കാൻ, ഉദാഹരണത്തിന്, നിരവധി വർഷങ്ങളായി ഉപഭോക്തൃ ഡാറ്റ വിശകലനം ചെയ്യുന്നതിലൂടെ.
• ലോജിസ്റ്റിക് കമ്പനികൾ. അവർ ധാരാളം ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നു, ഉദാഹരണത്തിന്, ആയിരക്കണക്കിന് പാരാമീറ്ററുകൾ ഉപയോഗിച്ച് ചരക്ക്, യാത്രക്കാർക്കുള്ള ഒപ്റ്റിമൽ റൂട്ടുകൾ കണക്കാക്കാനും കയറ്റുമതിയുടെ നില ട്രാക്കുചെയ്യാനും.
• റീട്ടെയിൽ. ഇൻ-മെമ്മറി സൊല്യൂഷനുകൾ ഉപഭോക്താക്കൾക്ക് വേഗത്തിൽ സേവനം നൽകാനും വലിയ അളവിലുള്ള വിവരങ്ങൾ പ്രോസസ്സ് ചെയ്യാനും സഹായിക്കുന്നു: കയറ്റുമതി, ഇൻവോയ്സുകൾ, ഇടപാടുകൾ, വെയർഹൗസുകളിൽ ആയിരക്കണക്കിന് സാധനങ്ങളുടെ സാന്നിധ്യം, വിശകലന റിപ്പോർട്ടുകൾ തയ്യാറാക്കൽ.
• В മതിയെന്നു ഇൻ-മെമ്മറി പരമ്പരാഗത ഡാറ്റാബേസുകളെ മാറ്റിസ്ഥാപിക്കുന്നു.
• ഫാർമസ്യൂട്ടിക്കൽ കമ്പനികൾ ഇൻ-മെമ്മറി ഉപയോഗിക്കുന്നു, ഉദാഹരണത്തിന്, മയക്കുമരുന്ന് കോമ്പോസിഷനുകളുടെ സംയോജനത്തിലൂടെ അടുക്കാൻ. 

ഞങ്ങളുടെ ഉപഭോക്താക്കൾ ഇൻ-മെമ്മറി സൊല്യൂഷനുകൾ എങ്ങനെ ഉപയോഗിക്കുന്നുവെന്നതിന്റെയും അവ നിങ്ങൾക്ക് എങ്ങനെ നടപ്പിലാക്കാമെന്നതിന്റെയും ഏതാനും ഉദാഹരണങ്ങൾ ഞാൻ നിങ്ങളോട് പറയും.

പ്രാഥമിക സംഭരണമായി ഇൻ-മെമ്മറി

യുഎസ്എയിൽ നിന്നുള്ള മെഡിക്കൽ സയന്റിഫിക് ഉപകരണങ്ങളുടെ വലിയൊരു വിതരണക്കാരനാണ് ഞങ്ങളുടെ ക്ലയന്റുകളിൽ ഒരാൾ. അവരുടെ പ്രധാന ഡാറ്റ സംഭരണമായി അവർ ഇൻ-മെമ്മറി സൊല്യൂഷൻ ഉപയോഗിക്കുന്നു. എല്ലാ ഡാറ്റയും ഡിസ്കിൽ സംഭരിച്ചിരിക്കുന്നു, കൂടാതെ സജീവമായി ഉപയോഗിക്കുന്ന ഡാറ്റയുടെ ഉപവിഭാഗം റാമിൽ സൂക്ഷിക്കുന്നു. GDBC (ജനറിക് ഡാറ്റാബേസ് കണക്റ്റർ), SQL അന്വേഷണ ഭാഷ എന്നിവയാണ് സ്റ്റാൻഡേർഡ് സ്റ്റോറേജ് ആക്സസ് രീതികൾ.

ഇതിനെ മൊത്തത്തിൽ ഇൻ-മെമ്മറി ഡാറ്റാബേസ് (IMDB) അല്ലെങ്കിൽ മെമ്മറി-സെൻട്രിക് സ്റ്റോറേജ് എന്ന് വിളിക്കുന്നു. ഈ തരം പരിഹാരങ്ങൾക്ക് നിരവധി പേരുകളുണ്ട്, ഇവ മാത്രമല്ല. 

IMDB സവിശേഷതകൾ:

• ഇൻ-മെമ്മറിയിൽ സംഭരിച്ചിരിക്കുന്നതും SQL വഴി ആക്‌സസ് ചെയ്യുന്നതുമായ ഡാറ്റ മറ്റ് സമീപനങ്ങളിലെ പോലെ തന്നെയാണ്. അവ സമന്വയിപ്പിച്ചിരിക്കുന്നു, അവതരണ രീതിയും അവയെ അഭിസംബോധന ചെയ്യുന്ന രീതിയും വ്യത്യസ്തമാണ്. ഡാറ്റയ്ക്കിടയിൽ ഇടപാട് പ്രവർത്തിക്കുന്നു.

• IMDB റിലേഷണൽ ഡാറ്റാബേസുകളേക്കാൾ വേഗതയുള്ളതാണ്, കാരണം ഡിസ്കിൽ നിന്നുള്ളതിനേക്കാൾ റാമിൽ നിന്ന് വിവരങ്ങൾ വീണ്ടെടുക്കുന്നത് വേഗതയുള്ളതാണ്. 
• ആന്തരിക ഒപ്റ്റിമൈസേഷൻ അൽഗോരിതങ്ങൾക്ക് കുറച്ച് നിർദ്ദേശങ്ങളുണ്ട്.
• ആപ്ലിക്കേഷനുകളിലെ ഡാറ്റ, ഇവന്റുകൾ, ഇടപാടുകൾ എന്നിവ കൈകാര്യം ചെയ്യാൻ ഐഎംഡിബികൾ അനുയോജ്യമാണ്.

IMDB-കൾ ACID-യെ ഭാഗികമായി പിന്തുണയ്ക്കുന്നു: ആറ്റോമിസിറ്റി, കൺസിസ്റ്റൻസി, ഐസൊലേഷൻ. എന്നാൽ അവർ "ഈടുനിൽക്കുന്നതിനെ" പിന്തുണയ്ക്കുന്നില്ല - പവർ ഓഫ് ചെയ്യുമ്പോൾ, എല്ലാ ഡാറ്റയും നഷ്ടപ്പെടും. പ്രശ്നം പരിഹരിക്കാൻ, നിങ്ങൾക്ക് സ്നാപ്പ്ഷോട്ടുകൾ ഉപയോഗിക്കാം - ഡാറ്റാബേസിന്റെ ഒരു "സ്നാപ്പ്ഷോട്ട്", ഒരു ഹാർഡ് ഡ്രൈവിലെ ഡാറ്റാബേസ് ബാക്കപ്പിന് സമാനമാണ്, അല്ലെങ്കിൽ റീബൂട്ടിന് ശേഷം ഡാറ്റ പുനഃസ്ഥാപിക്കുന്നതിന് ഇടപാടുകൾ (ലോഗുകൾ) രേഖപ്പെടുത്തുക.

തെറ്റ്-സഹിഷ്ണുതയുള്ള ആപ്ലിക്കേഷനുകൾ സൃഷ്ടിക്കാൻ

ഒരു തെറ്റ്-സഹിഷ്ണുതയുള്ള വെബ് ആപ്ലിക്കേഷന്റെ ക്ലാസിക് ആർക്കിടെക്ചർ നമുക്ക് സങ്കൽപ്പിക്കാം. ഇത് ഇതുപോലെ പ്രവർത്തിക്കുന്നു: എല്ലാ അഭ്യർത്ഥനകളും സെർവറുകൾക്കിടയിൽ ഒരു വെബ് ബാലൻസറാണ് വിതരണം ചെയ്യുന്നത്. ഈ സിസ്റ്റം സ്ഥിരതയുള്ളതാണ്, കാരണം സെർവറുകൾ പരസ്പരം ഡ്യൂപ്ലിക്കേറ്റ് ചെയ്യുകയും സംഭവങ്ങൾ ഉണ്ടായാൽ ബാക്കപ്പ് ചെയ്യുകയും ചെയ്യുന്നു.

ബാലൻസർ എല്ലാ അഭ്യർത്ഥനകളും ഒരു സെഷനിൽ നിന്ന് കർശനമായി ഒരു സെർവറിലേക്ക് നയിക്കുന്നു. ഇതൊരു സ്റ്റിക്ക് സെഷൻ മെക്കാനിസമാണ്: ഓരോ സെഷനും പ്രാദേശികമായി സംഭരിക്കുകയും പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യുന്ന ഒരു സെർവറുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. 

സെർവറുകളിൽ ഒന്ന് പരാജയപ്പെടുമ്പോൾ എന്ത് സംഭവിക്കും?

ആർക്കിടെക്ചർ തനിപ്പകർപ്പായതിനാൽ സേവനത്തെ ബാധിക്കില്ല. എന്നാൽ ഡെഡ് സെർവറിന്റെ സെഷനുകളുടെ ഒരു ഉപവിഭാഗം നമുക്ക് നഷ്‌ടമാകും. അതേ സമയം, ഈ സെഷനുകളുമായി ബന്ധപ്പെട്ടിരിക്കുന്ന ഉപയോക്താക്കൾ. ഉദാഹരണത്തിന്, ഒരു ക്ലയന്റ് ഒരു ഓർഡർ നൽകുകയും പെട്ടെന്ന് അവനെ ഓഫീസിൽ നിന്ന് പുറത്താക്കുകയും ചെയ്യുന്നു. അവൻ വീണ്ടും ലോഗിൻ ചെയ്യുകയും എല്ലാം വീണ്ടും ചെയ്യേണ്ടിവരുമെന്ന് കണ്ടെത്തുകയും ചെയ്യുമ്പോൾ അവൻ അസന്തുഷ്ടനാകും.

ധാരാളം ഉപയോക്താക്കളെ പിന്തുണയ്ക്കുന്നതിനും വേഗത കുറയ്ക്കാതിരിക്കുന്നതിനും ഒരു വെബ് ആപ്ലിക്കേഷൻ ആവശ്യമാണ്, അതുവഴി അവർക്ക് സുഖമായി പ്രവർത്തിക്കാനാകും. എന്നാൽ ഇത് നിരസിക്കപ്പെട്ടാൽ, ഓരോ തുടർന്നുള്ള അഭ്യർത്ഥനയിലും സെഷൻ സ്റ്റോറുമായി ആശയവിനിമയം നടത്താനുള്ള സമയം വർദ്ധിക്കും. ഇത് മറ്റ് ഉപയോക്താക്കൾക്കുള്ള ശരാശരി ലേറ്റൻസി വർദ്ധിപ്പിക്കുന്നു. എന്നാൽ അവർ പഴയതിലും കൂടുതൽ കാത്തിരിക്കാൻ ആഗ്രഹിക്കുന്നില്ല.

യുഎസ്എയിൽ നിന്നുള്ള ഒരു വലിയ PASS ദാതാവായ ഞങ്ങളുടെ മറ്റ് ക്ലയന്റ് പോലെ ഈ പ്രശ്നം പരിഹരിക്കാൻ കഴിയും. വെബ് സെഷനുകൾ ക്ലസ്റ്റർ ചെയ്യാൻ ഇത് ഇൻ-മെമ്മറി ഉപയോഗിക്കുന്നു. ഇത് ചെയ്യുന്നതിന്, ഇത് അവയെ പ്രാദേശികമായി അല്ല, കേന്ദ്രീകൃതമായി - ഒരു ഇൻ-മെമ്മറി ക്ലസ്റ്ററിൽ സംഭരിക്കുന്നു. ഈ സാഹചര്യത്തിൽ, സെഷനുകൾ വളരെ വേഗത്തിൽ ലഭ്യമാണ്, കാരണം അവ ഇതിനകം റാമിലാണ്.

ഒരു സെർവർ തകരാറിലാകുമ്പോൾ, ക്ലാസിക്കൽ ആർക്കിടെക്ചറിലെന്നപോലെ, ക്രാഷ് ചെയ്ത സെർവറിൽ നിന്ന് ബാലൻസർ മറ്റ് സെർവറുകളിലേക്ക് അഭ്യർത്ഥനകൾ അയയ്ക്കുന്നു. എന്നാൽ ഒരു പ്രധാന വ്യത്യാസമുണ്ട്: സെഷനുകൾ ഇൻ-മെമ്മറി ക്ലസ്റ്ററിൽ സംഭരിച്ചിരിക്കുന്നു കൂടാതെ സെർവറുകൾക്ക് വീണുപോയ സെർവറിന്റെ സെഷനുകളിലേക്ക് ആക്സസ് ഉണ്ട്.

ഈ വാസ്തുവിദ്യ മുഴുവൻ സിസ്റ്റത്തിന്റെയും തെറ്റ് സഹിഷ്ണുത വർദ്ധിപ്പിക്കുന്നു. മാത്രമല്ല, സ്റ്റിക്ക് സെഷൻ മെക്കാനിസം പൂർണ്ണമായും ഉപേക്ഷിക്കാൻ കഴിയും.

ഹൈബ്രിഡ് ട്രാൻസാക്ഷണൽ അനലിറ്റിക്കൽ പ്രോസസ്സിംഗ് (HTAP)

സാധാരണഗതിയിൽ, ഇടപാടുകളും വിശകലന സംവിധാനങ്ങളും പ്രത്യേകം സൂക്ഷിക്കുന്നു. അവ വേർപെടുത്തുമ്പോൾ, പ്രധാന അടിത്തറ ലോഡിന് കീഴിൽ വരുന്നു. അനലിറ്റിക്കൽ പ്രോസസ്സിംഗിനായി, ഡാറ്റ ഒരു പകർപ്പിലേക്ക് പകർത്തുന്നു, അതിനാൽ വിശകലന പ്രോസസ്സിംഗ് ഇടപാട് പ്രക്രിയകളിൽ ഇടപെടുന്നില്ല. എന്നാൽ പകർത്തൽ ഒരു കാലതാമസത്തോടെയാണ് സംഭവിക്കുന്നത് - ഒരു കാലതാമസമില്ലാതെ അത് ആവർത്തിക്കുക അസാധ്യമാണ്. ഞങ്ങൾ ഇത് സമന്വയിപ്പിച്ചാൽ, ഇത് പ്രധാന അടിത്തറയെ മന്ദഗതിയിലാക്കും, ഞങ്ങൾക്ക് വിജയങ്ങളൊന്നും ലഭിക്കില്ല.

HTAP-ൽ, എല്ലാം വ്യത്യസ്‌തമായി പ്രവർത്തിക്കുന്നു - ആപ്ലിക്കേഷനുകളിൽ നിന്നുള്ള ട്രാൻസാക്ഷൻ ലോഡിനും, പൂർത്തിയാക്കാൻ ഏറെ സമയമെടുക്കുന്ന വിശകലന അന്വേഷണങ്ങൾക്കും ഒരേ ഡാറ്റ സ്റ്റോർ ഉപയോഗിക്കുന്നു. ഡാറ്റ റാമിൽ ആയിരിക്കുമ്പോൾ, അനലിറ്റിക്കൽ ക്വറികൾ വേഗത്തിൽ എക്സിക്യൂട്ട് ചെയ്യപ്പെടുന്നു, കൂടാതെ ഡാറ്റാബേസുള്ള സെർവർ ലോഡുചെയ്യുന്നത് കുറവാണ് (ശരാശരി).

ഒരു ഹൈബ്രിഡ് സമീപനം ഇടപാട് പ്രോസസ്സിംഗിനും വിശകലനത്തിനും ഇടയിലുള്ള മതിൽ തകർക്കുന്നു. ഒരേ സ്റ്റോറേജിൽ ഞങ്ങൾ അനലിറ്റിക്‌സ് നടത്തുകയാണെങ്കിൽ, റാമിൽ നിന്നുള്ള ഡാറ്റയിൽ അനലിറ്റിക്കൽ അന്വേഷണങ്ങൾ സമാരംഭിക്കും. അവ കൂടുതൽ കൃത്യവും കൂടുതൽ വ്യാഖ്യാനിക്കാവുന്നതും പര്യാപ്തവുമാണ്.

ഇൻ-മെമ്മറി പരിഹാരങ്ങളുടെ സംയോജനം

ഒരു (താരതമ്യേന) ലളിതമായ വഴി - ആദ്യം മുതൽ എല്ലാം വികസിപ്പിക്കുക. ഞങ്ങൾ ഡാറ്റ ഡിസ്കിൽ സൂക്ഷിക്കുകയും ഹോട്ട് ഡാറ്റ മെമ്മറിയിൽ സൂക്ഷിക്കുകയും ചെയ്യുന്നു. സെർവർ റീബൂട്ടുകളെയോ തകരാറുകളെയോ അതിജീവിക്കാൻ ഇത് സഹായിക്കുന്നു.

ഡിസ്കിൽ ഡാറ്റ സംഭരിക്കുമ്പോൾ ഇവിടെ രണ്ട് പ്രധാന സാഹചര്യങ്ങളുണ്ട്. ആദ്യത്തേതിൽ, ക്ലസ്റ്ററിന്റെയോ ഭാഗങ്ങളുടെയോ ക്രാഷുകളോ പതിവ് റീബൂട്ടുകളോ അതിജീവിക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു - ഇത് ഒരു ലളിതമായ ഡാറ്റാബേസായി ഉപയോഗിക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു. രണ്ടാമത്തെ സാഹചര്യത്തിൽ, വളരെയധികം ഡാറ്റ ഉള്ളപ്പോൾ, അതിൽ ചിലത് മെമ്മറിയിലായിരിക്കും.

ആദ്യം മുതൽ എല്ലാം നിർമ്മിക്കാൻ കഴിയുന്നില്ലെങ്കിൽ, ഇൻ-മെമ്മറിയെ ഇതിനകം സംയോജിപ്പിക്കാൻ കഴിയും നിലവിലുള്ള വാസ്തുവിദ്യ. എന്നാൽ എല്ലാ ഇൻ-മെമ്മറി പരിഹാരങ്ങളും ഇതിന് അനുയോജ്യമല്ല. മൂന്ന് നിർബന്ധിത വ്യവസ്ഥകളുണ്ട്. ഇൻ-മെമ്മറി സൊല്യൂഷൻ പിന്തുണയ്ക്കണം:

• അതിനടിയിൽ സ്ഥിതി ചെയ്യുന്ന ഡാറ്റാബേസിലേക്ക് കണക്റ്റുചെയ്യുന്നതിനുള്ള സ്റ്റാൻഡേർഡ് മാർഗം (ഉദാഹരണത്തിന്, MySQL);
• ഒരു സ്റ്റാൻഡേർഡ് ക്വറി ഭാഷ, അതുവഴി സ്റ്റോറേജുമായുള്ള ഇടപെടലിന്റെ യുക്തി മാറ്റിയെഴുതാതിരിക്കാനും മാറ്റാനും കഴിയില്ല;
• ഇടപാട് - ആശയവിനിമയത്തിന്റെ അർത്ഥശാസ്ത്രം സംരക്ഷിക്കുക.

മൂന്ന് വ്യവസ്ഥകളും പാലിച്ചാൽ, സംയോജനം സാധ്യമാണ്. ആപ്ലിക്കേഷനും ഡാറ്റാബേസിനും ഇടയിൽ ഞങ്ങൾ ഇൻ-മെമ്മറി ഡാറ്റ ഗ്രിഡ് സ്ഥാപിക്കുന്നു. ഇപ്പോൾ റൈറ്റ് അഭ്യർത്ഥനകൾ അടിസ്ഥാന ഡാറ്റാബേസിലേക്ക് ഡെലിഗേറ്റ് ചെയ്യപ്പെടും, കൂടാതെ ഡാറ്റ കാഷെയിൽ ഇല്ലെങ്കിൽ, റീഡ് അഭ്യർത്ഥനകൾ അടിസ്ഥാന ഡാറ്റാബേസിലേക്ക് ഡെലിഗേറ്റ് ചെയ്യപ്പെടും.

ഡാറ്റയിലേക്കുള്ള അതിവേഗ ആക്‌സസും അതിന്റെ പ്രോസസ്സിംഗും നിങ്ങൾക്ക് പ്രധാനമാണെങ്കിൽ, ഉദാഹരണത്തിന്, ബിസിനസ് അനലിറ്റിക്‌സിന്, ഇൻ-മെമ്മറി നടപ്പിലാക്കുന്നതിനെക്കുറിച്ച് നിങ്ങൾക്ക് ചിന്തിക്കാം. നടപ്പിലാക്കുന്നതിനായി, ഒരു പുതിയ ആർക്കിടെക്ചർ രൂപകൽപ്പന ചെയ്യുമ്പോൾ നിങ്ങൾക്ക് രണ്ട് രീതികളും ഉപയോഗിക്കാം.

അവലംബം: www.habr.com